chaors

前面 逐个学习了 LangGraph 的一些基础能力：Reducers、Send、Interrupt、Command。今天继续看 LangGraph 的其他基础能力。

前面了解了 LangGraph，以及写了第一个简单的 LangGraph 程序。今天继续深入学习 LangGraph，先从 LangGraph 的通讯机制开始。

1. 职业定位与转型目标 前端转型 Agent 开发的核心不是“从 0 改行”，而是将你已有的交互与工程优势，升级为智能系统设计与交付能力。 过去：页面交互 + API 调用 现在：意图理解 + 多步

前面系列地学习过 AI中的一种开发框架 LangChain，今天继续新框架 LanGraph。它超越了LangChain的线性工作流，通过循环支持复杂的任务管理。

前面学习了 什么是 MCP，及其基本使用方式。那么今天就再用一个更接近实际场景。 想象一下你的老板特别喜欢炒股， 那么是不是能做一个简单的 Agent来分析股票行情。

之前我们知道 LLM 不能单独靠自己和物理世界通讯，所以，有了 Function calling。MCP正是基于 Function calling 的一套标准协议，让 LLM 和 物理世界的沟通更方便

前面学了 MCP,他解决LLM 和物理世界的沟通问题。那么 Agent 之间是怎么通讯的？ 我们前面在学习 MAS 时了解了 多Agent的通信机制。今天再去了解另一种Agent通讯协：A2A。

前面学习了 Agent 用法，今天就能用 Agent 做一个简单的AI小项目来练手。 该项目是一个基于FastAPI + LangChain + 阿里LLM构建的国风占卜算命类 AI 聊天机器人。

前言 前面基本学习了 RAG 的基础使用，也简单有两个小的实战。那么 RAG 技术在现实中究竟有哪些常用的应用场景呢？ 这一篇我们就以一个实战项目来将之前学的 RAG 知识串联起来。