| name | langgraph-development |
| description | 专业的LangGraph AI应用开发技能，提供从概念到生产的完整开发指导。基于Context7最新调研，涵盖StateGraph设计、多代理协作、RAG系统实现、生产部署等核心场景。使用此技能构建有状态、多参与者、长期运行的AI代理应用。 |
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
-
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
-
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
-
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
-
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
- 需求分析：明确应用场景和功能需求
- 架构设计：选择合适的架构模式和组件
- 快速原型：使用模板生成基础代码
- 功能实现：基于参考文档开发核心功能
- 测试验证：使用测试工具验证功能正确性
- 性能优化：使用监控工具优化性能
- 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
