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。
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。
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、CrewAI、AutoGen怎么选？2026智能体框架选型终极指南
LangGraph、CrewAI、AutoGen怎么选？2026智能体框架选型终极指南做AI智能体开发的人，现在大概率都有同一个困惑：市面上主流的三大框架LangGraph、CrewAI、AutoGen，到底该怎么选？
LangGraph建立编排骨架，驱动智能体流程运行
Ai 在行业中的应用可谓广泛。银行用模型审单据、写话术，制造厂拿它整理工艺规程和设备台账，医院也在试试用它归整门诊记录。大家慢慢看清了一件事：模型会聊天是基础能力之一，业务往往更需要它把一整条活干完。从能对话到能执行，中间一个重要环节是流程编排的能力。
用一只小猫咖啡店店员，讲清楚 LangGraph 到底是什么
状态、节点、边、检查点、中断、人机交互……很多人学 LangGraph，会被一堆概念绕晕但如果你把它想象成一只小猫在咖啡店上班，事情就简单了。LangGraph 解决的不是“生成”，而是“流程”普通调用大模型，就像你对一只小猫说：“今天你负责咖啡店，自己看着办。”小猫可能很聪明。
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。
LangGraph 保姆级教程：一篇文章彻底学会 LangGraph（长文慎入）
本文系统介绍了 LangGraph 这一前沿的 AI Agent 编排框架。我们从核心概念入手，深入理解了 State、Node、Edge 和 Graph 四大组件，然后通过一个完整的实战案例展示了 LangGraph 在实际项目中的应用。
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。
一张图看懂 LangGraph
LangGraph 是面向智能体（Agent）应用的低层编排框架与运行时，通过图（Graph）、节点（Node）、边（Edge）和状态（State）将复杂的 LLM 工作流结构化，让任务能够按照预设逻辑持续执行、动态分支并循环优化。