LangGraph智能體設計模式與多智能體開發

目    錄

第 1 章　初識智能體 1

1.1  從大語言模型到智能體 1

1.1.1  智能體的誕生 1

1.1.2  智能體的核心能力與技術支柱 3

1.2  智能體革新日常應用 5

1.2.1  智能體重塑應用 5

1.2.2  智能體構建過程 11

1.3  LangGraph 1.0開發框架全面解析 13

1.3.1  LangGraph新技術底座 13

1.3.2  LangGraph讓Agent開發更快、更靈活 14

1.4  本章小結 16

第 2 章　Agent環境安裝與大模型配置 18

2.1  Python環境的安裝與配置 18

2.1.1  Miniconda的下載與安裝 18

2.1.2  PyTorch的下載與安裝 21

2.1.3  PyCharm的安裝與使用 24

2.2  網頁端Qwen3的使用 27

2.2.1  網頁端Qwen3的註冊與基本使用 27

2.2.2  不同提示（Prompt）對回答的影響 28

2.3  Qwen3在線API的使用 30

2.3.1  在線Qwen3註冊與基本使用 30

2.3.2  不同API調用Qwen3的示例 31

2.4  Hello Agent實戰 35

2.4.1  通過API調用Qwen3 35

2.4.2  基於LangGraph構建Agent 36

2.5  本章小結 40

第 3 章　LangGraph編程基礎 41

3.1  LangGraph與工作流搭建 41

3.1.1  LangGraph基礎介紹 42

3.1.2  LangGraph組件 44

3.1.3  LangGraph中的State 46

3.1.4  LangGraph中的Node 47

3.1.5  LangGraph中的Edges 49

3.2  LangGraph中的基本輸入及工具調用範式 51

3.2.1  LangGraph中的提示詞 51

3.2.2  LangGraph中的工具定義與調用 52

3.2.3  基於LangGraph實現的工具使用智能體 56

3.3  LangGraph中的Map與Reduce 58

3.3.1  LangGraph中的Map 58

3.3.2  LangGraph中的Reduce 59

3.3.3  各司其職的Map與Reduce 61

3.3.4  State中的輔助參數BaseModel、Annotated與Literal詳解 61

3.4  LangGraph中的輸出範式 63

3.4.1  LangGraph中的格式化輸出1：StrOutputParser 64

3.4.2  LangGraph中的格式化輸出2：JSON格式 65

3.4.3  LangGraph中的格式化輸出3：可控的JSON格式 66

3.5  智能體設計模式1：反應式智能體與自動導航案例 69

3.5.1  初識反應式智能體 69

3.5.2  反應式室內清掃智能體設計 72

3.5.3  反應式室內清掃智能體的實現 73

3.5.4  仿真場景下的清掃智能體可視化演示 79

3.6  本章小結 89

第 4 章　構建圖的多條件分支 90

4.1  多場景條件分支 90

4.1.1  多條件分支實戰 90

4.1.2  LangGraph的流式輸出 92

4.1.3  Command命令完成節點內部的跳轉 94

4.2  LangGraph節點的並行化處理 97

4.2.1  LangGraph中的並行化實戰 97

4.2.2  並行化實戰中Reduce的妙用 100

4.3  本章小結 101

第 5 章　智能體設計模式2：React 103

5.1  ToolNode詳解與重新包裝 104

5.1.1  ToolNode詳解 104

5.1.2  ToolNode中的工具調用 106

5.2  React設計範式 112

5.2.1  初識React與實現 112

5.2.2  基於大模型的React詳解 119

5.3  替代React的預構建create_agent模塊詳解 123

5.3.1  create_agent的基礎使用 123

5.3.2  使用create_agent構建React 124

5.4  create_agent的結構化輸出與輸入 126

5.4.1  create_agent中的結構化輸出格式 126

