本書是一本專注于 AI 智能體開發的實戰指南，旨在幫助開發者快速掌握 LangGraph 框架的核心技術并實現項目落地。作為《LangChain 實戰：從原型到生產，動手打造 LLM 應用》的進階讀本，本書從基礎理論、核心技術、工程實踐和案例分析四大維度深入探討了 AI 智能體的設計原理、 LangGraph 的框架特性、部署方案及實戰案例。書中結合大量示例代碼和詳細講解，幫助讀者掌握從開發到運維的完整技術體系，同時通過企業級案例分析展示 LangGraph 在實際項目中的應用方法和架構設計思路。

第 1 章 AI 智能體的原理和機制 / 1
1.1 AI 智能體的概念 / 2
1.1.1 AI 智能體的核心能力 / 3
1.1.2 AI 智能體的主要運作機制 / 6
1.1.3 AI 智能體與傳統 AI 系統的主要區別 / 8
1.2 ReAct 設計模式 / 11
1.2.1 ReAct 的機制：迭代執行循環 / 12
1.2.2 ReAct 提示詞的構成 / 15
1.2.3 ReAct 衍生設計模式 / 16
1.3 AI 智能體開發的技術與挑戰 / 17
1.3.1 AI 智能體的當前技術發展現狀 / 18
1.3.2 AI 智能體開發的障礙 / 20
1.3.3 智能體框架的必要性：LangGraph 和前進之路 / 22
第 2 章 LangGraph 框架概覽 / 25
2.1 LangGraph 簡介 / 26
2.1.1 節點 / 26
2.1.2 邊 / 28
2.1.3 狀態 / 29
2.2 LangGraph 與 LangChain 的關系 / 30
2.3 基于 LangGraph 實現 ReAct 設計模式 / 33
第 3 章 LangGraph 的狀態圖結構 / 42
3.1 核心原語 / 43
3.1.1 狀態 / 43
3.1.2 節點 / 54
3.1.3 邊 / 59
3.1.4 命令 / 61
3.2 流程控制：分支與并發 / 63
3.2.1 并行分支：扇出與扇入 / 64
3.2.2 并發而非并行 / 69
3.2.3 遞歸限制與并行分支 / 70
3.3 MapReduce 模式：任務分解與并行處理 / 72
3.3.1 MapReduce 模式的核心思想 / 72
3.3.2 LangGraph 中的 MapReduce 實現 / 73
3.3.3 MapReduce 的應用場景 / 78
3.3.4 MapReduce 的核心 API：Send 函數 / 79
3.4 子圖機制：模塊化與復用設計 / 81
3.4.1 子圖的概念與優勢 / 81
3.4.2 在 LangGraph 中定義和使用子圖 / 82
3.5 工具調用：擴展智能體的能力邊界 / 85
3.5.1 ToolNode：LangGraph 的工具調用中心 / 85
3.5.2 定義工具：使用 @tool 裝飾器 / 86
3.5.3 手動調用 ToolNode / 87
3.5.4 在 LangGraph 圖中使用 ToolNode / 90
3.5.5 處理工具調用錯誤 / 92
3.5.6 從工具中更新圖狀態 / 97
3.5.7 向工具傳遞運行時參數 / 100
3.6 圖的可視化 / 103
3.6.1 Mermaid 語法 / 103
3.6.2 PNG 圖片 / 104
3.6.3 X-Ray 子圖可視化 / 110
第 4 章 AI 智能體的交互體驗 / 114
4.1 流式處理 / 115
4.1.1 流式處理模式 / 116
4.1.2 事件流式處理 / 124
4.1.3 LangGraph 流式處理的底層原理 / 128
4.2 持久化 / 129
4.2.1 線程和存檔點的概念 / 130
4.2.2 存檔點器的實現 / 131
4.2.3 持久化的實際應用 / 135
4.3 人機環路協作 / 144
4.3.1 靜態斷點：定義固定的人工干預點 / 145
4.3.2 人機環路的核心設計模式：基于操作的干預 / 146
4.3.3 interrupt() 函數的技術細節 / 154
4.3.4 人機協作是構建信任和控制的關鍵 / 157
第 5 章 AI 智能體的記憶系統 / 160
5.1 短期記憶與長期記憶 / 161
5.1.1 短期記憶：維持對話的連貫性 / 162
5.1.2 長期記憶：實現跨會話 / 165
5.2 記憶存儲 / 168
5.2.1 記憶存儲的基本操作 / 168
5.2.2 通過語義搜索增強記憶檢索 / 172
5.2.3 構建自定義記憶存儲 / 175
5.3 記憶系統的實際應用 / 178
5.3.1 個性化推薦 / 178
5.3.2 多步驟的情境化任務 / 184
5.3.3 TrustCall：信息提取和記憶更新 / 186
5.4 LangMem / 189
5.4.1 LangMem 的核心組件 / 189
5.4.2 LangMem 應用實例 / 191
5.4.3 LangMem 關鍵函數解析 / 194
5.5 記憶系統設計的重要考量 / 196
第 6 章 LangGraph 的核心 API / 199
6.1 create_react_agent / 200
6.1.1 create_react_agent 的核心功能和參數 / 200
