该技能是一份 LangGraph 开发指南，用节点（步骤）与边（转移）组成的图来构建有状态 AI 智能体与工作流，语言为 Python。
用途：搭建从简单问答机器人到工具调用智能体、结构化多步流程、长期记忆、人机协同、多智能体系统及生产部署等场景。
主要能力与覆盖主题：快速开始（带记忆的最小聊天机器人）、常见构建场景（简单聊天/Q&A、工具调用智能体、结构化工作流、长期记忆、Human-in-the-Loop、调试与生产监控、多智能体、生产部署）、核心原则、开发流程、常见陷阱、环境搭建、快速验证与 API 要点。
核心用法要点：以 StateGraph 定义状态；节点函数签名为 def node(state: State) -> dict；用 add_node、add_edge、add_conditional_edges 连接图；用 checkpointer=InMemorySaver() 编译以获得记忆，调用时传 config={"configurable": {"thread_id": "..."}} 标识会话。列表累积字段需用 Annotated[list, operator.add]。核心原则包括状态保持原始数据、节点单一职责、路由显式化、列表用聚合器、按错误类型分别处理。
环境搭建（命令保持原样）：pip install -U langgraph；pip install langchain-openai；pip install langchain-anthropic；pip install langgraph-checkpoint-postgres；pip install langsmith。环境变量：export OPENAI_API_KEY="sk-..."、export ANTHROPIC_API_KEY="sk-ant-..."、export LANGSMITH_API_KEY="ls-..."、export LANGSMITH_TRACING=true。
限制：资料未提供具体价格、平台可用性或效果数据；正文中提到的各专题（如工具智能体、工作流、持久化、多智能体、生产部署等）均以引用文件形式指向 references/ 下的文档，页面未给出其具体内容。涉及 LangGraph Platform 的云或自托管部署细节，资料亦未展开。