LangGraph实战：构建生产级AI Agent系统架构
随着AI Agent从演示走向生产，传统的链式调用框架已无法满足复杂业务场景的需求。LangGraph作为LangChain团队推出的下一代核心框架，以"有状态有向图"的核心理念，正在成为构建生产级AI Agent系统的标准选择。
LangGraph人机协作实战
这就是 人机协作的基本概念。实际操作会改变，但模式几乎保持不变:代理决定 → 暂停 → 人类审查 → 恢复 → 操作。
LangGraph零基础入门指南：新手快速上手AI智能体开发
随着AI智能体（Agent）成为大模型落地的核心趋势，很多新手开发者都想入局智能体开发，但大多卡在流程复杂、逻辑混乱、无法实现自主迭代等问题上。
私有AI实战19：LangGraph工作流实战
让大模型调用工具，其实没有想象中那么难。难的是让它把事情办完，而且不出乱子。上一篇我们已经给本地大模型接上了Python工具。AI可以读取项目任务、统计完成率，还能生成Markdown工作简报，完成了一名比较简单数字助理。真正用起来，估计动手实践的小伙伴们会发现一些问题。
看懂 LangGraph，就看懂 AI 是怎么干活的
本文用医院看病、游戏存档等生活化类比，拆解其核心概念:节点、边、状态与检查点。它并非 AI 模型，而是为 AI 安排工作流程的调度员。
从"会聊"到"会动手"：本地 Agent 框架 LangGraph 入门
一、会聊天还不够，"会动手"才是下一步前几篇把本地 AI 的"对话"这条线搭完了：Ollama 跑模型、Open WebUI 做界面、RAG 喂资料、ComfyUI 生图。但你会发现，大模型目前还只是"你说它答"。
LangGraph笔记——本地服务
本地服务把图从内存里的 Python 对象推进到可调用、可观察、可集成的 API 边界。 图能在脚本里 invoke，只能说明运行结构成立；图能作为本地服务启动，才开始接近真实应用。服务边界会逼迫开发者回答更具体的问题：图入口在哪里。依赖怎样安装。环境变量如何加载。
LangGraph小白完全实战：零基础做出多Agent 助手
先说结论：如果你搜过 LangGraph 教程，大概率被坑过。不是教程写得不好，而是这个框架迭代太快了——0.x 到 1.x 只用了不到一年，API 几乎全部换血。网上八成的文章还在教 create_react_agent 和 MemorySaver，这些在 1.