AI Skill 大全

LangChain 与 LangGraph 模式

查 LangChain、LangGraph 的常用写法和报错修法

功能与用途

它是一份 LangChain 和 LangGraph 的实战写法合集:怎么用 LCEL 管道把提示词、模型和输出解析串起来,怎么用 FAISS 搭检索问答,怎么给智能体挂工具,怎么给对话加历史记忆,怎么用状态图做带分支的多步流程。还附了一张常见报错对照表,比如输出解析失败、智能体死循环、向量库为空该怎么修。

适用场景

  • 搭建 RAG 知识库检索问答链:利用 LCEL 管道语法与向量检索组件,将文档索引、检索召回与模型提示词串联,快速构建本地或私有知识库问答链路。
  • 开发挂载工具的自主智能体:通过定义 Python 工具函数并配置 Tool Calling 代理执行器,让大语言模型具备自主调用外部搜索、运算或 API 的能力。
  • 编排多步骤带分支的状态工作流:借助 LangGraph 状态图与条件分支边,设计支持多节点协作、循环审查与状态持久化的高复杂度业务流程。

适用人群

  • 做 LLM 应用开发的 Python 工程师、搭智能体和检索问答的 AI 应用开发者

使用步骤

  1. 说清你要做的应用类型:链式处理、检索问答、智能体还是带分支的状态图。
  2. 让它给出对应的模式代码和关键参数。
  3. 把代码跑起来,遇到报错就贴回去对照错误表排查。
  4. 按常见模式表确认自己用的是不是最合适的那种写法。

开始使用

将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。

查看 MCP 接入说明

技术信息

分类
编程
适用工具
Codex、Claude Code、OpenClaw、Hermes、国内 Agent
使用难度
专业
版本
main
最近更新
2026-09-09
文件数
3
安装包大小
自动生成 ZIP
安全检查
基础检查通过

Use when langChain/LangGraph patterns — chains, agents, tools, memory,

使用前准备

  • Python 开发环境与 LangChain 依赖
  • 一个可用的模型 API Key

依赖与权限

  • 读取用户主动提供的内容

同类 Skill