langgraph

基于 LangChain 1.0 的检索增强生成（RAG）实战🔗 查看完整专栏（LangChain 1.0 与 LangGraph 学习笔记）特别说明：本文为个人学习笔记，内容仅供学习与交流使用，禁止转载或用于商业用途。笔记为个人理解与总结，可能存在疏漏或偏差，欢迎读者参考并自行甄别。

零基础入门 LangChain 与 LangGraph（三）：环境搭建、包安装与第一个 LangChain 程序💬 开篇：前两篇先把“大模型是什么”“为什么要学 LangChain 和 LangGraph”这两件事讲清楚了。到这一步，方向已经有了，接下来就不能再停留在概念层，必须真正开始动手。

灵机一物AI原生电商小程序(已上线)-AI Agent+社交裂变：电商增长闭环的技术落地全解析（附代码结构与风控方案）作者：Maris5188摘要：AI砍价早已不是新鲜事，但传统单人对话砍价模式存在流量闭环断裂、获客成本高的痛点。本文从技术落地视角，完整拆解「AI对话砍价+社交裂变」的产品技术方案，重点讲解增量架构设计、Redis热数据缓存、多场景风控实现，以及LangGraph工作流的扩展改造，帮助技术开发者快速复用现有系统，落地高转化的社交裂变增长模式，解决AI砍价“砍到底就结束”的核心难题。

React的预构建creat_agent模块详解京东购书链接前面我们基于原生LangGraph完成了基础React的设置与使用，从工具定义、节点逻辑到图结构搭建都需要手动配置，可以看到，采用全手动实现虽然能精准控制流程，但步骤相对烦琐。

零基础入门 LangChain 与 LangGraph（一）：理解大模型、提示词、Embedding 和接入方式💬 开篇：很多人学 LangChain，一上来就先背 PromptTemplate、ChatModel、Retriever、Agent 这些名词，结果越学越乱。我一开始也差点走这条路，后来才发现，LangChain 本质上只是把模型调用、提示词设计、检索、工具调用和工作流编排这些东西组织起来的框架。基础概念没搞懂，后面看再多 API 也只是“会抄不会用”。官方文档现在对两者的定位也很明确：LangChain 更像构建 LLM 应用和 Agent 的高层框架，而 LangGraph 更偏底层的 Agent

LangChain基础配置与对话模型实战🔗 查看完整专栏（LangChain 1.0 与 LangGraph 学习笔记）特别说明：本文为个人学习笔记，内容仅供学习与交流使用，禁止转载或用于商业用途。笔记为个人理解与总结，可能存在疏漏或偏差，欢迎读者参考并自行甄别。

山塘小鱼儿

LangGraph生成小红书书评（学习）https://docs.langchain.com/oss/python/langgraph/overviewhttps://docs.langchain.com/oss/python/langgraph/overview

【LangGraph Server】 LangGraph Server是什么？LangGraph Server 是一个专门用来部署和运行 AI 智能体的服务。简单说，你写了一个能对话、能调用工具的 AI 应用（比如客服机器人），用 LangGraph Server 就能一键把它变成一个真正的 API 服务，可以通过 HTTP 请求来调用它。LangGraph server还包含了LangSmith，它可以把流程图可视化，能够方便的追踪运行情况、运行指标和日志等。基于LangGraph框架。并且支持热重载，在server启动的情况下，修改代码保存后就能够在网页上面直接看出来。

LangGraph中的输出范式https://blog.csdn.net/brucexia/article/details/158845706

03_《智能体微服务架构企业级实战教程》能学到什么本课程以旅游出行攻略智能助手为实战项目，系统讲解基于FastMCP、LangGraph、DeepSeek大模型与微服务架构构建生产级智能体系统的完整流程。课程覆盖架构设计、模块开发至容器化部署，融入日志、链路追踪、认证、重试降级等企业级实践，由资深架构师主讲，代码源自真实项目，助力学员掌握可落地的智能体微服务开发能力。

LangGraph节点的并行化处理在大模型应用向多智能体协作、复杂任务拆解演进的当下，LangGraph作为专注于构建状态ful、可交互智能体系统的框架，其并行节点执行机制成为突破性能瓶颈的关键。多智能体系统中，大量独立任务（如多源数据检索、并行分析处理）若按线性顺序执行，会因等待单个任务完成而浪费资源，显著降低响应速度。而LangGraph的并行化能力，通过Fan-out（多输出，又称为扇出）与Fan-in（多输入，又称为扇入）的核心模式，让多个节点在同一时间步（step）同步运行，再将结果高效汇聚，从根本上提升了复杂任务的执行效率。

云和数据.ChenGuang

PromptTemplate和ChatPromptTemplate的区别是什么呢？我用最简单、最直白、一看就懂的方式给你讲清楚： PromptTemplate 和 ChatPromptTemplate 的真正区别

一篇文章讲明白：RAG + MCP + Skills + LangChain + LangGraph目录先定总纲：五个技术的核心分工（一句话记住）一、RAG：检索增强生成（大模型的“知识库”）1. 核心问题：大模型的“天生短板”

zbdx不知名菜鸡

langchain与langgraph 有什么区别？LangChain 和 LangGraph 是由 LangChain 公司开发的开源框架，专门用于构建基于大语言模型（LLM）的应用程序。它们代表了从简单链式调用到复杂多智能体工作流的演进。

AI-大语言模型LLM-LangGraphV1.0学习笔记-stream_mode参数详解为避免一学就会、一用就废，这里做下笔记在 LangGraph 中，stream_mode 参数用于控制调用 graph.stream() 或 graph.astream() 方法时，流式输出（Streaming Output）的内容粒度与类型。它允许你实时获取图执行过程中的中间状态、LLM 生成内容或自定义数据，而不是等待整个图执行完毕。

LangGraph 多步推理：State + Node + 条件路由，手写 StateGraph系列导读：本系列共 6 篇，带你从零到一构建完整的 RAG + LangGraph + MCP 项目。

基于LangGraph多agentindex.jspackage.json

小王努力学编程

LangGraph——AI应用开发框架目录一，LangGraph介绍1.1 认识智能服务(Agent Server)1.2 LangGraph -- Agent Server 的“操作系统”

灵机一物AI智能电商小程序(已上线)-从“帮我买抽纸”到自动下单支付——大模型驱动全链路自动购物系统实战作者：vx:Maris5188摘要：传统电商购物需要用户手动搜索、对比、选规格、下单、支付，操作路径长、决策成本高。本文基于大模型+LangGraph状态机+Chainlit任务编排，实现一套从自然语言指令到支付完成的端到端自动购物系统。用户只需一句话，如“帮我买抽纸，预算10元以内”，系统即可自动完成意图理解、商品检索、智能选品、地址选择、订单创建、自动支付全流程。文章从架构设计、核心模块、工程实践到代码解析完整呈现，可直接用于AI电商项目落地。

AI Agent 概念由于基础大模型存在固有的局限性，无法直接解决实际应用中的问题，需要通过开发（即扩展能力）来弥补这些缺陷。