LangGraph 相关 AI 资讯

8月17日

01:57

Harrison Chase@hwchase17

精选

deepagents 把代理循环与后端分开：后端只需暴露读写等文件系统类操作，若做成沙箱还要提供 execute 执行命令。这套架构基于 LangGraph 构建，可通过 MCP、A2A 等标准端点部署。本地编码场景可把沙箱放在同目录，用轻量服务器加 TUI 前端（如 dcode）连接；云端场景可用 LangSmith Deployments 连接 Modal、Daytona 或 E2B 上的沙箱，并让 Slack 与 Web UI 共用同一后端。不执行代码的智能体可以换用“假后端”，只保留文件交互能力。

技巧 deepagents LangGraph MCP/工具

事件专题

推荐理由：deepagents 架构讲解：后端与代理循环分离，本地 TUI 和云端沙箱都能跑，Slack/Web 共用后端。

原文

8月16日

00:57

Harrison Chase@hwchase17

精选

Harrison Chase 在演讲中提出 Agent 由模型、harness 和上下文三部分组成。他建议通过 FireworksAI 等服务拥有模型权重，并强调上下文记忆需要可移植。Chase 展示了如何用 LangChain 和 DeepAgents 配置中间件，用 LangGraph 自定义认知架构，用 Harbor 进行评估。他引用 Satya Nadella 的话，认为私有评估和可移植的组织记忆对 AI 投资复利至关重要。最后演示了 LangSmith Engine 如何通过收集 trace 构建数据飞轮来改进 Agent。

技巧 LangChain LangGraph LangSmith

推荐理由：LangChain创始人讲Agent怎么搭：模型权重自持，harness可配置，评估用Harbor，LangSmith跑数据飞轮，干货多。

原文

8月12日

17:26

官方一手arXiv: OpenAI@Audrey Quessada-Vial

arXiv 论文提出 Agentic Configuration Management (ACM)，一个框架无关的治理与配置参考模型，用于异构智能体系统。ACM 结合类型化且独立版本化的配置项、不可变修订与基线、配置与运行时分离、生命周期与保障语义、依赖感知影响传播及运行时溯源。作者提供 Python 参考实现，适配 LangGraph、CrewAI 和 OpenAI Agents SDK，并用 27 个治理场景和 9 个量化影响传播案例评估。结果显示三个框架在投影后产生治理等价的 ACM 表示，影响语义在有限格上单调传播，保证收敛与唯一最小不动点。

论文 Agentic Configuration Management 智能体 LangGraph

事件专题

推荐理由：搞多智能体配置管理头疼的可以看这篇，ACM 把 LangGraph、CrewAI 这些框架统一成一套治理模型，还能做依赖分析和审计。

原文

8月7日

03:39

Harrison Chase@hwchase17

LangChain 创始人 Harrison Chase 在 X 上确认，LangChain、LangGraph 与 DeepAgents 是公司的三大核心开源项目。这条推文目前有 2 条回复、1 次转发和 10 个赞，并引用了一篇相关文章。三个项目被 LangChain 官方视为生态中的不同组成部分，且各自独立开源。

行业 LangChain LangGraph DeepAgents

推荐理由：LangChain 老板自己划重点，核心开源项目就这三个。想搞智能体的话，从 LangGraph 和 DeepAgents 入手很合适。

原文

02:53

官方账号LangChain@LangChainAI

精选

LangChain团队发布了一份由工程师Sydney Runkle撰写的选型指南，解答了开源用户最常问的问题：Deep Agents、LangChain和LangGraph各自适合什么场景。指南包含具体代码示例，帮助开发者根据任务类型选择合适框架。例如，LangGraph适合构建复杂状态化智能体，而Deep Agents则提供更高级的自动化能力。文中对比了三者的功能定位，并给出了明确的选型建议。

技巧 LangChain LangGraph Deep Agents

推荐理由：想知道Deep Agents和LangGraph到底啥区别？LangChain官方出了个选型指南，带例子，看完就知道该用哪个了。

原文

8月6日

03:11

官方一手AWS Machine Learning Blog@Eric Hanson

LendingTree基于Amazon Bedrock构建了生产级多智能体抵押贷款助手。系统由三个协同智能体组成，使用LangGraph和模型上下文协议（MCP）编排，搭载Amazon Nova模型并内置护栏，提供7x24小时个性化抵押贷款指导，满足金融服务业合规要求。

