https://blog.qife122.com/tags/langgraph/ Recent content in LangGraph on 办公AI智能小助手 Hugo zh-cn qife Sun, 07 Dec 2025 05:13:36 +0800 https://blog.qife122.com/p/langchain-%E4%B8%8E-langgraph%E5%A6%82%E4%BD%95%E9%80%89%E6%8B%A9%E6%AD%A3%E7%A1%AE%E7%9A%84-llm-%E6%A1%86%E6%9E%B6/ Sun, 07 Dec 2025 05:13:36 +0800 https://blog.qife122.com/p/langchain-%E4%B8%8E-langgraph%E5%A6%82%E4%BD%95%E9%80%89%E6%8B%A9%E6%AD%A3%E7%A1%AE%E7%9A%84-llm-%E6%A1%86%E6%9E%B6/ <h1 id="langchain-vs-langgraph-如何选择正确的框架">LangChain vs LangGraph: 如何选择正确的框架！</h1> <h2 id="为何这项比较很重要--langchain-与-langgraph">为何这项比较很重要 —— LangChain 与 LangGraph</h2> <p>我构建实用的基于大语言模型的软件，观察到两种模式的出现：直截了当的线性管道和有状态的、具备代理行为的工作流。&ldquo;LangChain vs LangGraph&rdquo; 这个问题并非学术探讨。它决定了架构、维护以及系统如何随时间推移进行推理。</p> https://blog.qife122.com/p/20%E5%88%86%E9%92%9F%E6%9E%84%E5%BB%BAlanggraph%E5%A4%9A%E6%99%BA%E8%83%BD%E4%BD%93%E7%B3%BB%E7%BB%9F%E4%B8%8E%E5%8A%A8%E6%80%81%E9%85%8D%E7%BD%AE/ Mon, 24 Nov 2025 20:15:21 +0800 https://blog.qife122.com/p/20%E5%88%86%E9%92%9F%E6%9E%84%E5%BB%BAlanggraph%E5%A4%9A%E6%99%BA%E8%83%BD%E4%BD%93%E7%B3%BB%E7%BB%9F%E4%B8%8E%E5%8A%A8%E6%80%81%E9%85%8D%E7%BD%AE/ <h1 id="概述">概述</h1> <p>使用LangGraph多智能体工作流、RAG搜索和LaunchDarkly AI配置，在20分钟内构建具有动态配置功能的多智能体系统。</p> <p>这是系列文章&quot;从混沌到清晰：实现目标的可防御AI系统&quot;的第一部分（共三部分）。</p> https://blog.qife122.com/p/langchain%E4%B8%8Elanggraph%E5%85%A5%E9%97%A8%E6%8C%87%E5%8D%97%E6%9E%84%E5%BB%BAai%E5%B7%A5%E4%BD%9C%E6%B5%81%E7%9A%84%E5%AE%8C%E6%95%B4%E6%95%99%E7%A8%8B/ Mon, 10 Nov 2025 23:09:00 +0800 https://blog.qife122.com/p/langchain%E4%B8%8Elanggraph%E5%85%A5%E9%97%A8%E6%8C%87%E5%8D%97%E6%9E%84%E5%BB%BAai%E5%B7%A5%E4%BD%9C%E6%B5%81%E7%9A%84%E5%AE%8C%E6%95%B4%E6%95%99%E7%A8%8B/ <h1 id="如何使用langchain和langgraphai工作流初学者指南">如何使用LangChain和LangGraph：AI工作流初学者指南</h1> <p>人工智能正在快速发展。每周都会出现新的工具，使得构建由大型语言模型驱动的应用程序变得更加容易。但许多初学者仍然困扰于一个问题：如何构建AI应用程序的逻辑？如何以清晰的方式连接提示、内存、工具和API？</p> https://blog.qife122.com/p/20%E5%88%86%E9%92%9F%E6%9E%84%E5%BB%BAlanggraph%E5%A4%9A%E6%99%BA%E8%83%BD%E4%BD%93%E7%B3%BB%E7%BB%9F%E5%8A%A8%E6%80%81%E9%85%8D%E7%BD%AE%E4%B8%8Erag%E6%90%9C%E7%B4%A2%E5%AE%9E%E6%88%98/ Mon, 10 Nov 2025 17:15:38 +0800 https://blog.qife122.com/p/20%E5%88%86%E9%92%9F%E6%9E%84%E5%BB%BAlanggraph%E5%A4%9A%E6%99%BA%E8%83%BD%E4%BD%93%E7%B3%BB%E7%BB%9F%E5%8A%A8%E6%80%81%E9%85%8D%E7%BD%AE%E4%B8%8Erag%E6%90%9C%E7%B4%A2%E5%AE%9E%E6%88%98/ <h1 id="概述">概述</h1> <p>使用LangGraph多智能体工作流、RAG搜索和LaunchDarkly AI配置，在20分钟内构建具有动态配置功能的多智能体系统。