解决什么问题：从单次问答到复杂业务流
很多做业务开发的人，用大模型接口写过几次单轮问答，就觉得已经搞懂智能体了。但真到企业场景里，需求往往是多步骤的：先查内部数据库，再调外部接口，中间还要根据条件分流，甚至需要几个不同职能的智能体互相协作。用普通的提示词或者基础链式调用硬写，代码很快会变成一团乱麻，状态没法管理，报错也难以定位。这门课解决的就是这个断层——把大模型从单纯的“文本生成器”变成可控的、有状态的复杂业务流。它讲的是怎么用图结构来编排节点和边，让智能体的每一步执行、状态传递和条件跳转都有明确的代码逻辑兜底，而不是靠玄学提示词去赌输出结果。
适合什么基础与建议先看哪几块
这套资料不适合零基础。看之前你得有 Python 语法基础，写过基本的函数和类，并且能用标准库或者大模型官方 SDK 跑通最简单的对话接口。如果连环境变量配置和异步请求都卡壳，建议先补这些前置知识再来看。对于已经有这些基础的人，建议直接从框架对比和核心结构设计这几块入手。先弄明白它和普通链式调用的本质区别在哪，为什么要引入图状态，然后再看节点和边是怎么设计的。这部分搞懂了，后面的实战内容才不会像听天书。不要一上来就死磕复杂的企业级落地案例，基础结构没吃透，看实际业务流只会觉得云里雾里。
学完能做什么与资料配合方法
学完这套东西，你能独立搭出一个多步骤的智能体工作流。比如一个客服系统：第一个节点做意图识别，根据识别结果走不同分支去查订单或查物流，最后再汇总输出。你能自己定义状态结构，控制节点之间的跳转条件，把原本写成一长串的判断逻辑拆成清晰的模块。配合资料练习时，不要光看视频跟着点头。建议自己起一个空项目，把文档和示例代码对着抄一遍，跑通最基础的图结构后，再故意改掉几个参数或者打断某条边，看它报什么错。只有自己把状态流转和节点通信的代码敲过、调过，遇到真实业务时才知道怎么把需求拆成节点去实现。看懂和能写出来之间，差的就是这种自己动手踩坑的过程。
多智能体开发的技能；企业级智能体落地
课程目录
* 01 LangGrpah基础/
* 01 01 Agent智能体开发当今的尬尴局面.mp4 (31.22 MB), 13:11
* 02 02 Agent智能体开发框架哪个好.mp4 (15.22 MB), 06:10
* 03 03 如何学习一个Agent智能体框架.mp4 (18.29 MB), 08:18
* 04 04 LangChain和LangGraph的本质区别.mp4 (74.86 MB), 17:04
* 05 05 LangGprah结构-Graph类设计.mp4 (30.72 MB), 07:58
* 06 06 LangGprah结构-GraphState类设计.mp4 (37.21 MB), 09:04
* 07 07 LangGprah结构-Nodes和Edges类设计.mp4 (29.01 MB), 05:44
* 08 08 LangGraph快速入门案例实践.mp4 (46.39 MB), 09:07
* 02 LangGraph进阶/
* 01 09 State核心-State状态模式.mp4 (31.64 MB), 06:20
* 02 10 State核心-Graph可视化.mp4 (21.95 MB), 04:23
* 03 11 State核心-Reducer函数机制.mp4 (42.70 MB), 09:59
* 04 12 基于State构建消息传递机制.mp4 (44.31 MB), 06:50
* 05 13 MessageGraph实践.mp4 (51.84 MB), 11:40
* 06 14 LangSmith监控神器.mp4 (19.03 MB), 04:50
* 07 15 LangGraph与LangSmith整合.mp4 (36.17 MB), 08:01
* 08 16 LangGraph四大代理架构.mp4 (27.20 MB), 09:19
* 09 17 Router Agent-逻辑初探.mp4 (22.49 MB), 06:25
* 10 18 Router Agent-应用程序构建.mp4 (12.96 MB), 03:20
* 11 19 Router Agent-结构化输出-提示词工程.mp4 (27.81 MB), 07:31
* 12 20 Router Agent-结构化输出-基于内置工具.mp4 (45.24 MB), 08:15
* 13 21 基于结构化输出构建Router图.mp4 (85.27 MB), 15:26
* 14 22 Tool Calling Agent-核心原理.mp4 (74.74 MB), 13:22
* 15 23 Tool Calling Agent-完整案例演示.mp4 (51.37 MB), 08:50