行业 LendingTree Amazon Bedrock 智能体

推荐理由：LendingTree用Bedrock搞了个多智能体贷款助手，三个Agent协同，用LangGraph和Nova模型，还能7x24小时服务，金融合规也做好了。

原文

8月4日

21:53

官方账号LangChain@LangChainAI

75°

LangChain宣布为其开源框架Deep Agents、LangGraph和LangChain新增韧性能力。这些功能允许智能体重试被中断的任务，并沿安全恢复路径继续执行。智能体可从已保存状态恢复，而无需从头开始。当主要模型不可用时，系统会自动回退到备选模型。此外，Open Secure AI Alliance已拥有超120个成员，并提出了SAFE指南草案。

AI产品 LangChain LangGraph Deep Agents

事件专题

推荐理由：LangChain给Deep Agents、LangGraph加了故障恢复，模型挂了自动换备用，中断也能续跑，搞Agent开发的可以看看。

原文

16:39

官方一手marktechpost@Sana Hassan

精选

本教程演示如何用NVIDIA SkillSpector和LangGraph搭建AI代理技能的安全审计流水线。流程先构造一个合成技能市场，再扫描恶意提示注入、凭证访问和危险依赖。你可以自定义YARA规则，配置基线豁免，并把SARIF结果接入CI部署门禁。整个方案面向AI技能供应链的自动化安全检查。

技巧 NVIDIA SkillSpector LangGraph YARA

事件专题

推荐理由：想给AI技能加安全审计，可以照这个教程搭一套：NVIDIA SkillSpector扫描、YARA规则拦截、CI门禁卡关，步骤很清楚。

原文

12:17

Harrison Chase@hwchase17

LangGraph Studio 能对失败的 agent 运行做原样重放。用户在重放时替换任意一个组件，再以相同 trace 重跑。LangGraph Studio 会自动生成新旧运行间的 diff，帮助定位失败原因。该功能来自 LangChain 创始人的推文演示，尚无官方教程。

技巧 LangGraph Studio LangGraph 调试

推荐理由：LangChain 创始人在推上演示了 LangGraph Studio 的调试技巧：失败运行能重放和对比，比重新跑一遍省事多了。

原文

11:27

官方账号arXiv cs.AI@Vishwajeet Shivaji Hogale, Anjali Pai, Nitya Ravi

论文 TinyDamage Qwen-VLM LangGraph

推荐理由：Qwen-VLM做车辆损伤评估会瞎编，TinyDamage用分割模型接地，幻觉率从92%降到31%，修车定损能用了。

原文

09:23

官方一手arXiv: DeepSeek@Qunhui Zhang

AiFlow是一种Token原生响应式编排模型，将Provider增量归一化为Context<T>事件并通过有向流图传播。每个节点由Node Guardian管理，声明并执行队列上限、并发、排序、溢出策略与重试规则。微基准测试基于DeepSeek轨迹回放（30次）并与LangGraph基线对比，结果显示AiFlow不改变模型TTFT，但将应用TTFPT降低70.9%-94.7%。运行时队列深度也控制在声明边界内，较无界策略减少93.7%-96.5%的MaxQ。实现代码通过FIT Framework仓库公开提供。

论文 AiFlow LangGraph RAG

推荐理由：AiFlow将LLM输出按token流式编排，实测应用延迟比LangGraph降70.9%-94.7%，队列占用也大幅减小。

原文

8月1日

03:30

官方账号LangChain@LangChainAI

LangChain团队的Robert Xu用15分钟视频拆解了Deep Agents的核心定义。他解释了'harness'概念如何与模型协同，构成模型加harness的完整框架。视频还说明了Deep Agents与LangChain、LangGraph之间的关系。最后他概述了将Deep Agents部署到生产环境的具体路径。

技巧 Deep Agents LangChain LangGraph

推荐理由：LangChain官方工程师Robert Xu花15分钟讲清Deep Agents是什么，还说了怎么上生产，实用。

原文

7月31日

23:17

Harrison Chase@hwchase17

一条推文称 deepagents 被严重低估。推文指出 LangGraph 和 LangSmith 是显而易见的选择，但 deepagents 才是大家忽视的那个。该推文目前有 993 次浏览、8 个赞和 2 条评论，转发数为 0。

