该技能面向使用 LangChain 1.x 与 LangGraph 构建 LLM 应用的开发者，用途包括构建可调用工具的自主智能体、多步 LLM 工作流、会话记忆与状态管理、与外部数据源和 API 集成、模块化可复用组件、文档处理流水线以及生产级应用。
主要能力与包结构：langchain 负责高层编排，langchain-core 提供消息、提示、工具等核心抽象，langchain-community 提供第三方集成，langgraph 负责智能体编排与状态管理，另有 langchain-openai、langchain-anthropic、langchain-voyageai、langchain-pinecone 等集成包。
核心概念：LangGraph 提供 StateGraph 显式类型化状态、持久化执行、人机协同、短期与长期记忆、检查点保存与恢复；智能体模式含 ReAct、Plan-and-Execute、多智能体监督路由、基于 Pydantic 结构化工具调用。状态管理使用 TypedDict 或 MessagesState。记忆系统包括 ConversationBufferMemory、ConversationSummaryMemory、ConversationTokenBufferMemory、VectorStoreRetrieverMemory 与 LangGraph 检查点。文档处理涵盖加载器、文本分割器、向量存储与检索器。LangSmith 用于请求日志、token 用量、延迟、错误追踪与链路可视化。
使用方式：资料给出快速开始示例，用 create_react_agent 配合 @tool 与 MemorySaver 检查点，并以 thread_id 维持跨调用记忆；架构模式包括基于 LangGraph 的 RAG、结构化工具自定义智能体、带条件路由的多步工作流、多智能体编排；记忆部分演示内存、PostgreSQL 与向量存储方案；回调部分展示自定义 CallbackHandler 与流式输出（astream、astream_events）。
限制：资料未说明收费、价格、平台支持范围与实际效果，相关事实暂未提供；示例代码需按实际环境调整，不应直接照搬。