用途：面向使用 LangChain 1.x 与 LangGraph 构建 LLM 应用的开发者，覆盖智能体、状态管理、记忆与工具集成，适合构建自主 AI 智能体、多步骤工作流、对话记忆管理、外部数据与 API 集成、模块化可复用组件、文档处理管线及生产级应用。
包结构：langchain 1.2.x 负责高层编排，langchain-core 1.2.x 提供核心抽象（消息、提示、工具），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。
主要能力：LangGraph 提供 StateGraph 显式状态管理、持久执行、Human-in-the-Loop、短期与长期记忆、检查点保存与恢复；智能体模式包括 ReAct、Plan-and-Execute、多智能体监督路由和基于 Pydantic 模式的工具调用。状态用 TypedDict 或 MessagesState 定义。记忆方案包括 ConversationBufferMemory、ConversationSummaryMemory、ConversationTokenBufferMemory、VectorStoreRetrieverMemory 及 LangGraph 检查点。文档处理涉及加载器、文本分割器、向量存储和检索器。可观测性由 LangSmith 提供请求日志、token 用量、延迟、错误追踪与追踪可视化。
使用方式：可用 create_react_agent 配合工具与 MemorySaver 检查点创建智能体，通过 thread_id 维持跨会话记忆，并用 ainvoke 调用。测试可用 pytest 与 AsyncMock 模拟 LLM 调用。性能优化包括 Redis 缓存、异步批处理和连接池复用。示例模型引用为 claude-sonnet-5，实际可用模型与定价以官方为准。详细模式与示例见 references/details.md。限制：资料未提供收费、价格、支持平台、具体效果保证和完整 API 版本兼容性信息。