AI产品 deepagents LangGraph LangSmith

推荐理由：有人发推说deepagents在LangGraph和LangSmith中间被忽略了。如果你正在选智能体框架，可以关注下deepagents，它可能比你想的更能打。

原文

21:43

Harrison Chase@hwchase17

LangChain CEO Harrison Chase 在 X 上回应开发者常见的 Agent harness 构建问题列表，包括异步执行、资源生命周期管理、harness 设计和评估。他以编号方式将这些痛点分别指向 LangGraph、DeepAgents 与 LangSmith。例如第 1/2 项异步执行与资源管理对应 LangGraph，第 3 项 harness 设计对应 DeepAgents，第 4 项评估对应 LangSmith。帖子以此表明 LangChain 生态可覆盖这些开发环节。

AI产品 LangGraph DeepAgents LangSmith

推荐理由：他发推把 LangGraph、DeepAgents、LangSmith 对号入座 Agent 开发难点，省心。

原文

7月29日

22:11

官方账号LangChain@LangChainAI

Apollo 的 AI 助手是 LangGraph 上最早的生产多智能体系统之一。团队将在 9 月 24 日 Interrupt NYC 上分享他们从手调主管代理迁移至 deepagents.create_deep_agent 的经验。迁移过程中保持了生产流量的质量不下降。

技巧 Apollo LangGraph deepagents

推荐理由：Apollo 分享了把 AI 助手从自建主管换成 deepagents 的实战经验，还保证了生产质量，做多智能体系统的值得听听。

原文

01:34

官方一手AWS Machine Learning Blog@Gleb Geinke

精选

本文展示如何在Amazon Bedrock AgentCore上使用LangGraph编排多智能体工作流，并结合Strands进行推理。通过一个市场监控示例，讲解了状态驱动编排、检查点恢复以及AgentCore的记忆与可观测性功能。示例涵盖了智能体间协同、状态持久化和错误恢复机制，帮助开发者构建生产级AI系统。

技巧 LangGraph Strands AgentCore

推荐理由：AWS教你用LangGraph和Strands在AgentCore上搭市场监控智能体，有状态编排和检查点恢复，适合需要多智能体协作的开发者。

原文

7月25日

01:15

Lovable@lovable_dev

Lovable 团队让 AI 智能体在其生产基础设施中玩 Capture The Flag（CTF）竞赛。博客详细介绍了他们使用 LangGraph 框架构建的智能体系统，能够自主解决安全挑战。该系统在 10 个 CTF 任务中取得了 8 个成功，平均解决时间不到 2 分钟。这展示了智能体在实际生产环境中执行复杂安全任务的能力。

技巧 Lovable CTF 智能体

推荐理由：Lovable 分享了怎么在生产环境里用智能体玩 CTF，速度快成功率还高，对做安全或智能体开发的朋友很有启发。

原文

7月24日

00:51

官方账号LangChain@LangChainAI

LangChain的Sydney Runkle在推文中介绍了Deep Agents的常见应用场景。Deep Agents是基于LangGraph构建的智能体系统，支持复杂任务分解、工具调用和记忆管理。Runkle举例说明了其在客户服务、代码生成和数据分析等领域的实际用例。该讨论源自LangChain官方账号的一条推文，获得了1663次浏览。

行业 LangChain Deep Agents 智能体

推荐理由：LangChain团队讲了Deep Agents具体能干什么，比如客服、写代码、分析数据，想用智能体的可以看看这个方向。

原文

7月22日

22:55

官方账号LangChain@LangChainAI

精选

LangChain 主办的智能体大会 Interrupt 将于今年秋季在纽约（9月24日）和伦敦（10月13日）举行。会上 LinkedIn 展示了使用 LangGraph 构建的招聘智能体，将面试时间缩短了 60%。会议现正开放注册，席位有限。

行业 LangChain LangGraph 智能体

推荐理由：LangChain 开大会了，纽约和伦敦两场，现场还能学到 LinkedIn 用 LangGraph 把招聘效率提了 60% 的案例。想去赶紧占座。

原文

22:54

官方账号LangChain@LangChainAI

LinkedIn在Interrupt大会上分享了如何利用LangGraph构建一个招聘代理，将时间到面试缩短了60%。该代理基于LangGraph框架，通过自动化筛选和匹配流程，显著提升了招聘效率。具体做法和架构细节在完整视频中有展示。这一案例展示了AI在人力资源领域的实际应用效果。

