在本篇文章中，我们将通过LangGrah构建一个检索代理。我们让大语言模型（LLM）能够自主决定是从向量库中检索上下文，还是直接响应用户。大概的流程是：获取并预处理用于检索的文档；对这些文档进行语义搜

## 🧠 LangGraph状态管理：让AI工作流拥有“记忆”的超能力 > **“没有状态的AI

【LangGraph】手把手实现人类怎么和agent的交互 LangGraph 是一个使用 LLM 构建有状态、多参与者应用程序的库，用于创建代理和多代理工作流。与其他 LLM 框架相比，它具有以下核

这节我们探讨下如何使用 interrupt 等待用户输入，虽然前面都有讲过，但是有部分同学还是一知半解，我决定把这一块详细的逻辑整理出来，从头到尾给大家讲述一下。 人机交互 (HIL) 交互对于 ag

在 LangGraph 中，实现人机交互最核心的就是 Command 和 interrupt，就是前面设计4种交互模式所使用的共同方法，简单点说就是中断图，获取人类提供的值，再恢复图。我们这次就来详细

下面我将详细介绍如何在 LangGraph 中为包含子图的图结构添加线程级持久化功能，步骤清晰明了。在我们代码开发之前，我先给大家讲述两个关于状态图的概念： 状态历史的本质 在 LangGraph 中

LangGraph LangGraph 是一个用于构建有状态的多参与者应用程序的库，利用 LLM 创建代理和多代理工作流。与其他 LLM 框架相比，它提供了以下核心优势：循环性、可控性和持久性。Lan

ReAct 官方文档地址：https://langchain-ai.github.io/langgraph/how-tos/#prebuilt-react-agent 中文文档地址：https://w

Human-in-the-loop(人机交互) 人机交互（或称“在循环中”）工作流将人类输入整合到自动化过程中，在关键阶段允许决策、验证或修正。这在基于 LLM 的应用中尤其有用，因为基础模型可能会产