LangGraph开发AI Agent实践全程LangGraph示例和四大实战案例帮助你掌握AI Agent开发

本书内容

LangGraph是一个面向复杂工作流的有状态Agent开发框架，能为开发者提供强大的智能体构建解决方案。《LangGraph开发AI Agent实践》系统介绍LangGraph构建AI Agent的方法，覆盖从基础开发到案例实战的全流程。《LangGraph开发AI Agent实践》配套示例源码、PPT课件、读者技术交流微信群，示例代码经过测试均可运行无误。

《LangGraph开发AI Agent实践》共分12章，内容包括LangGraph基础技术、开发环境搭建、构建带工具与记忆功能的聊天机器人、构建自定义RAG检索Agent、构建智能体工作流、集成外部工具与API、状态管理与持久化、智能体（Agent）集成、构建客户支持聊天机器人、构建旅行规划智能体、构建电商客服退款处理智能体、构建股票趋势预测智能分析系统。

《LangGraph开发AI Agent实践》既适合LangGraph初学者、AI Agent开发人员、Agent架构师、大模型应用开发人员及行业AI应用解决方案提供商，也适合高等院校或高职高专院校学习大模型应用开发课程的学生。

本书作者

邓立国，东北大学计算机应用博士，广东工业大学副教授。主要研究方向为数据挖掘、知识工程、大数据处理、云计算、分布式计算。以第一作者发表学术论文30多篇（26篇EI），主编科研著作5部，主持科研课题10项，多次获得省校级科研优秀奖。著有图书《AI Agent智能体开发实践》《Python大数据分析师的算法手册》《Python数据分析与挖掘实战》《Python大数据分析算法与实例》《数据库原理与应用（SQL Server 2016版本）》等。

周驰岷，四川开放大学副教授。主要研究方向为区块链、AI数字资源制作。主持或参与完成了多项省部级科研项目，发表中文核心、EI检索论文多篇。获得全国仿真创新应用大赛国赛二等奖、省赛一等奖，制作课程入选国家终身教育智慧教育平台。

邓淇文，南乌拉尔国立大学硕士。嵌入式软件工程师。著有《AI Agent智能体开发实践》《Python大数据分析师的算法手册》《数据库原理与应用（SQL Server 2016版本）》。