技巧 LinkedIn LangGraph 招聘代理

推荐理由：LinkedIn用LangGraph搞了个招聘代理，面试时间直接砍掉六成，效率提升很实在。

原文

12:40

官方账号arXiv cs.AI@Daniel Pearson, Sidney Shapiro, Emiliano Sebastian Gonzalez Venegas, Sanad Al-Khatib, Aurora Pinzón Arzola

该论文介绍了基于LangGraph的三种可执行工作流方案：SQL分析带修复循环、智能体RAG带证据门控、人工在环策略审查带中断恢复。每种方案展示了类型化状态、条件路由、确定性工具、重试、中断和检查点恢复的组合方式。论文还对比了LangGraph与ReAct、SDK循环、DSPy等方法的适用场景，强调LangGraph适用于需要显式结构的工作流，而非通用默认选项。每份实践方案均说明了何时LangGraph值得额外结构，以及如何使路由、暂停和审计追踪成为显式产品行为。

技巧 LangGraph DSPy ReAct

推荐理由：这篇论文给了三个LangGraph实操例子，告诉你什么时候用它比ReAct或DSPy更合适，特别适合跑长时间有状态的业务流程。

原文

7月18日

06:18

官方一手marktechpost@Nina Lopatina

精选

本教程展示如何使用MongoDB Atlas、Voyage和LangGraph构建一个具有持久记忆和操作上下文的智能体。该智能体不仅能生成天气报告或计划，还能记住过往事件并写回操作记录。通过集成MongoDB Atlas的持久化存储和Voyage的向量搜索，智能体可以在多轮交互中保持上下文一致性。LangGraph用于编排多步骤工作流，实现从查询到执行的闭环操作。

技巧 MongoDB Atlas Voyage LangGraph

推荐理由：想做一个能记住你和会议历史的智能体？这篇教程用MongoDB Atlas、Voyage和LangGraph一步步演示，比纯对话demo实用多了。

原文

04:49

官方账号LangChain@LangChainAI

精选

LangChain发布了一个基于LangGraph和LangSmith的RFP回复代理，包含四个步骤：需求提取、内容映射、草稿生成和缺失检测。该代理能从RFP包中提取范围、SLA、定价格式和监管条款，匹配内部批准内容，生成带引用的回复，并标记需要人工审核的部分。通过@payicorp进行了性能评估。

技巧 RFP LangGraph LangSmith

推荐理由：做投标的朋友别从空白页开始了，这个代理自动抓需求、匹配内部内容、生成带引用的草稿，还告诉你哪里需要人改，省事很多。

原文

7月17日

01:42

Aravind Srinivas@AravSrinivas

精选

Perplexity Agent API与LangChain的LangGraph结合，可在约90秒内生成一份风险投资备忘录，成本仅0.40美元。该工作流使用4个并行LangGraph节点，分别研究财务、产品和市场信息。最后通过一个无工具的合成器根据并行研究结果撰写备忘录。详细实现可参考LangChain博客。

技巧 Perplexity Agent API LangChain LangGraph

推荐理由：用Perplexity Agent API加LangChain，90秒花4毛钱自动写投资备忘录，适合VC工作流。

原文

7月15日

22:22

官方账号LangChain@LangChainAI

精选

在Interrupt大会上，丰田企业AI团队展示了ToyotaGPT平台，该平台基于LangGraph框架构建。它已将智能体交付时间从6个月缩短至4天，目前有超过50个智能体在生产环境中运行。这一成果展示了LangGraph在高效构建企业级AI应用中的潜力。

AI产品 ToyotaGPT LangGraph Toyota

推荐理由：丰田用LangGraph搭了个ToyotaGPT，把交付时间从半年砍到几天，50多个智能体在线跑，效果实打实的。

原文

22:10

官方账号LangChain@LangChainAI

在LangChain举办的Interrupt活动上，丰田企业AI团队分享了ToyotaGPT平台。该平台基于LangGraph构建，将智能体交付时间从6个月缩短至4天。目前已有超过50个智能体在生产环境中运行。案例展示了LangGraph在企业级AI部署中的实际效果。