</p> <p>您可能遇到过这种情况：AI聊天机器人在测试中表现良好，但在生产环境中GPT-4成本失控。您切换到Claude，但现在欧洲用户需要不同的隐私规则。每次更改都意味着另一次部署、更多测试，以及祈祷不会出现问题。</p> https://blog.qife122.com/p/langgraph%E5%85%A5%E9%97%A8%E6%8C%87%E5%8D%97%E6%9E%84%E5%BB%BA%E7%AC%AC%E4%B8%80%E4%B8%AAhello-world%E5%9B%BE/ Fri, 31 Oct 2025 15:25:43 +0800 https://blog.qife122.com/p/langgraph%E5%85%A5%E9%97%A8%E6%8C%87%E5%8D%97%E6%9E%84%E5%BB%BA%E7%AC%AC%E4%B8%80%E4%B8%AAhello-world%E5%9B%BE/ <h1 id="langgraph入门指南构建第一个hello-world图">LangGraph入门指南：构建第一个Hello World图</h1> <p>Awesome！现在这相当令人兴奋。我们实际上即将第一次开始在LangGraph中编写代码。既然我们已经涵盖了所有的理论部分（诚然是无聊的部分），我们现在将实际编写一些图，并在这个小节中编写我们的第一个图。</p> https://blog.qife122.com/p/ios%E4%B8%8A%E7%9A%84%E6%99%BA%E8%83%BD%E4%BB%A3%E7%90%86%E5%B7%A5%E4%BD%9C%E6%B5%81langgraph-swift%E6%96%B0%E7%89%88%E6%9C%AC%E5%8F%91%E5%B8%83/ Fri, 19 Sep 2025 05:53:12 +0800 https://blog.qife122.com/p/ios%E4%B8%8A%E7%9A%84%E6%99%BA%E8%83%BD%E4%BB%A3%E7%90%86%E5%B7%A5%E4%BD%9C%E6%B5%81langgraph-swift%E6%96%B0%E7%89%88%E6%9C%AC%E5%8F%91%E5%B8%83/ <h1 id="agentic-workflow-on-ios--take-a-look-to-new-release-of-langgraph-swift">Agentic Workflow on iOS ? Take a look to new release of LangGraph-Swift</h1> <p><strong>Posted on Jul 29 by bsorrentino</strong></p> <p>探索iOS上的智能代理工作流？来看看LangGraph-Swift的新版本发布。</p> <p>LangGraph-Swift是一个基于Swift的框架，旨在简化在iOS平台上构建和运行智能代理工作流。新版本引入了增强的功能和性能优化，支持开发者更高效地实现代理系统，集成LangGraph的核心能力，并提供与iOS生态系统的无缝兼容。</p> https://blog.qife122.com/p/langgraph%E7%BC%96%E6%8E%92%E5%99%A8%E4%BB%A3%E7%90%86%E7%AE%80%E5%8C%96ai%E5%B7%A5%E4%BD%9C%E6%B5%81%E8%87%AA%E5%8A%A8%E5%8C%96/ Fri, 12 Sep 2025 17:19:07 +0800 https://blog.qife122.com/p/langgraph%E7%BC%96%E6%8E%92%E5%99%A8%E4%BB%A3%E7%90%86%E7%AE%80%E5%8C%96ai%E5%B7%A5%E4%BD%9C%E6%B5%81%E8%87%AA%E5%8A%A8%E5%8C%96/ <p>在AI驱动的应用中，复杂任务通常需要分解为多个子任务。然而，在许多实际场景中，具体的子任务无法预先确定。例如，在自动化代码生成中，需要修改的文件数量和具体更改完全取决于给定请求。传统的并行化工作流难以应对这种不确定性，因为它们需要预先定义任务。这种刚性限制了AI系统的适应性。</p>