本书围绕LangChain 1.0生态，系统梳理了智能体从概念到工程落地的完整路径，重点关注真实复杂场景下的智能体系统设计，涵盖任务拆解、工具编排、状态管理、子图机制、持久化执行及多智能体协作等关键能力，帮助读者建立对可长期运行的智能体系统的整体认知。在工程实践层面，本书以LangChain的核心能力为基础，通过LangGraph对智能体的流程、状态进行建模与编排，在复杂任务场景中引入Deep Agent处理多步骤协作与文件级执行问题，并结合LangSmith平台对智能体运行过程进行调试、评估与可观测性治理，最终形成一套覆盖“构建—运行—监控—优化”的完整工程闭环。本书适合希望将大模型能力真正落地到复杂业务系统中的软件工程师、架构师与系统设计者，企业数字化与智能化转型负责人、相关领域的高校教师与研究人员，以及对智能体工程实践与产品化落地感兴趣的AI产品经理与创业者阅读。

匙亮旭安普诺克科技集团有限公司首席架构师，亦民亦信息技术(大连)有限责任公司CTO，TGO鲲鹏会（北京分会）会员，公众号与知识星球账号“极客e家”主理人，ITPUB技术社区AI讲师，云原生领域技术专家与讲师。曾任某万人规模科技上市公司海外电商业务板块技术负责人，创建并主持技术委员会。作为AI领域早期实践者，曾在“极客时间”平台推出“从0开启AI实践之旅”视频课程，现长期专注于AI解决方案与AI原生架构实战落地。

