目    录

第1篇  基础篇

第1章  LangGraph基础技术 2

1.1  智能体开发视角下的LangGraph定义 2

1.2  LangGraph在智能体开发中的核心技术优势 3

1.3  LangGraph智能体开发的关键技术组件 4

1.3.1  图架构核心组件 4

1.3.2  监控与干预组件 4

1.3.3  工具与集成组件 5

1.4  智能体开发框架对比：LangGraph与主流方案 5

1.4.1  LangGraph的技术特点 5

1.4.2  CrewAI的技术特点 6

1.4.3  OpenAI Swarm的技术特点 7

1.4.4  智能体开发框架选型指南 7

1.5  本章小结 8

第2章  开发环境搭建 9

2.1  开发环境安装 9

2.1.1  Miniconda的下载与安装 9

2.1.2  PyTorch的下载与安装 10

2.1.3  PyCharm的安装与虚拟环境搭建 12

2.2  LLM的调用与使用示例 14

2.2.1  ModelScope（魔搭社区） 14

2.2.2  阿里云百炼Qwen3的在线调用 15

2.3  实战案例：创建一个基础聊天机器人 19

2.3.1  创建调用deepseek-v3的聊天机器人 19

2.3.2  案例代码解析 21

2.3.3  运行聊天机器人 25

2.4  本章小结 25

第3章  构建带工具与记忆功能的聊天机器人 27

3.1  环境准备 27

3.2  实战案例：使用工具和记忆增强聊天机器人 28

3.3  案例代码解析 32

3.4  本章小结 34

第4章  构建自定义RAG检索Agent 36

4.1  核心概念与环境准备 36

4.1.1  核心概念 37

4.1.2  环境准备 37

4.2  实战案例：从零构建自定义RAG检索Agent 38

4.2.1  步骤1：导入依赖与初始化配置 39

4.2.2  步骤2：构建私有知识库（PDF文档加载与向量存储） 44

4.2.3  步骤3：定义LangGraph状态（State） 45

4.2.4  步骤4：定义LangGraph节点（Node） 45

4.2.5  步骤5：构建LangGraph流程图（边+条件边） 49

4.2.6  步骤6：运行Agent并测试 53

4.3  代码运行说明与常见问题排查 56

4.4  核心知识点实战落地对应表 57

4.5  扩展优化方向 58

4.6  本章小结 59

第2篇  开发篇

第5章  构建智能体工作流 62

5.1  线性工作流设计 62

5.1.1  线性工作流核心概念 62

5.1.2  实战案例：线性工作流的实现 63

5.1.3  实战案例：文档摘要工作流的实现 66

5.2  非线性工作流：分支与动态路由 70

5.2.1  非线性工作流核心概念 70

5.2.2  实战案例：使用条件边路由到节点 71

5.2.3  实战案例：使用动态路由路由到节点 77

5.3  多智能体协作模式 82

5.3.1  多智能体协作原理 82

5.3.2  多智能体协作核心组件与模式分类 83

5.3.3  实战案例：固定流水线模式的实现 84

5.3.4  实战案例：调度函数模式的实现 92

5.4  本章小结 99

第6章  集成外部工具与API 100

6.1  调用RESTful API 101

6.1.1  调用RESTful API：与外部服务交互 101

6.1.2  实战案例：天气查询（调用OpenWeatherMap API） 102

6.1.3  案例代码解析 106

6.2  数据库连接与操作 114

6.2.1  数据库连接与操作：结构化数据交互 114

6.2.2  实战案例：用户信息管理（MySQL数据库操作） 115

6.2.3  案例代码解析 128

6.3  自定义工具开发 133

6.3.1  满足个性化需求的自定义工具开发 133

6.3.2  实战案例：实时多工具协同智能助手 134

6.3.3  案例代码解析 143

6.4  本章小结 154

第7章  状态管理与持久化 155

7.1  状态机的实现 155

7.1.1  状态机技术详解 155

7.1.2  实战案例：智能客服对话状态机 156

7.1.3  案例代码解析 160

7.2  本地与云端存储方案 162

7.2.1  本地与云端存储方案技术详解 163

7.2.2  实战案例：本地文件存储+阿里云OSS云端存储 164

7.2.3  案例代码解析 184

7.3  异常恢复与断点续跑 186

7.3.1  异常恢复与断点续跑技术详解 187

7.3.2  实战案例：带异常恢复的数据分析工作流 187

7.3.3  案例代码解析 192

7.4  本章小结 195

第8章  智能体（Agent）集成 196

8.1  将LangChain Agent作为特殊节点 196

8.1.1  技术详解 196

8.1.2  实战案例：财务分析Agent节点 197

8.1.3  案例代码解析 200

8.2  构建智能体主管 201

8.2.1  技术详解 201

8.2.2  实战案例：多领域智能体主管 202

8.2.3  案例代码解析 207

8.3  实现多智能体协作工作流 208

8.3.1  技术详解 208

8.3.2  实战案例：电商客服多智能体协作 209

8.3.3  案例代码解析 214

8.4  处理智能体的工具调用与输出解析 215

8.4.1  技术详解 215

8.4.2  实战案例：智能工具调用与输出解析 216

8.4.3  案例代码解析 222

8.5  本章小结 223

第3篇  实战应用篇

第9章  构建客户支持聊天机器人 226

9.1  项目概述 226

9.2  项目架构设计 227

9.3  项目关键技术 229

9.3.1  初始化模型 229

9.3.2  构建图结构与定义节点的逻辑 230

9.3.3  连接节点与转向边缘 232

9.3.4  LangSmith追踪 233

9.4  项目代码实现 235

9.5  本章小结 241

第10章  构建旅行规划智能体 242

10.1  项目概述 242

10.2  项目架构设计 242

10.2.1  核心功能模块设计 243

10.2.2  LangGraph状态机设计 244

10.2.3  模块化分层设计 244

10.3  项目关键技术 248

10.3.1  实现基础LangGraph对话流 248

10.3.2  集成3个外部工具（天气、酒店、景点） 259

10.3.3  添加记忆机制与用户偏好存储 266

10.4  项目代码实现 271

10.5  本章小结 292

第11章  构建电商客服退款处理智能体 293

11.1  项目概述 293

11.2  项目架构设计 294

11.2.1  config/settings（配置模块） 294

11.2.2  tools/（外部工具调用模块） 295

11.2.3  agents/（智能体核心模块） 296

11.2.4  graph/（LangGraph定义） 297

11.2.5  Interface/（交互界面） 300

11.2.6  main.py（项目入口） 301

11.3  项目代码实现 302

11.4  本章小结 311

第12章  构建股票趋势预测智能分析系统 313

12.1  项目概述 313

12.2  项目架构设计 314

12.3  项目关键技术 315

12.3.1  LLM调用与配置方案 315

12.3.2  智能体核心模块 316

12.3.3  交互界面与项目入口 317

12.3.4  项目落地 317

12.4  项目代码实现 318

12.5  本章小结 327