LangChain、LangGraph 与 Deep Agents
梳理三个项目解决的问题、抽象层级，以及它们在 Agent 应用栈中的位置。
AI Agent · ACTIVE
LangChain
从核心抽象走到生产运行时的完整学习路径。
适合谁正在构建第一个或下一个 Agent 应用的开发者
先修知识Python / TypeScript 基础，了解大语言模型 API
进度5 / 15 篇已发布
状态持续更新
Learning path / 学习路径
按顺序构建理解
什么是 AI Agent：从循环而非拟人化开始
不从角色、性格或自主性出发，而从状态、动作与反馈循环给出一个工程上可用的定义。
Messages 不只是聊天记录
理解消息如何成为 Agent 的可序列化状态，以及 tool calls、响应与上下文之间的关系。
理解 LangChain Agent Runtime
从执行循环、状态与中间件三个层次，建立一个能用于真实工程决策的 Agent Runtime 心智模型。
把 Agent Tools 做成可靠的工程接口
从 schema、错误边界、幂等性和可观测性出发，设计模型真正用得好的工具。
Structured Output
计划中，发布后开放阅读。
Streaming
计划中，发布后开放阅读。
Middleware
计划中，发布后开放阅读。
Human-in-the-loop
计划中，发布后开放阅读。
Short-term Memory
计划中，发布后开放阅读。
Long-term Memory
计划中，发布后开放阅读。
Context Engineering
计划中，发布后开放阅读。
State & Runtime
计划中，发布后开放阅读。
Guardrails
计划中，发布后开放阅读。
Agent 实战
计划中，发布后开放阅读。