LangGraph 是什么？为什么企业级 Agent 爱用它做状态管理
LangGraph 是面向大模型应用的工作流与状态编排引擎。企业级 Agent 选它管状态，是因为复杂业务通常难以靠一串 prompt 串接完成，需要分步执行，中途能回退，断点之后还能续跑。
基于LangGraph与AgentScope的多Agent工作流平台搭建方案
基于LangGraph与AgentScope的多Agent工作流平台搭建方案一、核心结论：为什么是“LangGraph + AgentScope”的组合LangGraph和AgentScope并非竞争关系，而是天然互补。
LangGraph笔记——预置 Agent
预置 Agent 不是跳过图运行时的捷径，而是一份可以拆开的标准 ReAct 循环样板。 很多初学者第一次接触 Agent 时，最想要的是一个能马上运行的入口：给模型、给工具、给问题，然后得到答案。
三大 Agent 框架对比：OpenAI Agents SDK / LangGraph / Google ADK
OpenAI Agents SDK、LangGraph、Google ADK 三款框架解决的是同一类问题——「怎么把 LLM、工具、多个 agent 可靠地编排起来」，但路线不同。
LangGraph断点恢复与幂等实战，解决Agent中途宕机与重复执行难题
在AI Agent落地的工程实践中，我们总会遇到一个绕不开的可靠性问题。很多时候Agent已经完成了繁琐的资料检索、多轮模型推理、报告梳理工作，只差最后一步数据库写入、消息推送或者接口调用，偏偏此时服务重启、网络波动、进程崩溃，整个工作流被迫中断。
LangGraph凭什么拿下34%企业Agent市场？状态管理才是真壁垒
说实话，Agent框架这个赛道，2025年一堆人挤进来，2026年又开始洗牌。我见过太多团队，Demo做得花里胡哨，一上生产就崩——Agent跑到第三步忘了前两步干了什么，工具调用失败没人知道，状态丢了从头来过。
从 LangGraph 到 praxo-core：100 个有特点的 AI Agent 框架
一份面向开发者的 Agent 技术地图：不只看 Star，更看架构差异、工程证据与适用边界。为什么需要一张 Agent 框架地图过去两年，AI Agent 框架经历了快速扩张。
别再裸写Agent了！不懂LangGraph闭环，你的AI就是智障
兄弟们，今天聊一个让无数AI开发者疯狂踩坑的话题。你是不是觉得，接个最强的大模型API，写几个Function Calling，再塞点System Prompt，你的AI Agent就能在商场上大杀四方了？别做梦了。
LangGraph 架构详解｜可控可生产 Agent 编排框架
很多人用 LangChain 写 Agent，只能做简单线性任务。一旦遇到需要循环思考、条件分支、中途人工审核、中断恢复的复杂场景，Agent 就容易跑偏、失控，很难上生产。LangGraph，LangChain 团队推出的开源 Agent 工作流编排框架。
LangGraph笔记——部署
部署不是把图放到一台服务器上，而是把图入口、运行时、持久化、隔离、观测和回滚变成可治理的系统边界。 能在脚本里调用一张图，只说明执行结构成立；能把这张图交给真实系统调用，才说明它具备工程形态。