6.1.2 自定義選項 / 202
6.1.3 create_react_agent 的應用 / 208
6.2 Functional API / 210
6.2.1 Functional API 的優勢 / 210
6.2.2 核心組件：@entrypoint 和 @task / 211
6.2.3 使用 Functional API 構建和執行工作流 / 216
6.2.4 與 LangChain 和 LangSmith 集成 / 221
6.2.5 常見工作流模式 / 223
6.2.6 常見陷阱 / 232
6.2.7 Functional API 與 Graph API 的比較 / 234
6.3 API 的選擇 / 236
6.3.1 LangGraph API 選擇決策樹 / 237
6.3.2 API 選擇的案例分析 / 237
第 7 章 AI 智能體系統的架構設計與模式應用 / 241
7.1 常見工作流 / 242
7.1.1 工作流的基礎構建模塊：增強型 LLM / 243
7.1.2 提示鏈 / 244
7.1.3 路由 / 248
7.1.4 并行化 / 254
7.1.5 協調器―工作者 / 258
7.1.6 評估器―優化器 / 265
7.2 多智能體架構 / 271
7.2.1 主管架構 / 272
7.2.2 分層架構 / 278
7.2.3 網絡架構 / 282
7.3 情境感知智能體架構 / 287
7.3.1 架構模式 / 288
7.3.2 人機環路交互設計 / 289
7.3.3 用 LangGraph 實現情境感知智能體架構 / 293
第 8 章 LangGraph 平臺介紹 / 297
8.1 LangGraph 平臺的架構與核心概念 / 298
8.1.1 核心組件設計 / 298
8.1.2 核心概念 / 301
8.1.3 部署選項 / 305
8.2 LangGraph 平臺的應用程序部署 / 307
8.2.1 LangGraph 應用程序格式定義 / 307
8.2.2 部署到 LangGraph Cloud SaaS 平臺 / 312
8.2.3 自托管 LangGraph 部署 / 314
8.2.4 自定義 Docker 部署 / 316
8.2.5 本地測試 LangGraph 應用程序 / 317
8.2.6 LangGraph Studio / 319
8.2.7 向 LangGraph 部署中添加語義搜索 / 325
8.2.8 運行時重建圖 / 327
8.3 Agent Protocol / 330
8.3.1 標準化的需求和核心組件 / 331
8.3.2 API 細節 / 332
8.3.3 助手和助手 API / 339
8.3.4 數據格式和可擴展性 / 340
8.3.5 助手、線程和運行的應用示例 / 341
8.4 LangGraph 平臺的高級功能 / 347
8.4.1 可觀測性和調試 / 347
8.4.2 人機環路 / 351
8.4.3 并發和雙重文本策略 / 356
8.5 訪問控制 / 361
8.5.1 身份驗證和授權 / 362
8.5.2 實施自定義身份驗證 / 362
8.5.3 實施自定義授權 / 365
8.5.4 常見訪問者模式的實現 / 368
8.5.5 接入自定義身份驗證 / 370
8.6 RemoteGraph 和 React Hook / 372
8.6.1 使用 RemoteGraph 與已部署的圖進行交互 / 372
8.6.2 使用 React Hook 構建交互式前端 / 376
第 9 章 LangGraph 應用開發模板 / 382
9.1 LangGraph 模板簡介 / 383
9.1.1 模板中常見的目錄結構和編碼風格 / 384
9.1.2 使用 LangGraph 模板 / 386
9.2 新項目模板 / 388
9.3 ReAct 智能體模板 / 392
9.4 充實數據智能體模板 / 396
9.5 記憶智能體模板 / 401
9.6 RAG 模板 / 406
9.7 RAG 研究智能體模板 / 412
第 10 章 LangGraph 官方應用案例淺析 / 421
10.1 開放畫布 / 422
10.1.1 主要功能和架構概覽 / 422
10.1.2 控制流與智能體工作流模式 / 425
10.1.3 核心代碼結構及其實現 / 428
10.2 報告大師 / 438
10.2.1 主體功能和架構概覽 / 439
10.2.2 工作流 / 441
10.2.3 核心代碼結構及其實現 / 443
10.3 Agent Inbox / 450
10.3.1 功能和架構概覽 / 450
10.3.2 控制流與環境智能體架構 / 453
10.3.3 核心代碼結構及其實現 / 455
第 11 章 AI 智能體技術展望 / 467
11.1 多智能體開發框架的選擇 / 468
11.1.1 框架特性介紹 / 468
11.1.2 框架選型分析 / 471
11.2 智能體發展趨勢及展望 / 473
11.2.1 基礎模型進步推動 AI 智能體成熟 / 473
11.2.2 開發工具鏈加速智能體落地 / 474
11.2.3 智能體應用的巨大潛力 / 475