用途：面向需要显式结构的生产级 AI 智能体开发，用图结构让流程可见、可调试，适合多步骤、多角色、有状态的工作流。
主要能力：图拓扑设计；状态 schema 模式；条件分支；循环与防止死循环；基于 checkpointer 的持久化策略；人机协同（human-in-the-loop）模式；工具集成；错误处理与恢复；ReAct 智能体模式。资料称其被 LinkedIn、Uber 等 400 多家公司用于生产环境。
使用方式：该技能定位为“LangGraph Agent Architect”。资料提示在执行前先阅读详细指南，其中保留完整流程与参考资料，并将其中的安全、前置条件与验证要求视为强制。针对性工作可加载相关章节，端到端工作需通读全文。
适用触发场景：涉及 langgraph、langchain agent、stateful agent、agent graph、react agent、agent workflow、multi-step agent 等任务。
前置条件与要求：需 Python 熟练度、LLM API 基础、异步编程概念、图论基础；环境需 Python 3.9+、langgraph 包、LLM API 访问（如 OpenAI、Anthropic 等），并理解图概念。
限制：仅在任务明确匹配上述范围时使用；输出不能替代针对具体环境的验证、测试或专家审查；若缺少必要输入、权限、安全边界或成功标准，应停止并请求澄清。具体安装命令、代码示例与详细指南全文资料暂未提供。