langchain-embeddings-search
基于 LangChain 1.0 构建与查询向量库的技能，重点规避评分语义翻转、嵌入维度不匹配、重排器评分相对性等常见陷阱，涵盖嵌入模型选择、向量库创建、评分归一化、混合检索与重排。
Skill 广场
找到适合任务的 Agent Skill，阅读介绍并复制安装命令。
更新于 11-11 00:16
智能体与模型
26,079 个结果
langchain-eval-harness
为 LangChain 1.0 链与 LangGraph 1.0 智能体构建可复现评测流水线的技能：版本化 golden 数据集、LangSmith evaluate()、ragas RAG 指标、deepeval LLM 评判、轨迹评分与 PR 回归门禁。
langchain-langgraph-agents
本技能介绍如何用 LangGraph 1.0 的 create_react_agent 构建正确的 ReAct 智能体，重点解决两类常见故障：模糊提示导致循环触顶（默认 recursion_limit=25，可能产生高额费用），以及旧版 AgentExecutor 静默吞掉工具错误。内容涵盖用 @tool 与 Pydantic 定义带类型 schema 的工具、用 create_react_agent(model, tools, checkpointer=MemorySaver()) 构建智能体、以 {"messages": [...]} 和线程级 config 调用、按智能体深度设置 recursion_limit（交互式 5-10、任务型 10-15、规划型 20-30、多智能体 40+）、通过中间件添加每会话 token 预算、以及默认抛出并传播工具错误。还给出 create_react_agent、自定义 StateGraph、supervisor 与旧版方案的选型决策表，以及常见错误与修复。依赖 Python 3.10+、langgraph >= 1.0, < 2.0、langchain-core >= 1.0, < 2.0 及至少一个模型提供商包。
langchain-langgraph-basics
面向 Python 的 LangGraph 1.0 StateGraph 基础技能，讲解带 reducer 的 TypedDict 状态、节点与条件边、编译与检查点、递归预算，以及 P16/P18/P20/P55/P56 等常见陷阱的规避方法。
langchain-langgraph-checkpointing
面向 LangGraph 的检查点（checkpointing）实践技能，讲解如何用 MemorySaver、SqliteSaver、PostgresSaver 正确持久化智能体状态，涵盖 thread_id 纪律、状态 JSON 可序列化规则、Postgres 建表迁移与时间旅行调试，并列出常见陷阱与修复方式。
langchain-langgraph-human-in-loop
面向 LangGraph 1.0 的人在回路审批流程技能：用 interrupt_before/interrupt_after 与内联 interrupt() 暂停图，用 Command(resume=...) 恢复，并处理 JSON 可序列化状态、审批 UI 与拒绝路由。
langchain-langgraph-streaming
面向 LangGraph 1.0 的流式输出技能：按 UI 形态选择 stream_mode（messages/updates/values），用 FastAPI 搭建 SSE 或 WebSocket 端点，配置防代理缓冲响应头，并在服务端过滤 astream_events v2 事件。
langchain-langgraph-subgraphs
面向 Python 的 LangGraph 1.0 子图组合技能，讲解父子图共享状态键传播、Send 扇出与 Command(graph=...) 调度、回调作用域、子图递归预算及隔离测试，帮助避免状态静默丢失与回调不触发等问题。
langchain-middleware-patterns
面向 LangChain 1.0 链与 LangGraph 1.0 智能体的中间件模式技能，定义 redact→guardrail→budget→cache→retry→model 的规范顺序，提供 PII 脱敏、注入防护、令牌预算、工具感知缓存键、重试遥测与顺序不变式测试，避免跨租户 PII 泄漏、重复计费与缓存污染。
langchain-model-inference
