用途：该技能面向使用 LangGraph 与 LangChain 构建多智能体系统的场景，提供经生产验证的编排模式与状态管理方法，适用于 3 个以上专用智能体的系统、需要编排的复杂工作流、对成本敏感的生产部署以及多 LLM 供应商的企业应用。
主要能力：提供三种编排模式选择——Supervisor（清晰层级、集中路由，3-10 个智能体）、Swarm（对等协作、动态交接，5-15 个）、Master（学习型系统、复杂工作流，10-30+）。状态层以 TypedDict 与 Annotated[..., add_messages] 实现消息自动合并，并支持 next_agent 交接字段。多供应商配置通过 lang-core 的 get_llm_for_task(priority=...) 按成本、质量、速度或本地自动选择模型，例如 COST 对应 DeepSeek、QUALITY 对应 Claude、SPEED 对应 Cerebras、LOCAL 对应 Ollama。工具按领域分组以保持模块化与可测试性。
使用方式：先定义状态 schema，再按场景选择编排模式，路由使用条件边而非硬编码路径，并设置终止条件防止无限循环。生产部署可结合 lang-core 的中间件（成本追踪、预算控制、重试、缓存、PII 安全）、LangSmith 追踪、Celery 后台执行与 Redis 分布式锁。
限制与注意：资料明确要求不使用 OpenAI；需为状态添加 add_messages reducer 以避免状态不更新，为条件边添加终止条件以避免死循环，简单任务路由到更便宜模型以控制成本，并启用 checkpointer 或记忆系统防止上下文丢失。具体价格、平台支持范围等细节暂未提供。