前    言

随着大模型技术的爆发式发展，智能体（Agent）作为实现自动化任务处理、复杂决策与多轮交互的核心载体，成为AI应用落地的关键方向。然而，当前智能体开发面临工作流设计复杂、状态管理混乱、多工具集成烦琐等痛点，传统框架难以满足工业级应用需求。LangChain 团队推出的LangGraph框架以“确定性状态管理”和“图结构工作流”为核心优势，填补了这一空白，为开发者提供了构建可靠、可扩展智能体的标准化工具。

市场对智能体技术的需求在多领域正呈现爆发态势：企业客服领域需要能整合订单查询、规则判断的自动化处理系统；旅行服务行业亟需集成天气、酒店、景点数据的行程规划助手；电商平台则要求智能体实现退款流程的动态分支管理与人工协作。

本书目的

本书立足LangGraph框架的技术特性，从基础组件解析到实战案例开发，全面覆盖智能体开发全流程。通过客户支持聊天机器人、旅行规划智能体、电商客服退款处理智能体、股票趋势预测智能分析系统等场景化案例，精准对接企业降本增效的核心诉求，为AI开发者、企业技术团队提供兼具理论深度与实践价值的指南。

本书特色

1. 系统化学习路径，从入门到实战

本书采用“基础→开发→应用”三阶递进架构：基础篇详解LangGraph核心概念与组件，通过聊天机器人案例掌握工具调用、记忆功能等核心能力；开发篇深入工作流设计、多智能体协作与状态管理，解决复杂业务逻辑；实战篇聚焦四大工业级场景（客服、旅行规划、电商退款、股票趋势预测），覆盖完整智能体开发闭环。

2. 聚焦工业级智能体开发痛点

独创性剖析动态工作流设计（第5章的分支与动态路由、第8章的多智能体协作）、企业级集成方案（第6章的外部API/数据库对接、自定义工具）及生产环境关键技术（第7章的状态持久化、异常恢复），直击智能体开发痛点。

3. 全流程实战驱动，覆盖前沿场景

客户支持聊天机器人：集成LangSmith追踪，使用Gradio快速构建AI 应用的交互式 Web 界面（第9章）。

旅行规划智能体：实现多工具调度（天气/酒店/景点）、动态行程修改与用户偏好记忆（第10章）。

电商退款智能体：设计规则驱动分支路由，打通人工-自动节点协作（第11章）。

智能股票分析系统：集成了实时行情获取、技术指标计算、LLM分析预测、可视化图表生成等能力（第12章）。

配套资料下载

本书配套示例源码、PPT课件与读者技术交流微信群服务，读者使用微信扫描下面的二维码即可获取。

本书适合的读者

LangGraph开发初学者。

AI Agent开发人员。

AI Agent架构师。

大模型应用开发人员。

行业AI应用解决方案提供商。

学习人工智能大模型相关课程的学生。

作者与鸣谢

本书作者为邓立国、周驰岷与邓淇文。本书的顺利出版离不开清华大学出版社老师们的帮助，在此表示感谢。

著  者

2026年3月