全部文档 / 作者: Jaydeep / 标签: LangGraph

2 篇

10 AI Agent Projects That Take You From Tool Calling to Autonomous Systems

文章介绍了10个循序渐进的 AI Agent 实战项目，帮助开发者从简单的工具调用进阶到自主智能体系统。项目包括：工具调用 Agent、ReAct 推理循环、多工具选择、记忆 Agent（短期与长期记忆）、规划 Agent（任务分解）、反思 Agent（自我评估与修订）、多 Agent 协作系统、研究 Agent、编码 Agent 等。文章通过架构图、技术栈（Python、OpenAI、LangGraph、Pydantic）和学习要点，阐述了智能体设计中的核心问题：工具选择、记忆管理、任务分解、错误恢复、自我验证及多 Agent 协调等。

技术 › Agent

Jaydeep 2026-10-0512.7 KB 17.4K 254 73

AI Agent 工具调用 ReAct 记忆机制多智能体 LangGraph 任务规划反思机制编码Agent 实战项目

10 个带你从基础检索到生产级 AI 系统的 RAG 项目

文章指出仅掌握基础的'chat with PDF'式 RAG 流水线（分块、嵌入、向量检索、LLM）不足以构建真实生产系统，并推荐 10 个进阶项目：混合检索（BM25+向量）、元数据过滤、重排序、上下文分块、SQL+向量混合、知识图谱+向量、纠错式 RAG、自感知 RAG、多模态等。每个项目均说明要解决的问题、系统架构、技术栈（Python、pgvector、LangGraph、Neo4j 等）及学习要点，帮助开发者从语义相似度走向关键词匹配、结构化过滤、关系推理与检索质量反馈等生产级能力。

技术 › LLM

Jaydeep 2026-09-2912.2 KB 22.5K 314 78

RAG 向量检索 LLM 混合搜索重排序知识图谱 LangGraph 生产级AI 嵌入式检索多模态