DeepAgentsCode是LangChain官方对标CC的生产智能体。本文作为源码导读，带你建立宏观认知：为何采用C-S分离架构？技术栈如何选型？读源码该读什么？一文讲清。下篇起深入Agent模块

Skill 是 Agent 中必不可少的一个模块。本文主要介绍在 Langchain 体系中如何实现 Skill 机制。

OpenClaw、Claude Code 等 Agent 为什么都选择 Node.js？ 作者：吴佳浩 撰稿时间：2026-3-16 最后更新：2026-3-17 目录 什么是 AI Coding A

把模型调用升级成工程化推理接口 跑通第一个 create_agent 示例以后，下一个问题就是，模型到底怎么接？Model 篇讲解如何把模型调用升级成工程化推理接口！

LangGraph 深度解析：从增强型 LLM 到生产级 Agent 这篇文章怎么读 这不是那种"把文档翻译一遍"的教程。它会沿着一条真实的认知路径走下来： 建议按顺序读。 每一章都在为下一章打基础，

LangGraph 入门指南 一、LangGraph 是什么 1.1 命名由来 Lang： 生态纽带：延续 LangChain 命名体系，是 LangChain 生态的官方核心组件 领域聚焦：明确指向

LangChain vs LangGraph：2025 Agent 框架选型全景指南（组件抽象 vs 流程编排） TL;DR 场景：选型时同时遇到 LangChain 和 LangGraph，搞不清谁

在本笔记本中，我们将探索计划 (Planning) 架构。这种模式为 Agent (智能体) 的推理过程引入了至关重要的前瞻性层。与 ReAct 模型中一步一步对信息做出反应不同，

本文分享了OpenClaw核心特性与设计原理，并提供接入国产大模型与聊天工具的实用指南。OpenClaw通过独特的网关系统，四层记忆架构、并借助Agent Skills体系灵活扩展向着未来数字员工迈进

复盘 AI Mind v0.2.1 如何从本地 Ollama 单模型调用，演进到可在线切换 DeepSeek / Qwen / Ollama 的多模型 Runtime，并收口模型选择、Provider

本文介绍了一个本地轻量化RAG（检索增强生成）问答系统的搭建过程。该系统支持多格式文档上传（TXT/MD/PDF/CSV），具备文档自动处理、语义检索与问答功能。

本文介绍了如何使用LangChain JS框架快速搭建前端AI开发环境。主要内容包括：LangChain的核心价值，灵活组合功能，核心组件介绍 LLM/ChatModel模型层等。

深入讲解 AI Agent 的核心概念、三大构成要素，LLM 应用从简单问答到自主代理的演进历程，LangChain 生态体系定位，以及 TypeScript 版本的选择理由。

前言 这两年做 AI 应用，很多团队最先搭起来的是模型调用链路，最后最容易失控的却是数据层。 一开始，大家通常只把 PostgreSQL 或 MySQL 当成“普通业务库”：用户表、订单表、会话表、消

本文针对RAG系统检索精准度问题，提出了一套完整的优化方案。分析了检索不准的三大核心原因、重点介绍了查询改写技术。

本文是 LangGraph 与 LangSmith 入门教程。解析图结构编排攻克循环反思痛点，利用全链路追踪打破 AI 黑盒，带你实战构建实时搜索智能体。

因为项目的需要，之前研究了一段时间的RAG，于是本文总结 8 种 RAG 架构，对每种架构进行简要介绍，并用 langchain 实现其参考代码。

LangChain上手 MCP：从用别人工具到自己写工具 先看效果 用别人的：百度地图 MCP 十几行代码，让 AI 变成地图助手： 输出： 自己写的：计算器 MCP Server MCP 是什么 一

随着大语言模型（LLM）从简单的“单轮问答”演进到具备自主思考、工具调用能力的“智能体（Agent）”，传统的开发模式已经有些捉襟见肘。在这个背景下，LangChain（大模型应用编排框架）与 Lan