Aprobaciones con intervención humana
Añada puntos de control seguros a los flujos de trabajo autónomos, donde una persona revise o apruebe las acciones arriesgadas antes de que el agente continúe, equilibrando automatización y control.
Aprobaciones con intervención humana es una lección gratuita de AI Agents with LangChain & Autonomous Workflows en CoddyKit. Esta es la lección 4 de 4. Puedes leer la lección completa abajo gratuitamente — luego la practicas en el navegador con un editor de código integrado y un tutor de IA 24/7. Forma parte de la ruta de aprendizaje de AI Agents with LangChain & Autonomous Workflows, y tu progreso se sincroniza en la web y la app de CoddyKit. El curso de AI Agents with LangChain & Autonomous Workflows incluye 4 lecciones en total.
Partes de esta lección aún no han sido traducidas y se muestran en inglés.
Why Pause for Humans
Full autonomy is risky for high-stakes actions: sending money, deleting records, emailing customers. A mistake can be costly and irreversible.
Human-in-the-loop (HITL) inserts an approval step so a person confirms before the agent acts.
Where to Add Checkpoints
You do not need approval everywhere — only at sensitive points:
- Before destructive or irreversible operations
- Before external side effects (payments, emails)
- When the agent's confidence is low
Read-only steps can stay fully automatic.
The Interrupt Pattern
In LangGraph you mark nodes where the graph should pause. Execution stops, state is saved, and control returns to your application to await a decision.
graph = builder.compile(
checkpointer=memory,
interrupt_before=['execute_payment']
)Persisting State to Resume
To pause and resume later, the workflow needs a checkpointer that saves state under a thread id. The human might approve minutes or hours later.
config = {'configurable': {'thread_id': 'order-42'}}
result = graph.invoke(initial_state, config)Surfacing the Pending Action
When paused, inspect the saved state to show the human exactly what the agent wants to do — the tool, the arguments, and the reason.
state = graph.get_state(config)
print(state.next)
print(state.values['proposed_action'])Approve and Continue
If the human approves, resume the graph by invoking again with the same thread id. It picks up right where it paused.
graph.invoke(None, config) # resumeReject or Edit
Approval is not the only outcome. A human can reject the action or edit the agent's proposed arguments before continuing — for example fixing a wrong recipient.
graph.update_state(
config,
{'proposed_action': edited_action}
)
graph.invoke(None, config)Asynchronous Approvals
In production the human is not at a console. The pause sends a notification (Slack, email, a dashboard task); the resume happens when they click approve. The thread id ties the request to the right paused run.
Timeouts and Defaults
Decide what happens if no one responds. Options:
- Auto-reject after a timeout (safe default)
- Escalate to another approver
- Hold indefinitely for critical actions
Auditability
Log every approval decision: who approved, when, and what was executed. This audit trail is essential for compliance and for debugging agent behavior later.
Balancing Automation
Too many approvals defeat the purpose of automation; too few add risk. Start cautious, then remove checkpoints as you gain confidence in the agent for specific action types.
Quick Check
Test your HITL knowledge.
Recap
You learned to add human oversight to autonomous workflows:
- Insert approval checkpoints at risky steps only
- Use
interrupt_beforeplus a checkpointer to pause - Surface the proposed action, then approve, reject, or edit
- Handle async approvals, timeouts, and audit logging
Human-in-the-loop makes autonomy safe for high-stakes work.
Preguntas frecuentes
¿La lección «Aprobaciones con intervención humana» es gratis?
Sí — el texto completo de «Aprobaciones con intervención humana» es gratis para leer aquí en la web. Para practicarla de forma interactiva (editor de código integrado y tutor de IA 24/7) y desbloquear el resto del curso de AI Agents with LangChain & Autonomous Workflows, actualiza a CoddyKit PRO. El curso de AI Agents with LangChain & Autonomous Workflows incluye 4 lecciones en total.
¿Qué aprenderé en «Aprobaciones con intervención humana»?
Añada puntos de control seguros a los flujos de trabajo autónomos, donde una persona revise o apruebe las acciones arriesgadas antes de que el agente continúe, equilibrando automatización y control. Practicas AI Agents with LangChain & Autonomous Workflows con código real que ejecutas directamente en el navegador, y un tutor de IA 24/7 responde tus preguntas mientras trabajas en la lección.
¿Necesito experiencia previa para empezar AI Agents with LangChain & Autonomous Workflows?
No se requiere experiencia previa. AI Agents with LangChain & Autonomous Workflows en CoddyKit está estructurado para principiantes hasta estudiantes avanzados, así que puedes empezar aquí o desde el inicio y avanzar a tu ritmo. Esta es la lección 4 de 4.
¿Cuánto tiempo toma la lección «Aprobaciones con intervención humana»?
La mayoría de las lecciones de CoddyKit toman alrededor de 5–10 minutos. Cada una es compacta e interactiva, así que avanzas constantemente y retomas exactamente por donde dejaste en la web y la app.
¿Puedo escribir y ejecutar código en esta lección de AI Agents with LangChain & Autonomous Workflows?
Sí. Cada lección de AI Agents with LangChain & Autonomous Workflows incluye un editor de código integrado, así que escribes y ejecutas código real directamente en tu navegador y obtienes retroalimentación instantánea de IA — sin configuración local necesaria.
Todas las lecciones de este curso
- Diseño de flujos de trabajo complejos
- Ejecución asíncrona de agentes
- Gestión de errores y resiliencia
- Aprobaciones con intervención humana