* 16 24 手动构建Tool Calling Agent.mp4 (46.05 MB), 09:13
* 17 25 ReAct Agent-运行流程回顾.mp4 (28.97 MB), 12:02
* 18 26 ReAct Agent-LangChain实现方式.mp4 (51.15 MB), 10:49
* 19 27 ReAct Agent-LangGraph实现方式.mp4 (11.67 MB), 03:56
* 20 28 ReAct Agent-实操-工具准备(1).mp4 (36.84 MB), 06:36
* 21 29 ReAct Agent-实操-原理剖析(2).mp4 (28.47 MB), 06:49
* 22 30 ReAct Agent-实操-效果测试(3).mp4 (64.01 MB), 11:50
* 23 31 事件流-流输出模式.mp4 (40.21 MB), 09:17
* 24 32 事件流-流输出模式测试.mp4 (79.50 MB), 13:47
* 25 33 事件流-事件流应用.mp4 (54.75 MB), 09:30
* 26 34 长短期记忆-目前应用程序存在的问题.mp4 (65.41 MB), 13:37
* 27 35 长短期记忆-长短期记忆的区别.mp4 (23.05 MB), 05:51
* 28 36 长短期记忆-短期记忆实现原理.mp4 (62.91 MB), 13:56
* 29 37 长短期记忆-基于MemorySaver实现短期记忆.mp4 (83.22 MB), 14:12
* 30 38 长短期记忆-基于SqliteSaver实现短期记忆.mp4 (42.98 MB), 08:19
* 31 39 长短期记忆-实现带有记忆的智能天气助手.mp4 (75.52 MB), 11:34
* 32 40 长短期记忆-基于Store实现长期记忆.mp4 (47.60 MB), 11:05
* 33 41 人机交互-Agent中为什么需要人机交互.mp4 (13.94 MB), 05:22
* 34 42 人机交互-LangGraph的人机交互实现原理.mp4 (20.25 MB), 06:59
* 35 43 人机交互-Graph中添加断点实践.mp4 (114.51 MB), 20:03
* 36 44 人机交互-Graph中添加动态断点实践.mp4 (53.18 MB), 10:58
* 37 45 人机交互-Graph中添加动态断点代码编写.mp4 (53.13 MB), 11:11
* 38 46 人机交互-Graph中添加动态断点测试.mp4 (105.25 MB), 18:47
* 03 LangGrpah实战/
* 01 47 多代理-5个AI阶段.mp4 (21.37 MB), 06:13
* 02 48 多代理-单代理架构缺陷.mp4 (31.39 MB), 09:02
* 03 49 多代理-Multi Agent架构类型.mp4 (20.64 MB), 04:53
* 04 50 多代理-父子图之间的消息传递(上).mp4 (63.77 MB), 10:59
* 05 51 多代理-父子图之间的消息传递(下).mp4 (45.43 MB), 07:53
* 06 52 多代理-Network多代理需求分析(1).mp4 (61.16 MB), 14:01
* 07 53 多代理-Network多代理代码编写(2).mp4 (93.87 MB), 17:53
* 08 54 多代理-Network多代理功能测试(3).mp4 (29.80 MB), 05:27
* 09 55 多代理-Magentic-One原理剖析.mp4 (43.32 MB), 07:44
* 10 56 多代理-Supervisor原理剖析与代码实践.mp4 (75.91 MB), 12:39
* 11 57 多代理-基于Supervisor架构实现多代理系统.mp4 (60.87 MB), 10:34
* 12 58 Multi Agent-GrpahRAG的原理(1).mp4 (25.72 MB), 08:52
* 13 59 Multi Agent-Neo4J入库（2）.mp4 (49.55 MB), 07:44
* 14 60 Multi Agent-图数据库效果测试(3).mp4 (39.18 MB), 07:20
* 15 61 Multi Agent-向量数据入库(4).mp4 (76.52 MB), 15:01
* 16 62 Multi Agent-最终效果验证(5).mp4 (16.60 MB), 02:58
* 17 63 LangGraph课程总结.mp4 (6.85 MB), 03:18
