本文分享如何使用LangSmith Studio调试智能体。 一、Studio支持的智能体 LangSmith部署界面中的Studio（工作室）功能支持连接两种类型的图（Graph）智能体： 部署在云

LangChain Template 是提示工程的核心组件，用于动态生成模型的输入。掌握 LangChain Template是构建高质量大模型应用的关键技能，它让提示工程艺术走向工程化。

LangChain、AI SDK、Agent、LangSmith这么多名词你知道是什么吗？文章实现了一个的 Agent 可以回答某地区的天气情况，助你搞明白这些东西是什么！

今天，我们将通过五个关键步骤，带您从零开始掌握Dify与LangChain v1.0的集成技术，构建属于自己的企业级RAG应用。

本文介绍了基于LangChain1.0开发多模态RAG系统的核心架构，通过前后端分离架构，构建支持文本、图像、音频和PDF处理的四大功能模块。同时编写测试智能问答基础模块的开发工作，为后续扩展打下基础

本文将向你展示如何使用LangSmith在本地部署LangGraph应用，以便进行测试和开发。你需要LangSmith账号和密钥。

评估（Evaluations）是衡量大模型应用程序性能的一种量化方式。LLM 的行为可能存在不确定性，即便对提示词、模型或输入做出微小调整，也可能对结果产生显著影响。而评估能够提供一种结构化方法。

LangGraph 的持久化通过 checkpointer + thread + checkpoint 三层设计实现……

LangGraph的Super-step并非简单的“每次执行一个节点”，而是一个有意识的分阶段执行模型：保证并行表达、状态一致性与可恢复性的同时，把并发策略留给开发者显式掌控。

本篇分享 LangChain 1.0 create_agent API 的高阶功能，涵盖 MCP 协议工具集成、结构化输出、记忆管理和中间件机制等。通过 MCP 接入、自定义中间件等实战案例构建智能体

提示词工程（Prompt Engineering）是指设计、测试并优化给大模型的指令，以使其生成可靠且有用的响应的过程。LangSmith提供了用于创建、版本控制、测试提示词以及进行协作的工具。

大家好，我是你们的扯蛋蛋，已经很久没有写文章了，最近在看到网上有蛮多的学习langchain的视频，我看到也是比较吸引和好奇的大模型，为什么能够调用那么多的工具和那么好呢，它本身就是对话式的文本模型，

本篇深入解析LangChain 1.0的create_agent API，涵盖智能体三要素消息类型及四种流模式。通过天气助手实例演示智能体完整执行流程，帮助大家快速掌握新一代智能体开发标准。

Custom 中间件是 LangChain Agent 最强大的扩展机制，让开发者能够在 Agent 执行的任何关键点插入自定义逻辑。

当LangChain成为技术债：你的AI架构还撑得过明年吗？ 引言 在过去的18个月里，LangChain无疑成为AI工程领域的耀眼明星——GitHub星标爆炸性增长、开发者峰会座无虚席、各种基于La

大模型赋能的最强大应用之一，便是功能完善的问答（Q&A）聊天机器人。这类应用能够针对特定来源的信息回答问题，其核心技术是检索增强生成(RAG)。本文将通过一个实际例子带您了解两种不同的RAG实现模式。

构建智能体的难点在于如何让它们具备足够的可靠性。上下文工程是解决这个问题的关键钥匙。LangChain的智能体抽象层经过独特设计，为上下文工程的实施提供便利。中间件是实现上下文工程的重要手段。

本文分享LangChain长期记忆组件。LangChain智能体借助LangGraph的持久化功能实现长期记忆，通过工具访问长期记忆。LangGraph将长期记忆以JSON文档的形式存储在存储系统中。

最近乱七八糟的事太多，今天来点偏技术实战的，带大家用LangChain & LangGraph快速入门用编程创建智能体，用LangSmith进行追踪，Agent-Chat构建Agent UI。