LangGraph開發AI Agent實踐

目    錄

第1篇  基礎篇

第1章  LangGraph基礎技術 2

1.1  智能體開發視角下的LangGraph定義 2

1.2  LangGraph在智能體開發中的核心技術優勢 3

1.3  LangGraph智能體開發的關鍵技術組件 4

1.3.1  圖架構核心組件 4

1.3.2  監控與幹預組件 4

1.3.3  工具與集成組件 5

1.4  智能體開發框架對比：LangGraph與主流方案 5

1.4.1  LangGraph的技術特點 5

1.4.2  CrewAI的技術特點 6

1.4.3  OpenAI Swarm的技術特點 7

1.4.4  智能體開發框架選型指南 7

1.5  本章小結 8

第2章  開發環境搭建 9

2.1  開發環境安裝 9

2.1.1  Miniconda的下載與安裝 9

2.1.2  PyTorch的下載與安裝 10

2.1.3  PyCharm的安裝與虛擬環境搭建 12

2.2  LLM的調用與使用示例 14

2.2.1  ModelScope（魔搭社區） 14

2.2.2  阿裏雲百煉Qwen3的在線調用 15

2.3  實戰案例：創建一個基礎聊天機器人 19

2.3.1  創建調用deepseek-v3的聊天機器人 19

2.3.2  案例代碼解析 21

2.3.3  運行聊天機器人 25

2.4  本章小結 25

第3章  構建帶工具與記憶功能的聊天機器人 27

3.1  環境準備 27

3.2  實戰案例：使用工具和記憶增強聊天機器人 28

3.3  案例代碼解析 32

3.4  本章小結 34

第4章  構建自定義RAG檢索Agent 36

4.1  核心概念與環境準備 36

4.1.1  核心概念 37

4.1.2  環境準備 37

4.2  實戰案例：從零構建自定義RAG檢索Agent 38

4.2.1  步驟1：導入依賴與初始化配置 39

4.2.2  步驟2：構建私有知識庫（PDF文檔加載與向量存儲） 44

4.2.3  步驟3：定義LangGraph狀態（State） 45

4.2.4  步驟4：定義LangGraph節點（Node） 45

4.2.5  步驟5：構建LangGraph流程圖（邊+條件邊） 49

4.2.6  步驟6：運行Agent並測試 53

4.3  代碼運行說明與常見問題排查 56

4.4  核心知識點實戰落地對應表 57

4.5  擴展優化方向 58

4.6  本章小結 59

第2篇  開發篇

第5章  構建智能體工作流 62

5.1  線性工作流設計 62

5.1.1  線性工作流核心概念 62

5.1.2  實戰案例：線性工作流的實現 63

5.1.3  實戰案例：文檔摘要工作流的實現 66

5.2  非線性工作流：分支與動態路由 70

5.2.1  非線性工作流核心概念 70

5.2.2  實戰案例：使用條件邊路由到節點 71

5.2.3  實戰案例：使用動態路由路由到節點 77

5.3  多智能體協作模式 82

5.3.1  多智能體協作原理 82

5.3.2  多智能體協作核心組件與模式分類 83

5.3.3  實戰案例：固定流水線模式的實現 84

5.3.4  實戰案例：調度函數模式的實現 92

5.4  本章小結 99

第6章  集成外部工具與API 100

6.1  調用RESTful API 101

6.1.1  調用RESTful API：與外部服務交互 101

6.1.2  實戰案例：天氣查詢（調用OpenWeatherMap API） 102

6.1.3  案例代碼解析 106

6.2  數據庫連接與操作 114

6.2.1  數據庫連接與操作：結構化數據交互 114

6.2.2  實戰案例：用戶信息管理（MySQL數據庫操作） 115

6.2.3  案例代碼解析 128

6.3  自定義工具開發 133

6.3.1  滿足個性化需求的自定義工具開發 133

6.3.2  實戰案例：實時多工具協同智能助手 134

6.3.3  案例代碼解析 143

6.4  本章小結 154

第7章  狀態管理與持久化 155

7.1  狀態機的實現 155

7.1.1  狀態機技術詳解 155

7.1.2  實戰案例：智能客服對話狀態機 156

7.1.3  案例代碼解析 160

7.2  本地與雲端存儲方案 162

7.2.1  本地與雲端存儲方案技術詳解 163

7.2.2  實戰案例：本地文件存儲+阿裏雲OSS雲端存儲 164

7.2.3  案例代碼解析 184

7.3  異常恢復與斷點續跑 186

7.3.1  異常恢復與斷點續跑技術詳解 187

7.3.2  實戰案例：帶異常恢復的數據分析工作流 187

7.3.3  案例代碼解析 192

7.4  本章小結 195

第8章  智能體（Agent）集成 196

8.1  將LangChain Agent作為特殊節點 196

8.1.1  技術詳解 196

8.1.2  實戰案例：財務分析Agent節點 197

8.1.3  案例代碼解析 200

8.2  構建智能體主管 201

8.2.1  技術詳解 201

8.2.2  實戰案例：多領域智能體主管 202

8.2.3  案例代碼解析 207

8.3  實現多智能體協作工作流 208

8.3.1  技術詳解 208

8.3.2  實戰案例：電商客服多智能體協作 209

8.3.3  案例代碼解析 214

8.4  處理智能體的工具調用與輸出解析 215

8.4.1  技術詳解 215

8.4.2  實戰案例：智能工具調用與輸出解析 216

8.4.3  案例代碼解析 222

8.5  本章小結 223

第3篇  實戰應用篇

第9章  構建客戶支持聊天機器人 226

9.1  項目概述 226

9.2  項目架構設計 227

9.3  項目關鍵技術 229

9.3.1  初始化模型 229

9.3.2  構建圖結構與定義節點的邏輯 230

9.3.3  連接節點與轉向邊緣 232

9.3.4  LangSmith追蹤 233

9.4  項目代碼實現 235

9.5  本章小結 241

第10章  構建旅行規劃智能體 242

10.1  項目概述 242

10.2  項目架構設計 242

10.2.1  核心功能模塊設計 243

10.2.2  LangGraph狀態機設計 244

10.2.3  模塊化分層設計 244

10.3  項目關鍵技術 248

10.3.1  實現基礎LangGraph對話流 248

10.3.2  集成3個外部工具（天氣、酒店、景點） 259

10.3.3  添加記憶機制與用戶偏好存儲 266

10.4  項目代碼實現 271

10.5  本章小結 292

第11章  構建電商客服退款處理智能體 293

11.1  項目概述 293

11.2  項目架構設計 294

11.2.1  config/settings（配置模塊） 294

11.2.2  tools/（外部工具調用模塊） 295

11.2.3  agents/（智能體核心模塊） 296

11.2.4  graph/（LangGraph定義） 297

11.2.5  Interface/（交互界面） 300

11.2.6  main.py（項目入口） 301

11.3  項目代碼實現 302

11.4  本章小結 311

第12章  構建股票趨勢預測智能分析系統 313

12.1  項目概述 313

12.2  項目架構設計 314

12.3  項目關鍵技術 315

12.3.1  LLM調用與配置方案 315

12.3.2  智能體核心模塊 316

12.3.3  交互界面與項目入口 317

12.3.4  項目落地 317

12.4  項目代碼實現 318

12.5  本章小結 327