#LangGraph
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。
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。
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。
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。
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。
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。
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。
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。
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。
再保险行业的文档处理痛点被量化到 40% 时间浪费和 14% 预算浪费，做保险科技或金融文档自动化的团队可以直接参考这个端到端方案，尤其是人机协同闭环的设计思路值得借鉴。
LangChain 团队把生产级 Deep Agent 的部署经验浓缩成了一篇实战指南，做 Agent 落地的开发者直接拿来就能少踩坑，值得收藏。
LangChain 把深度智能体的部署复杂度打包成了托管服务，做 AI 工作流的团队可以直接用，省去自己搭基础设施的麻烦。
Lyft 的实践证明了 LangGraph 和 LangSmith 能大幅缩短智能体开发周期并提升质量，做 AI 客服或自动化流程的团队可以直接借鉴，建议点开看看具体怎么做到的。
做 AI 智能体编排的开发者可以快速了解三个 SDK 的核心差异——ADK 的治理层解决了团队协作中的安全和信任问题，适合企业级应用，值得一试。
做工程设计自动化或LLM多智能体系统的开发者，这个基准能帮你精准定位模型在条件分支、RAG和HPC编排上的短板，建议直接参考EngiAI框架来测试自己的方案。