行业 LangChain ToyotaGPT LangGraph

推荐理由：丰田用LangGraph把智能体上线从半年砍到4天，还跑了50多个agent，企业AI落地可以参考这个实战案例。

原文

7月11日

13:26

Geek@geekbb

精选

DevAgent是一个基于FastAPI、LangGraph和React的开源多Agent研发工作台。它集成了项目理解、流程追踪、风险识别、知识沉淀和评测治理五大功能。该项目已在GitHub上开源，供开发者自行部署使用。

AI产品 DevAgent FastAPI LangGraph

推荐理由：这个DevAgent项目把多Agent研发流程管起来了，从理解到评测一整套，开源可自部署。

原文

04:16

官方账号LangChain@LangChainAI

精选

LangChain 使用 LangGraph 和 Perplexity AI Agent API 构建了一个智能体，通过4个并行节点分别研究财务、产品和市场，然后由无工具合成器仅基于研究结果撰写带引用的 VC 投资备忘录。整个流程约 90 秒，成本仅 0.40 美元。该示例展示了如何用 LangGraph 和外部 API 快速构建端到端研究 Agent。

技巧 LangGraph Perplexity VC投资备忘录

推荐理由：LangChain 演示了一个超实用的 Agent 工作流：90秒、4毛钱就能自动生成带引用的投资备忘录。学了这个教程，你也能自己搭类似的研究助手。

原文

7月8日

02:36

Harrison Chase@hwchase17

该推文介绍了如何利用 LangGraph 实现一个本地优先的个人 AI 代理。代理通过编排、记忆、工具调用、后台工作流和子代理来完成复杂任务。LangGraph 的图结构允许灵活定义状态机，支持持久化记忆和异步后台处理。子代理可以独立执行子任务并返回结果，实现模块化扩展。

技巧 LangGraph 本地优先智能体

推荐理由：想自己搭一个本地跑、能记住你、还能自动干活的 AI 助手？这篇用 LangGraph 手把手教你怎么搞，还能拆分子代理干活。

原文

7月2日

19:14

掘金本周最热@沉默王二

这篇文章记录了一场阿里面试中关于Agent开发的问答。作者介绍了LangChain的三层架构（基础抽象层、能力层、应用层）以及LangGraph与LangChain的关系。他总结了四种Agent开发方式：ReAct、Plan-and-Execute、Multi-Agent协作和状态图编排（LangGraph）。同时详细说明了LangChain的六个核心模块：Models、Prompts、Indexes、Memory、Chains、Agents。项目中使用LangGraph4j + Spring AI实现工作流编排，而非传统Multi-Agent。

技巧 LangChain Agent Multi-Agent

推荐理由：面试官问Agent开发看这篇就够了，从LangChain架构到四种开发方式、六个核心模块全有实例。

原文

6月30日

22:03

官方账号LangChain@LangChainAI

LATAM Airlines 在 Interrupt 大会上展示了基于 LangGraph 构建的 B2C 旅行代理。该代理每天处理数千名用户，成为航空业智能体落地的实践案例。LangGraph 是 LangChain 推出的框架，用于构建状态化、多步骤的 AI 代理。

行业 LATAMAirlines LangGraph 旅行代理

推荐理由：LATAM Airlines 用 LangGraph 搭的旅行助手每天服务几千人，航空业搞AI客服的可以看这个案例。

原文

6月27日

11:16

Harrison Chase@hwchase17

Mika Sagindyk在Arena上发布AI Agent框架体验（AX）排名，基于AI Agent自主使用开发工具的难易程度评估。截至06/26，排名为：1. LangChain的LangGraph，2. Vercel AI SDK，3. CrewAI，4. Mastra。该评测强调AI Agent正成为文档和API的主要消费者，AX是DX的自然演进。

行业 LangGraph LangChain AI Agent

推荐理由：LangGraph被AI Agent自己评为最好用的框架，全自动评测没水分。想选Agent开发工具先看这个榜。

原文

6月25日

06:22

Ate-a-Pi@svpino

精选

Lena开源了一个RAG助手，用于导航航空公司政策，包含完整源代码和视频讲解。该应用使用LangChain构建检索管道，LangGraph管理对话状态，通过pgvector在Postgres中存储嵌入。项目还使用Terraform部署基础设施，索引文档以将答案锚定在源文本上。开发者可以从中学习具体的工程决策和实现细节。