5.4.2  create_agent中的輸入重構 130

5.5  create_agent中間件middleware詳解 131

5.5.1  中間件的使用 131

5.5.2  中間件裝飾器詳解 133

5.5.3  使用中間件裝飾器動態重構輸入格式 136

5.6  本章小結 139

第 6 章　智能體設計模式3：記憶系統 140

6.1  LangGraph中的記憶存儲 141

6.1.1  基於內存的短期記憶 141

6.1.2  基於硬存儲的長期記憶存儲 144

6.2  LangGraph中的長期記憶載入與整理 149

6.2.1  基於硬存儲的長期記憶預載入1：拼接提示詞 150

6.2.2  基於硬存儲的長期記憶預載入2：before_agent中間件的使用 153

6.2.3  基於硬存儲的長期記憶預載入3：before_model與檢索整理 158

6.2.4  before_agent與before_model的使用差異 166

6.3  本章小結 166

第 7 章　智能體設計模式4：規劃與執行 167

7.1  網絡搜索工具tavily詳解 167

7.1.1  tavily搜索引擎註冊 168

7.1.2  tavily使用詳解 169

7.2  結合tavily搜索的智能體實戰 173

7.2.1  基於create_agent的多工具調用實戰 173

7.2.2  完整搭建的LangGraph多工具調用智能體 179

7.3  LangGraph中TypedDict與BaseModel的共通與嵌套 189

7.3.1  LangGraph中TypedDict與BaseModel的共通點 189

7.3.2  LangGraph的狀態空間進階：多類型數據嵌套 192

7.4  基於智能體規劃的成長指導 196

7.4.1  目標抽象：從“經驗驅動”到“目標驅動” 196

7.4.2  步驟明確：從“模糊願景”到“清晰藍圖” 199

7.4.3  執行落地：從“靜態邏輯”到“動態閉環” 203

7.5  本章小結 205

第 8 章　智能體設計模式5：上下文工程 206

8.1  上下文工程中的提示詞 207

8.1.1  提示詞模板PromptTemplate 207

8.1.2  提示詞設計規範 210

8.1.3  帶有人格描述的提示詞模板 214

8.2  上下文汙染與上下文卸載 227

8.2.1  上下文汙染 228

8.2.2  上下文卸載 231

8.3  本章小結 237

第 9 章　多智能體實戰 238

9.1  初識多智能體 238

9.1.1  單智能體與多智能體 239

9.1.2  多智能體的應用場景 240

9.2  多智能體基礎設計模式實戰 240

9.2.1  多智能體設計模式1：流式 241

9.2.2  多智能體設計模式2：反思 246

9.3  本章小結 250

第 10 章　案例實戰：結合長短期目標的新能源車文案設計 251

10.1  文案設計的基礎知識點 251

10.1.1  基於業務要求的背景和歷史文案收集 251

10.1.2  Embedding編碼與歷史文本查找 253

10.1.3  文案目標定義與生成 259

10.2  文案設計的智能體實戰 266

10.2.1  文案生成中不同角色的定義與抽象 266

10.2.2  角色的動態生成函數 267

10.2.3  結合長短期目標的新能源車文案 271

10.2.4  多智能體設計模式8：Swarm 272

10.3  本章小結 273

第 11 章　案例實戰：共享空間驅動的多智能體 274

11.1  多智能體的共享空間驅動 274

11.2  多智能體的共享空間驅動實戰 275

11.2.1  基於共享空間驅動的多智能體實戰 275

11.2.2  管控全局的共享空間詳解 278

11.3  本章小結 279

第 12 章　案例實戰：主智能體驅動的多智能體 280

12.1  多智能體角色的定義與實現 280

12.1.1  主狀態空間的定義 281

12.1.2  多智能體“專家”角色設定 281

12.1.3  多智能體“主管”角色設定 283

12.2  多智能體設計模式9：Supervisor 284

12.2.1  角色構建與路由分析 285

12.2.2  Supervisor模式的多智能體實戰 286

12.3  本章小結 289