用途：为生产级 LangChain 1.0 / LangGraph 1.0 服务提供一套分层参考架构，把常见的架构性错误（多租户检索器在导入期绑定导致数据泄漏、内存会话历史在 Pod 重启后丢失、重试参数散落各处、配置读取方式不统一）变成难以写出的错误。
主要能力：采用五层目录结构 app / services / adapters / config / domain，依赖方向严格向下，最多五层导入深度。adapters/llm_factory.py 集中版本安全默认值（如 timeout、max_retries），链只依赖 BaseChatModel 协议；services/registry.py 提供 register / get 的链与图查找；retriever_for(tenant_id) 与 tools_for(tenant_id) 按请求构建，避免导入期绑定租户；config/settings.py 用单个 Pydantic Settings，密钥用 SecretStr，环境名用 Literal 校验；adapters/middleware.py 统一编排中间件顺序（先脱敏再缓存）；checkpointer_for(env) 在 dev 用 MemorySaver，staging/prod 用 AsyncPostgresSaver；测试在工厂边界注入假模型，集成测试用真实适配器；CI 用 import-linter 强制分层并禁止 services 直接导入厂商 SDK。
使用方式：按步骤先落地目录结构，再依次抽取配置、LLM 工厂、检索器工厂、注册表、中间件、检查点与测试，最后在 pyproject.toml 配置 import-linter 契约并在 CI 运行 lint-imports。前置条件为 Python 3.10+、langchain-core 与 langgraph 1.0.x、pydantic 2.x、pydantic-settings、import-linter 2.x，以及所需厂商包；staging/prod 检查点需 langgraph-checkpoint-postgres 与 Postgres 实例。
适用场景与限制：适合需要多租户隔离、可维护分层与可测试性的 LangChain 服务。资料未提供具体收费、价格或性能基准；示例中的模型名、索引名与 DSN 等需按实际环境替换。