本书读者

·LangGraph初学者

·AI Agent开发人员

·Agent架构设计师

·大模型应用开发人员

·行业AI应用解决方案提供商

·高等院校或高职高专院校AI应用开发课程的学生

本书目录

向上滑动阅览

目    录

第1篇  基础篇

第1章  LangGraph基础技术 2

1.1  智能体开发视角下的LangGraph定义 2

1.2  LangGraph在智能体开发中的核心技术优势 3

1.3  LangGraph智能体开发的关键技术组件 4

1.3.1  图架构核心组件 4

1.3.2  监控与干预组件 4

1.3.3  工具与集成组件 5

1.4  智能体开发框架对比：LangGraph与主流方案 5

1.4.1  LangGraph的技术特点 5

1.4.2  CrewAI的技术特点 6

1.4.3  OpenAI Swarm的技术特点 7

1.4.4  智能体开发框架选型指南 7

1.5  本章小结 8

第2章  开发环境搭建 9

2.1  开发环境安装 9

2.1.1  Miniconda的下载与安装 9

2.1.2  PyTorch的下载与安装 10

2.1.3  PyCharm的安装与虚拟环境搭建 12

2.2  LLM的调用与使用示例 14

2.2.1  ModelScope（魔搭社区） 14

2.2.2  阿里云百炼Qwen3的在线调用 15

2.3  实战案例：创建一个基础聊天机器人 19

2.3.1  创建调用deepseek-v3的聊天机器人 19

2.3.2  案例代码解析 21

2.3.3  运行聊天机器人 25

2.4  本章小结 25

第3章  构建带工具与记忆功能的聊天机器人 27

3.1  环境准备 27

3.2  实战案例：使用工具和记忆增强聊天机器人 28

3.3  案例代码解析 32

3.4  本章小结 34

第4章  构建自定义RAG检索Agent 36

4.1  核心概念与环境准备 36

4.1.1  核心概念 37

4.1.2  环境准备 37

4.2  实战案例：从零构建自定义RAG检索Agent 38

4.2.1  步骤1：导入依赖与初始化配置 39

4.2.2  步骤2：构建私有知识库（PDF文档加载与向量存储） 44

4.2.3  步骤3：定义LangGraph状态（State） 45

4.2.4  步骤4：定义LangGraph节点（Node） 45

4.2.5  步骤5：构建LangGraph流程图（边+条件边） 49

4.2.6  步骤6：运行Agent并测试 53

4.3  代码运行说明与常见问题排查 56

4.4  核心知识点实战落地对应表 57

4.5  扩展优化方向 58

4.6  本章小结 59

第2篇  开发篇

第5章  构建智能体工作流 62

5.1  线性工作流设计 62

5.1.1  线性工作流核心概念 62

5.1.2  实战案例：线性工作流的实现 63

5.1.3  实战案例：文档摘要工作流的实现 66

5.2  非线性工作流：分支与动态路由 70

5.2.1  非线性工作流核心概念 70

5.2.2  实战案例：使用条件边路由到节点 71

5.2.3  实战案例：使用动态路由路由到节点 77

5.3  多智能体协作模式 82

5.3.1  多智能体协作原理 82

5.3.2  多智能体协作核心组件与模式分类 83

5.3.3  实战案例：固定流水线模式的实现 84

5.3.4  实战案例：调度函数模式的实现 92

5.4  本章小结 99

第6章  集成外部工具与API 100

6.1  调用RESTful API 101

6.1.1  调用RESTful API：与外部服务交互 101

6.1.2  实战案例：天气查询（调用OpenWeatherMap API） 102

6.1.3  案例代码解析 106

6.2  数据库连接与操作 114

6.2.1  数据库连接与操作：结构化数据交互 114

6.2.2  实战案例：用户信息管理（MySQL数据库操作） 115

6.2.3  案例代码解析 128

6.3  自定义工具开发 133

6.3.1  满足个性化需求的自定义工具开发 133

6.3.2  实战案例：实时多工具协同智能助手 134

6.3.3  案例代码解析 143

6.4  本章小结 154

第7章  状态管理与持久化 155

7.1  状态机的实现 155

7.1.1  状态机技术详解 155

7.1.2  实战案例：智能客服对话状态机 156

7.1.3  案例代码解析 160

7.2  本地与云端存储方案 162

7.2.1  本地与云端存储方案技术详解 163

7.2.2  实战案例：本地文件存储+阿里云OSS云端存储 164

7.2.3  案例代码解析 184

7.3  异常恢复与断点续跑 186

7.3.1  异常恢复与断点续跑技术详解 187

7.3.2  实战案例：带异常恢复的数据分析工作流 187

7.3.3  案例代码解析 192

7.4  本章小结 195

第8章  智能体（Agent）集成 196

8.1  将LangChain Agent作为特殊节点 196

8.1.1  技术详解 196

8.1.2  实战案例：财务分析Agent节点 197

8.1.3  案例代码解析 200

8.2  构建智能体主管 201

8.2.1  技术详解 201

8.2.2  实战案例：多领域智能体主管 202

8.2.3  案例代码解析 207

8.3  实现多智能体协作工作流 208

8.3.1  技术详解 208

8.3.2  实战案例：电商客服多智能体协作 209

8.3.3  案例代码解析 214

8.4  处理智能体的工具调用与输出解析 215

8.4.1  技术详解 215

8.4.2  实战案例：智能工具调用与输出解析 216

8.4.3  案例代码解析 222

8.5  本章小结 223

第3篇  实战应用篇

第9章  构建客户支持聊天机器人 226

9.1  项目概述 226

9.2  项目架构设计 227

9.3  项目关键技术 229

9.3.1  初始化模型 229

9.3.2  构建图结构与定义节点的逻辑 230

9.3.3  连接节点与转向边缘 232

9.3.4  LangSmith追踪 233

9.4  项目代码实现 235

9.5  本章小结 241

第10章  构建旅行规划智能体 242

10.1  项目概述 242

10.2  项目架构设计 242

10.2.1  核心功能模块设计 243

10.2.2  LangGraph状态机设计 244

10.2.3  模块化分层设计 244

10.3  项目关键技术 248

10.3.1  实现基础LangGraph对话流 248

10.3.2  集成3个外部工具（天气、酒店、景点） 259

10.3.3  添加记忆机制与用户偏好存储 266

10.4  项目代码实现 271

10.5  本章小结 292

第11章  构建电商客服退款处理智能体 293

11.1  项目概述 293

11.2  项目架构设计 294

11.2.1  config/settings（配置模块） 294

11.2.2  tools/（外部工具调用模块） 295

11.2.3  agents/（智能体核心模块） 296

11.2.4  graph/（LangGraph定义） 297

11.2.5  Interface/（交互界面） 300

11.2.6  main.py（项目入口） 301

11.3  项目代码实现 302

11.4  本章小结 311

第12章  构建股票趋势预测智能分析系统 313

12.1  项目概述 313

12.2  项目架构设计 314

12.3  项目关键技术 315

12.3.1  LLM调用与配置方案 315

12.3.2  智能体核心模块 316

12.3.3  交互界面与项目入口 317

12.3.4  项目落地 317

12.4  项目代码实现 318

12.5  本章小结 327

编辑推荐

（1）AI应用开发专家、广工大副教授、东北大学计算机应用博士邓立国开发团队最新力作。

（2）全程示例与实战案例引导，所有代码经过测试均能运行无误。

（3）所有实战案例可作为课程论文素材，随意复用，随意修改。

（4）详解LangGraph核心概念与组件，通过智能体案例掌握工具、记忆功能、RAG检索等核心能力。

（5）深入工作流设计、多智能体协作与状态管理，梳理复杂业务逻辑，构想Agent设计方案。

（6）聚焦四大工业级场景（客服、旅行规划、电商退款、股票趋势预测），覆盖完整智能体开发闭环。

（7）《LangGraph开发AI Agent实践》配套示例代码、PPT课件、读者交流微信群。

本书特色

本文部分内容摘自《LangGraph开发AI Agent实践》，具体内容请以书籍为准。

LangGraph开发AI Agent实践——jd