技巧 LangChain LangGraph pgvector

推荐理由：Lena把整个RAG应用的源码和讲解视频都开源了，用LangChain+LangGraph搭建，还用了pgvector和Terraform，想学RAG实战的可以直接拿走。

原文

6月24日

05:42

官方账号LangChain@LangChainAI

LangChain发布了与Pipecat AI集成的教程，17分钟演示如何将现有LangGraph agent转变为语音agent。同时LangSmith更新了语音轨迹功能，新增内联音频播放器，无需打开新标签即可查看语音回放。该教程适合已有LangGraph agent的开发者快速接入语音交互。

技巧 LangGraph Pipecat AI LangSmith

推荐理由：想让你写的LangGraph agent开口说话？这篇17分钟教程直接用pipecat_ai搞定，还顺带教你怎么用LangSmith看语音回放。

原文

6月21日

04:23

Harrison Chase@hwchase17

精选

Leve是一个文件系统优先的持久智能体框架，基于LangGraph构建。用户将智能体定义为文件目录结构，Leve编译该目录并运行智能体。该框架灵感来自Vercel的Eve项目，由@jit_infinity开发。

AI产品 Leve LangGraph 智能体

推荐理由：用目录描述智能体，Leve让LangGraph更直观。文件系统优先，持久运行，灵感来自Vercel的Eve。

原文

02:23

Harrison Chase@hwchase17

技巧 LangChain LangGraph RAG

推荐理由：这个课程10小时，手把手教LangChain和LangGraph，还讲了RAG和guardrails，想学智能体开发可以看看。

原文

6月20日

23:06

shao__meng@shao__meng

精选

LangChain官方认证大使@zhanghaili0610（也是「LangChain实战」「LangGraph实战」作者）开源了教程「Deep Agents 实战」。教程围绕Agent开发的“三层架构”：Runtime（LangGraph）、Framework（LangChain）、Harness（Deep Agents）。核心是“上下文工程”，Deep Agents引入虚拟文件系统（read_file/write_file等6大工具），支持任务规划（write_todos）、子Agent委派（异步并行）和Skills复用（兼容30+工具）。教程共8章加2准备篇，涵盖环境搭建、核心机制到进阶记忆。

技巧 Deep Agents LangChain LangGraph

推荐理由：Harry Zhang出了第三本实战教程，手把手教你怎么用LangChain和LangGraph搭Deep Agents，虚拟文件系统和Skills复用这些干货很实用。

原文

6月16日

14:11

Harrison Chase@hwchase17

精选

开发者 Saurabh 强调，Agent 必须有可观测性。他用 LangGraph 做编排，LangSmith 做追踪、评估和回归测试。如果无法解释 Agent 为何给出某个回答，那就只是 demo 而非架构。他建议通过 tracing 捕获 prompt 和工具调用的全部上下文。

技巧 LangGraph LangSmith Agent

推荐理由：如果你在用 LangGraph 做 agent，这招能帮你从 demo 变成可交付的系统——关键是 LangSmith 的 trace 和 eval。

原文

6月15日

20:29

官方账号LangChain@LangChainAI

LangChain发布了对即将生效的《欧盟人工智能法案》（EU AI Act）的详细解读博客。该法案对高风险AI系统提出人类监督等要求。LangSmith和LangGraph提供了多种方案来满足人机协同（human-in-the-loop）需求。博客中分解了法案的关键条款和合规时间线。

行业 LangSmith LangGraph LangChain

推荐理由：想了解EU AI Act对AI开发的影响？LangChain官方博客刚出了详细解读，还告诉你LangSmith和LangGraph怎么帮你合规。

原文

6月13日

11:06

官方账号LangChain@LangChainAI

LangChain 在博客中详细介绍了构建 AI 应用的内部架构，包括如何使用 LangGraph 和 LangSmith 等工具。文章展示了从原型到生产的完整流程，涉及多个组件如代理、工具和状态管理。该架构支持多种模型集成，并提供了实际案例。

AI产品 LangChain LangGraph LangSmith

推荐理由：LangChain 教你搭 AI 应用架构

原文