第1章　智能体时代与LangChain生态 1
1.1　智能体的崛起与应用趋势 3
1.1.1　从传统应用到智能体时代 3
1.1.2　智能体的核心概念 6
1.2　LangChain生态体系概览 9
1.2.1　框架定位与发展历程 10
1.2.2　生态体系介绍 12
1.2.3　LangChain 1.0说明 15
第2章　LangChain核心能力：从模型到智能体的实践之路 17
2.1　模型（Model）接口 18
2.1.1　模型接口的统一性 18
2.1.2　使用ChatGPT 20
2.1.3　使用DeepSeek 22
2.1.4　使用Qwen系列模型 24
2.1.5　使用Qwen系列模型生成图片 26
2.2　消息（Message） 27
2.2.1　Prompt的重要性 28
2.2.2　Prompt机制的演进：从Prompt到Messages列表 29
2.2.3　ChatPromptTemplate的构建 30
2.2.4　消息的使用 31
2.3　工具（Tool） 36
2.3.1　工具的定义 36
2.3.2　工具的基本使用 38
2.3.3　工具参数Schema的高级定义 41
2.3.4　ToolRuntime与执行机制 43
2.4　智能体与中间件（Middleware） 47
2.4.1　智能体与中间件概述 48
2.4.2　智能体的基本使用与ReAct机制 51
2.4.3　结构化输出 56
2.4.4　MCP的使用 59
2.4.5　智能体中的预置中间件 66
2.4.6　基于装饰器的中间件 74
2.4.7　基于类的中间件 80
2.5　实战：构建问答智能体 87
2.5.1　项目环境搭建 87
2.5.2　项目目录的结构说明 90
2.5.3　集成MCP工具层 91
2.5.4　集成Prompt与短期记忆 97
2.5.5　集成中间件 99
2.5.6　集成智能体调度器 108
2.5.7　集成问答页面 111
2.5.8　运行测试 112
2.5.9　问答智能体实战总结 117
第3章　LangChain知识增强：RAG 119
3.1　RAG机制与知识检索概述 120
3.1.1　知识检索的重要性 121
3.1.2　RAG机制的基本原理 122
3.2　文档处理 125
3.2.1　文档加载 126
3.2.2　文档切分 130
3.2.3　文档向量化（Embedding） 139
3.2.4　文档检索（Retrieval） 141
3.3　向量数据库 144
3.3.1　向量数据库的作用 144
3.3.2　常见的向量数据库 146
3.3.3　向量数据库的基本使用 150
3.4　实战：问答智能体集成私有知识库 156
3.4.1　项目环境搭建 156
3.4.2　项目目录的结构说明 159
3.4.3　集成公司规章制度知识库 160
3.4.4　修改系统Prompt 167
3.4.5　修改智能体调度器 169
3.4.6　优化问答页面 173
3.4.7　运行测试 175
3.4.8　问答智能体集成私有知识库实战总结 179
第4章　LangGraph：智能体编排与状态驱动 181
4.1　LangGraph概述 183
4.1.1　LangGraph的基本概念与使用场景 184
4.1.2　LangGraph的核心设计理念 186
4.2　LangGraph的核心组件 187
4.2.1　状态 188
4.2.2　节点 190
4.2.3　边 191
4.2.4　命令（Command） 193
4.2.5　运行时上下文 195
4.2.6　Functional API 197
4.2.7　快速上手创建第一个LangGraph程序 199
4.3　持久化执行与记忆管理 210
4.3.1　线程与检查点 210
4.3.2　状态管理与回溯 215
4.3.3　存储与长期记忆 217
4.3.4　持久化执行 222
4.4　LangGraph的扩展能力 226
4.4.1　中断机制 227
4.4.2　流式输出 239
4.4.3　子图机制 247
4.5　项目实战：破损商品智能理赔助手 252
4.5.1　项目环境搭建 253
4.5.2　项目目录的结构说明 255
4.5.3　集成配置文件与理赔参考数据 258
4.5.4　集成状态建模 260
4.5.5　集成业务逻辑层 262
4.5.6　集成子图层 268
4.5.7　集成主图 272
4.5.8　集成持久化管理与智能体调度器 280
4.5.9　集成客服理赔处理页面 283
4.5.10　运行测试 284
4.5.11　破损商品智能理赔助手实战总结 292
第5章　Deep Agent：面向复杂任务智能体 294
5.1　Deep Agent概览 296
5.1.1　什么是Deep Agent 296
5.1.2　Deep Agent的意义与使用场景 297
5.1.3　Deep Agent的核心能力与特点 298
5.1.4　Deep Agent的执行机制（Agent Harness） 302
5.2　快速上手创建第一个Deep Agent 304
5.3　Deep Agent核心组件 314
5.3.1　Backend存储体系 315
5.3.2　子智能体 326
5.3.3　人工协作 335
5.3.4　中间件体系 343
5.3.5　Deep Agent CLI的基本使用 351
5.4　Deep Agent实战：构建Deep Research智能体 354
5.4.1　项目环境搭建 355
5.4.2　项目目录的结构说明 357
5.4.3　集成提示词 358
5.4.4　集成子图与子智能体 363
5.4.5　集成Backend存储体系 367
5.4.6　集成Deep Agent调度器与人工协作机制 369
5.4.7　集成Deep Research交互页面 372
5.4.8　运行测试 374
5.4.9　Deep Research智能体实战总结 378
第6章　LangSmith平台：项目可观测性与评估 381
6.1　LangSmith平台概述 381
6.1.1　LangSmith平台的产生背景与意义 382
6.1.2　LangSmith平台的架构与工作流程 383
6.2　LangSmith平台的可观测性 385
6.2.1　可观测性综述 385
6.2.2　本地调试与LangSmith Studio 388
6.2.3　项目追踪机制的集成 394
6.2.4　项目监控 400
6.3　LangSmith平台的评估 404
6.3.1　常用的评估场景与流程说明 404
6.3.2　评估数据集的使用 406
6.3.3　评估器的构建与执行 412
6.3.4　人工标注的使用 423
6.4　LangSmith平台的项目价值 426

第7章　LangChain 1.0：智能体发展新范式 428
7.1　LangChain 1.0迁移指南 429
7.2　LangChain究竟在下一盘什么棋 433
7.3　智能体开发范式与项目思维的变革 435
结束语 438