AI Agent 的学习与实战笔记

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。

随着大模型能力快速增强，开发者在构建 LLM 应用时面临一个核心选择： 到底要使用 Workflows（工作流）还是 Agents（智能体）？

首先要将任务分解为称为节点的离散步骤。然后，需要描述每个节点不同的决策逻辑和状态转换方式。最后，通过一个共享状态将各个节点连接起来，每个节点都可以读写该状态。

智能体是将大语言模型与工具相结合，创建能够对任务进行推理、决定使用哪些工具并迭代地寻求解决方案的系统。

LangChain的诞生，旨在成为构建大语言模型（LLM）应用的最佳入门平台，同时兼具灵活性与生产级稳定性。

深入剖析 LangChain 未来演化方向，解读 LangSmith、LangGraph 与 AI 编排平台在可观测性、调试、评估与 AgentOps 中的系统化价值。

从零实现一个精简版 LangChain，亲手搭建架构、Runnable 与 Agent 核心机制，在实践中理解框架本质，夯实 AI 应用开发的底层能力。

借助 LangServe 与 FastAPI，将 LangChain 应用一键发布为可调用 API，支持流式输出，轻松实现从原型到生产的快速落地。

全面解析 LangGraph 的持久化机制与多智能体协作流程，掌握长流程任务管理、状态同步和分段执行的核心方法与实践技巧。

深入解读LangGraph图式Agent架构，全面掌握节点状态机与图调度核心机制，助力构建复杂智能工作流。

深入剖析 FAISS、Chroma 与 Retriever 机制，带你掌握高效语义搜索与内容召回的核心实现。

深度剖析 RAG 源码，全面解密 Retriever、Embedding 与 ChainType，助你从原理到实战构建高效 RAG 系统。

深入掌握 LangChain Agent 的工具扩展机制，全面解析自定义 Tool 与 Agent 中间态控制流程。

本文深入解析 LangChain Agent 的决策循环机制，剖析 ReAct 模型与工具调用的执行流程，助你构建具备推理能力的智能体系统。

LangChain 的 Memory 系统实现了对话历史的维护与注入，支持缓冲、窗口、摘要等多种策略，助力构建具备上下文感知的智能链。

深入解析 PromptTemplate 的运行机制与高级用法，掌握上下文注入、变量绑定与链式组合的核心能力。

介绍了 LangChain 中 BaseLanguageModel 抽象接口及其核心子类 BaseLLM 和 BaseChatModel，深入剖析多模型适配设计模式。

本文深入解析 LangChain 的核心抽象 Runnable，通过从零构建一个可组合、可扩展的逻辑模块，带你掌握 LCEL 表达式链的底层机制与实现技巧。

从控制流到组合流，深入理解 LangChain 如何用 Runnable 和 LCEL 重塑 LLM 应用的执行方式。