langgraph-development

# LangGraph开发技能 本技能提供构建、管理和部署LangGraph AI应用的comprehensive指导，基于Context7对最新LangGraph生态系统的深度调研。 ## 使用场景 在以下情况下使用此技能： - 需要构建有状态的多代理AI应用 - 设计复杂的AI工作流和决策流程 - 实现RAG（检索增强生成）系统 - 构建多Agent协作系统（Supervisor、Swarm模式） - 需要持久化执行和人机协作功能 - 从开发到生产的完整部署流程 - 性能优化和监控调试需求 ## 核心概念和架构 ### LangGraph核心特性 - **低级编排框架**：用于构建、管理和部署长期运行的有状态代理 - **持久化执行**：支持检查点、状态恢复、容错处理 - **综合内存管理**：短期记忆、长期记忆、上下文窗口优化 - **人机协作**：审批流程、干预机制、交互式决策 - **生产就绪部署**：企业级稳定性、可扩展性、监控能力 ### 核心API组件 - **StateGraph**：状态驱动的图结构 - **MessageGraph**：消息传递图 - **CompiledGraph**：编译后的可执行图 - **CheckpointSaver**：状态持久化（支持MySQL、Redis、PostgreSQL） - **节点类型**：LLM节点、工具节点、条件节点、自定义节点 ### 开发工作流程 1. **设计阶段** - 使用`scripts/design_workflow.py`设计应用架构 - 参考`references/architecture_patterns.md`选择合适的架构模式 - 使用`assets/diagrams/`中的流程图模板进行可视化 2. **实现阶段** - 使用`scripts/generate_template.py`生成项目模板 - 参考`references/api_reference.md`进行API调用 - 遵循`references/best_practices.md`中的编码规范 3. **测试阶段** - 使用`scripts/test_agent.py`进行单元测试 - 使用`langgraph-studio`进行本地调试 - 集成LangSmith进行监控和评估 4. **部署阶段** - 使用`assets/templates/production_ready/`中的部署配置 - 参考`references/deployment_guide.md`进行生产部署 - 使用`scripts/monitor.py`进行性能监控 ## 资源组件 ### Scripts（可执行工具） - `scripts/setup_environment.py`：环境配置和依赖安装 - `scripts/generate_template.py`：项目模板生成器 - `scripts/checkpoint_analyzer.py`：检查点分析和状态管理工具 - `scripts/performance_monitor.py`：性能监控和优化工具 - `scripts/test_agent.py`：代理测试和验证工具 - `scripts/deploy_helper.py`：部署辅助脚本 ### References（参考资料） - `references/architecture_patterns.md`：架构模式和设计模式参考 - `references/api_reference.md`：API速查手册和示例 - `references/best_practices.md`：最佳实践和编码规范 - `references/troubleshooting.md`：故障排查和问题解决指南 - `references/use_cases.md`：使用案例和实战项目分析 - `references/deployment_guide.md`：部署指南和生产环境配置 ### Assets（资源文件） - `assets/templates/`：完整的项目模板 - `basic_agent/`：基础代理模板 - `rag_system/`：RAG系统模板 - `multi_agent/`：多代理系统模板 - `production_ready/`：生产就绪模板 - `assets/diagrams/`：架构图和流程图 - `assets/config_files/`：配置文件模板 - `assets/example_projects/`：示例项目和演示代码 ## 常见应用模式 ### RAG系统实现 使用LangGraph构建增强型检索生成系统： - 集成向量存储和文档检索 - 实现上下文管理和答案生成 - 支持多轮对话和状态保持 ### 多Agent协作 实现复杂的代理协作模式： - **Supervisor模式**：中央代理协调多个专业化代理 - **Swarm模式**：动态代理切换和控制交接 - **ReAct模式**：推理-行动循环代理 ### 生产级应用 构建企业级AI应用： - 容错处理和错误恢复 - 性能监控和日志管理 - 可扩展架构和负载均衡 ## 技能使用流程 1. **需求分析**：明确应用场景和功能需求 2. **架构设计**：选择合适的架构模式和组件 3. **快速原型**：使用模板生成基础代码 4. **功能实现**：基于参考文档开发核心功能 5. **测试验证**：使用测试工具验证功能正确性 6. **性能优化**：使用监控工具优化性能 7. **生产部署**：使用部署工具进行生产环境配置 ## 注意事项 - 确保Python 3.8+环境并安装必要的依赖 - 推荐使用虚拟环境进行项目隔离 - 生产环境需要考虑安全性和性能优化 - 定期更新LangGraph版本以获得最新功能 - 使用LangSmith进行生产环境的监控和调试