#LangGraph
共 64 篇相关文章
LangGraph人机协同：interrupt()该放哪？六组do/don't
解读Reddit上关于LangGraph人机协同的实践笔记：interrupt()该放在哪些节点、审批载荷怎么写、副作用为何必须放在interrupt()之后、checkpointer与thread_id如何配合，以及审批率为何不能当成功指标。
LangGraph入门：Agent流程控制与企业级开发实战
基于B站教程，解析LangGraph如何解决Agent在固定流程中的控制力问题，对比LangChain与Deep Agent的层级关系，并给出适用场景选择建议。
自托管LangGraph多Worker协调与崩溃恢复实战难题
自托管LangGraph和Deep Agents时，多Worker环境下的租约、心跳、fencing token与崩溃恢复如何设计？本文分析Reddit开发者提出的核心难题，探讨防止陈旧检查点写入的工程方案与开源框架现状。
LangGraph实战：一请求三智能体并行，成本仅0.22美元
protoAgent基于LangGraph构建多智能体运行时：单个请求分发给三个智能体并行执行，各自运行Claude Code实例，实时组织架构图展示运行指标，总成本0.22美元，MIT开源且数据本地存储。
LangGraph 实战：开发者真实工作流与技术栈剖析
从 Reddit 开发者提问切入，剖析 LangGraph 在实际生产中的工作流设计、技术栈组合、图结构模式与调试痛点，总结从教程走向落地的关键实践与可观测性需求。
余弦相似度不够用：LangGraph对抗式事实审计器rag-critic
余弦相似度0.85以上仍会产出自信幻觉。rag-critic用原子命题分解加NLI蕴含判断，在LangGraph中做对抗式事实审计，接地分数低于阈值即拦截并输出改写指令。
LangGraph速通指南：手撕企业级AI智能体与工作流
LangGraph 速通指南：解析 LangGraph 与 LangChain 的独立关系、MIT 开源协议、FastAPI 高并发部署、人工审批与长短记忆存储机制，助你手撕企业级 AI 智能体与工作流。
LangGraph重试安全实战：幂等、审批门与补偿处理器
基于Reddit workshop信息，拆解LangGraph生产化三大模式：幂等状态机避免重试重复副作用、人工审批门处理高影响决策、补偿处理器撤回已完成步骤，并介绍小型编码器路由与Wilson区间评估方法。
LangGraph中断机制解析：节点重跑与审批载荷安全
深入解析LangGraph中断机制：interrupt()首次抛出异常暂停，恢复时节点从头重跑，导致审批载荷可能被重新生成。探讨副作用重复、索引匹配等陷阱，并对比前驱节点、Functional API等解决方案，确保审批流程安全。
构建AI智能体：从Harness到LangGraph的渐进式实践
探索构建AI智能体的渐进式方法：从deepagents harness起步，添加上下文技能与工具，利用中间件微调，必要时使用LangGraph工作流。适合开发者的实用指南。
LangGraph智能体架构解析：从Agent到流程编排实战
深入解析LangGraph智能体架构：从LangChain Agent的流程化困境出发，剖析LangGraph底层编排能力、核心组件及与LangChain、Deep Agents的层级关系，提供实战选型建议。
FalkorDB+LangGraph构建医疗图谱引擎，破解2600亿理赔困局
医生每1小时临床护理花2小时录入EHR，美国医院年损2600亿美元于理赔拒付。本文详解如何用FalkorDB知识图谱与LangGraph多智能体替代向量RAG，实现确定性医学必要性证明、NCCI拆分拦截与跨会话用药禁忌检测。
LangGraph实战手册：从积木到生产级AI Agent
《LangGraph in Small Pieces》是一本从基础构件到生产级AI Agent的实战手册，涵盖状态、节点、检查点、工具调用、RAG、记忆、评估等31章内容，默认使用本地模型，无需API费用。
LangGraph四路智能体对决：Plan-and-Execute成本高2.3倍却无优势
预注册的LangGraph四架构对比实验：相同模型、工具和预算下，ReAct、Plan-and-Execute、Supervisor和Draft-Verify在240个法律问答上准确率无显著差异，但Plan-and-Execute成本高出2.3倍且无收益。
用 LangGraph 和 Contentful 构建 AI 目录内容流水线
解析 Monogram 为 Quicknode 构建的 AI 目录内容流水线：基于 LangGraph 的 5 节点工作流，结合 Tavily 检索、GPT-4o 生成与 Contentful 分类校验，覆盖 60+ 结构化字段的目录条目生产。
LangGraph 入门：从 Agent 痛点到底层编排原理
深入解析 LangGraph 的底层编排原理，对比 LangChain Agent、Deep Agent 的层级关系与适用场景，帮你理解为什么固定流程任务需要 LangGraph 而非单纯依赖 Agent。
OpenUI 1.0：让LangGraph智能体直接生成交互式界面
OpenUI 1.0 正式发布，这是一个MIT开源、模型无关的生成式UI框架，支持LangChain/LangGraph集成，可让AI Agent直接生成交互式界面。自研DSL比JSON方案节省67%Token，支持流式渐进渲染。
LangGraph Supervisor为何这么烧Token？逐跳拆解成本真相
深入拆解 LangGraph Supervisor 模式为何消耗大量 Token：每完成一个 worker 就重新调用一次，上下文逐跳膨胀。结合 langgraph-supervisor 源码分析成本结构，给出五个可验证的优化方向与按跳度量的方法。
LangGraph + FastAPI + SSE：构建流式AI Agent的实战指南
基于 LangGraph、FastAPI 和 SSE 构建流式 AI Agent 的实战教程：详解 Agent 编排与 API 传输分离设计、Open-Meteo 真实工具集成、SSE 流式响应实现，以及从演示到生产需要补足的持久化、幂等性与可观测性缺口。
LangChain 还是 LangGraph？用 create_agent …
LangChain 还是 LangGraph？用 create_agent 返回值判断
LangChain 1.4.3 中 create_agent 实际返回 LangGraph 图。通过五个可运行脚本对比 create_agent、StateGraph 和 agent-as-node 三种方案，给出选型判断法则与常见报错排查。