用途：本技能面向 LangGraph AI 应用的构建、管理与部署，适合需要构建有状态多代理应用、设计复杂 AI 工作流、实现 RAG 系统、搭建多 Agent 协作（Supervisor、Swarm 模式）、需要持久化执行与人机协作，以及从开发到生产完整部署和性能监控调试的场景。
主要能力：LangGraph 为低级编排框架，用于构建、管理和部署长期运行的有状态代理，支持持久化执行（检查点、状态恢复、容错）、综合内存管理（短期与长期记忆、上下文窗口优化）、人机协作（审批、干预、交互式决策）和生产就绪部署。核心 API 组件包括 StateGraph、MessageGraph、CompiledGraph、CheckpointSaver（支持 MySQL、Redis、PostgreSQL），以及 LLM 节点、工具节点、条件节点、自定义节点。常见模式有 RAG 系统、Supervisor/Swarm/ReAct 多代理协作和企业级生产应用。
使用方式：按设计、实现、测试、部署四阶段推进。设计阶段可用 scripts/design_workflow.py 设计架构，参考 references/architecture_patterns.md 选择模式；实现阶段用 scripts/generate_template.py 生成模板，参考 references/api_reference.md 与 best_practices.md；测试阶段用 scripts/test_agent.py 做单元测试，用 langgraph-studio 本地调试，集成 LangSmith 监控评估；部署阶段使用 assets/templates/production_ready/ 配置，参考 references/deployment_guide.md，用 scripts/monitor.py 监控。资源还包括 setup_environment.py、checkpoint_analyzer.py、performance_monitor.py、deploy_helper.py，以及 basic_agent、rag_system、multi_agent、production_ready 等模板和 diagrams、config_files、example_projects。
限制：需 Python 3.8+ 环境并安装必要依赖，推荐使用虚拟环境隔离项目；生产环境需考虑安全性与性能优化，并定期更新 LangGraph 版本。具体安装命令、价格与平台支持等资料暂未提供。