添加人工干预 - LangChain 框架
添加人工干预¶ interrupt¶ LangGraph 中的 [interrupt 函数](https://langgraph.com.cn/reference/types/index.html#langgraph.types.interrupt “ interrupt”) 通过在特定节点暂停图表，向人类呈现信息，并根据其输入恢复图表，从而实现人……
流式传输 - LangChain 框架
流式传输¶ 流式传输是构建响应式应用程序的关键。您可能需要流式传输以下几种类型的数据： 代理进度 — 在代理图中的每个节点执行后获取更新。 LLM 令牌 — 在语言模型生成令牌时进行流式传输。 自定义更新 — 在执行过程中从工具发出自定义数据（例如，“已获取 10/100 条记录”） 您可以同时流式传输多种类型的数据。 等……
求求了，别再吹 Skills 了
Claude Skills[1] 出来一段时间了，落地的东西没怎么见到，光看自媒体狂欢了。一会儿是“新 AI 范式”了，一会儿又“颠覆 Agent 开发”啦。 Skills 真的没什么新东西，核心就是将 Prompt（通过 SKILL.md）与 Tool（脚本代码形式）封装在一起。 夸 Skills 的主要集中在这几点： 提供标准化格式进行能力封装，适配不同模型与……
模型 - LangChain 框架
模型¶ 本页面描述了如何配置代理使用的聊天模型。 工具调用支持¶ 要启用工具调用代理，底层 LLM 必须支持工具调用。 兼容模型可在LangChain 集成目录中找到。 按名称指定模型¶ 您可以使用模型名称字符串配置代理 <span id="__span-0-1">import os <span id="__span-0-2">from langgraph.prebuilt import create_react_agent <span id="__span-0-3"> <span id="__span-0-4">os.environ["OPENAI_API_KEY"] = "sk-..." <span id="__span-0-5"> <span id="__span-0-6">agent = create_react_agent( <span id="__span-0-7"> model="openai:gpt-4.1", <span id="__span-0-8"> # other parameters <span id="__span-0-9">) 使用 init_chat……
概述 - LangChain 框架
使用 LangGraph 进行代理开发¶ LangGraph 提供了低级原语和高级预构建组件，用于构建基于代理的应用程序。本节重点介绍旨在帮助您快速可靠地构建代理系统而无需从头实现编排、内存或人工反馈处理的预构建、可重用组件。 什么是代理？¶ 一个_代理_由三个组件组成：一个大型语言模型 (LLM)、一套可供其使用的工具，以……
概述 - LangChain 框架 (9)
多代理系统¶ 一个代理是一个_使用大型语言模型（LLM）来决定应用程序控制流的系统_。随着这些系统的开发，它们可能会随着时间变得越来越复杂，从而更难管理和扩展。例如，你可能会遇到以下问题： 代理拥有的工具过多，在决定下一步调用哪个工具时做出糟糕的决策 上下文变得过于复杂，单个代理难以跟……
概述 - LangChain 框架 (8)
工具¶ 许多 AI 应用程序直接与人类交互。在这些情况下，模型以自然语言响应是合适的。但如果我们需要模型与数据库或 API 等系统进行_直接_交互呢？这些系统通常有特定的输入模式；例如，API 通常有必需的负载结构。您可以使用工具调用来请求符合特定模式的模型响应。 工具是一种封装函数及其输入模式的方……
概述 - LangChain 框架 (7)
指南 参考 示例 资源 时间旅行 ⏱️¶ 在使用非确定性系统（例如由 LLM 驱动的代理）进行基于模型的决策时，详细检查其决策过程会非常有用。 🤔 理解推理：分析导致成功结果的步骤。 🐞 调试错误：识别错误发生的位置和原因。 🔍 探索替代方案：测试不同的路径以发现更好的解决方案。 LangGraph 提供时间旅行功能来支持这些用例……
概述 - LangChain 框架 (6)
指南 参考 示例 资源 断点¶ 断点可以在定义的点暂停图执行，并让你逐步完成每个阶段。它们使用 LangGraph 的持久层，该层在每一步后保存图状态。 使用断点，你可以随时检查图的状态和节点输入。执行会无限期暂停，直到你恢复，因为检查点会保留状态。 一个由 3 个顺序步骤组成的示例图，在 step_3 之前有一个断点。……
概述 - LangChain 框架 (5)
指南 参考 示例 资源 人工参与循环¶ LangGraph 支持强大的**人工参与循环（HIL）**工作流，允许在自动化过程中的任何环节进行人工干预。这在大型语言模型（LLM）驱动的应用程序中尤其有用，因为模型输出可能需要验证、更正或额外的上下文。 主要功能¶ 持久化执行状态：LangGraph 在每个步骤后都会……
