智能体搭建 & LangGraph 飞速上手

欢迎来到《智能体搭建 & LangGraph 飞速上手》！

📚 本书简介

本书是一本系统学习 LangGraph 和 Multi-Agent 系统开发的实战教程。从 Python 基础到生产部署，通过 12 大模块、80+ 篇详细解读，帮助您掌握智能体构建的完整技能。

🎯 学习目标

• 理解 LangGraph 的核心概念和设计理念
• 掌握状态管理、节点定义、条件边等关键技术
• 学会构建人机协作的智能工作流
• 实现复杂的 Multi-Agent 协作系统
• 掌握记忆系统和持久化技术
• 了解生产环境部署的最佳实践
• 通过完整案例掌握实战技能

📖 章节目录

0: Python 基础

• 0.1 Python 核心基础
• 0.2 面向对象与工程实践
• 0.3 AI 开发工具链

1: 基础概念

• 1.1 LangGraph 与其它框架对比
• 1.2 LangGraph 上手案例
• 1.3 LangChain 快速回顾
• 1.4 LangGraph 基础入门
• 1.5 LangGraph 案例汇总
• 1.6 术语汇总与详细介绍
• 1.7 LangGraph Cheatsheet
• 1.8 小结和复习

2: 核心组件

• 2.1 Simple Graph 最简图
• 2.2 Chain 详细解读
• 2.3 Router 详细解读
• 2.4 Agent 详细解读
  • 2.4.1 高阶 - Agent Workflow（工作流模式）
  • 2.4.2 高阶 - Deep Agents（深度智能体）
  • 2.4.3 高阶 - Agent Builder（智能体构建器）
• 2.5 Agent Memory 详细解读
• 2.6 Deployment 详细解读
• 2.10 小结和复习

3: 核心机制

• 3.1 State Schema 详细解读
• 3.2 State Reducers 详细解读
• 3.3 Multiple Schemas 详细解读
• 3.4 Trim & Filter Messages 详细解读
• 3.5 Chatbot Summarization 详细解读
• 3.6 Chatbot External Memory 详细解读
• 3.7 小结和复习

4: 人机协作

• 4.1 Breakpoints 详细解读
• 4.2 Dynamic Breakpoints 详细解读
• 4.3 Edit State & Human Feedback 详细解读
• 4.4 Streaming Interruption 详细解读
• 4.5 Time Travel 详细解读
• 4.6 人在环 HITL
• 4.7 小结和复习

5: 高级模式

• 5.1 Parallelization 详细解读
• 5.2 Sub-graph 详细解读
• 5.3 Map-Reduce 详细解读
• 5.4 Research Assistant 详细解读
• 5.5 小结和复习

6: 记忆系统

• 6.1 Memory Agent 详细解读
• 6.2 Memory Store 详细解读
• 6.3 Memory Schema Profile 详细解读
• 6.4 Memory Schema Collection 详细解读
• 6.7 小结和复习

7: 生产部署

• 7.1 Creating Deployments 详细解读
• 7.2 Connecting to Deployments 详细解读
• 7.3 Double-texting 详细解读
• 7.4 Assistant 详细解读

8: 经典案例

• 8.1 Agent Simulation Evaluation 案例解读
• 8.2 Information Gather Prompting 案例解读
• 8.3 代码助手 RAG+自我纠正 案例解读

9: 重点案例 - 高级研究助手

• 9.1 用户需求澄清与研究规划
• 9.2 研究智能体基础
• 9.3 MCP 集成与工具扩展
• 9.4 多智能体协同研究
• 9.5 完整系统集成
• 9.6 小结和复习

10: 重点案例 - TradingAgent

• 10.1 项目背景与论文解读
• 10.2 架构总览 - 从30000英尺看 TradingAgent
• 10.3 State 状态管理 - 系统的神经中枢
• 10.4 工具系统 - Agent 的武器库
• 10.5 研究员辩论 - 牛熊观点的碰撞
• 10.6 条件逻辑与 Graph 编排 - 流程控制的艺术
• 10.7 端到端执行流程 - 完整交易决策链路
• 10.8 NVDA 实战案例分析
• 10.9 本章小结

11: 精华知识点总结

• 11.1 LangGraph 两种简单的循环对比
• 11.2 Mermaid 与 Graph 架构图

💡 学习建议

1. 循序渐进：建议按章节顺序学习，每个章节都建立在前面的基础上
2. 动手实践：每个概念都配有可运行的代码，建议边学边练
3. 理解为王：重点理解核心思想，而非记忆技术细节
4. 多做实验：尝试修改示例代码，观察不同参数的影响
5. 案例驱动：Module 9 和 Module 10 是完整的实战项目，强烈推荐

🚀 开始学习

准备好了吗？点击下方链接开始你的学习之旅：

起点	适合人群	链接
0: Python 基础	Python 零基础	0.0 Introduction
1: LangGraph 基础	有 Python 基础	1.0 Introduction
9: 高级研究助手	想看实战案例	9.0 Introduction
10: TradingAgent	想看金融案例	10.0 Introduction

快速导航

基础篇

• 0.1 Python 核心基础
• 1.1 LangGraph 与其它框架对比
• 1.2 LangGraph 快速上手案例

核心篇

• 2.1 Simple Graph
• 3.1 State Schema
• 4.1 Breakpoints

实战篇

• 9.1 需求澄清与研究规划
• 10.1 项目背景与论文解读

---

返回首页：LearnGraph.online