面向 LangChain 1.0 的 Python 模型推理技能，统一调用 Claude、GPT-4o 与 Gemini，重点规避内容块形状、流式 token 统计与结构化输出等常见坑，并提供超时、重试与工厂式路由的版本安全默认值。
langchain-otel-observability
将 LangChain 1.0 / LangGraph 1.0 的追踪接入 OpenTelemetry 原生后端（Jaeger、Honeycomb、Grafana Tempo、Datadog），配置内容捕获策略、子图回调传播与五项 LLM 专属 SLO（p95/p99 延迟、错误率、单请求成本、TTFT）及燃烧率告警。
langchain-prompt-engineering
面向 LangChain 1.0（Python）的提示词工程技能：把散落的提示词整理为 prompts/ 模块，用 LangSmith 提示词中心做版本管理与按提交哈希固定，处理 f-string 花括号崩溃、Claude XML 标签约定、动态少样本选择与提示词 A/B 测试。
langfuse-webhooks-events
配置 Langfuse Webhook，在提示词版本创建、更新或删除时接收事件通知，用于触发 CI/CD、同步外部系统或通过 Slack 通知团队。
lindy-ci-integration
用于为 Lindy AI 智能体集成配置 CI/CD 流水线的技能，覆盖 webhook 接收器、回调处理与错误处理的自动化测试，可在不访问 Lindy 线上端点的情况下验证签名校验与载荷处理。
lindy-common-errors
Lindy AI 智能体常见错误排查指南，覆盖触发器、动作、条件分支与退出条件等失败类型，提供症状、原因、诊断命令与修复方法，并附调试清单与错误处理建议。
lindy-cost-tuning
Lindy Cost Tuning 是一份用于优化 Lindy AI 成本的技能指南，通过信用额度管理、模型选型和智能体合并来降低支出，适用于分析信用使用模式或压缩预算的场景。
lindy-hello-world
Lindy Hello World 是一个入门级技能，用于创建第一个 Lindy AI 智能体：Webhook Received 触发器 → LLM 处理 → Slack 通知，演示触发器、智能体步骤与动作三大核心构件。
lindy-incident-runbook
面向 Lindy AI 智能体故障与中断的事件响应手册，覆盖平台宕机、单个智能体失败、集成授权过期、额度耗尽与 Webhook 端点故障，提供分级、诊断命令、处置剧本与事后报告模板。
lindy-install-auth
本技能用于完成 Lindy 账户的接入与认证配置，重点是为 Lindy 的 webhook 触发器设置 bearer 认证。Lindy AI 是一个无代码/低代码 AI 智能体平台，智能体（称为 Lindies）在其网页仪表盘中构建。该技能指导用户创建 webhook 触发器、生成并保存 bearer 密钥、通过 curl 验证带认证的连通性，以及验证未认证请求会被拒绝。适用于 Lindy 入门、为 webhook 触发器配置 bearer 认证，或连接相关服务的场景。技能强调凭据应存放在密钥管理器中，触发器凭据与回调凭据需相互独立，并输出经过脱敏的配置回执。
lindy-performance-tuning
面向 Lindy AI 智能体的性能调优技能：通过单变量、可度量的受控实验，改善智能体工作流的执行速度、可靠性与额度/成本消耗。适用于智能体响应慢、消耗额度过高或输出不稳定的工作区。
lindy-prod-checklist
用于 Lindy AI 智能体部署的生产就绪检查清单。在将智能体投入生产、审计在线智能体或验证上线时使用，通过可验证证据给出 GO/NO-GO 决策。
lindy-reference-architecture
面向 Lindy AI 智能体集成的参考架构技能，帮助在不虚构公开 SDK 或控制面 API 的前提下选择集成形态。核心边界是仪表盘创建的 Lindy webhook 触发器，可选配 HTTP Request 或回调动作做外发投递。
lindy-sdk-patterns
Lindy 集成模式技能：用 Webhook Received、HTTP Request、Run Code 与回调 POST 构建集成，强调信任边界、凭据分离与数据最小化。非 SDK 指南，资料指出 Lindy 公开文档未提供包、客户端、API Key 等 SDK 面。
lindy-upgrade-migration
用于规划与验证 Lindy 智能体配置变更、平台更新与迁移的技能，通过工作区 UI 的版本历史、测试面板和任务视图完成回滚锚定、受控测试、审批、切换与验证，不涉及 SDK、API 密钥或 CLI。