的编排框架，它在 LangChain 生态之上，把「大模型调用、工具调用、路由、循环、人工介入」等能力组织成一张。真实场景中，大模型调用工具后需要把工具结果再送回模型，这就形成了循环。你可以把它理解为：传统链式调用（Chain）是一条直线，而 LangGraph 是一张可以。我们从最简单的「单节点图」开始，理解 State、Node 和 Graph 的基本用法。有了循环，我们再给模型加一个「查询天

本文介绍了LoRA（低秩适应）技术在大模型微调中的核心思想与应用价值。LoRA通过冻结预训练模型权重，仅训练低秩分解矩阵（A和B），将可训练参数量降至原始模型的千分之一，使消费级显卡也能微调数十亿参数的大模型。文章详细解析了LoRA的数学原理、秩r选择策略（常用4-8）、缩放因子α的作用，并对比了其与全量微调等方法的优势：无推理延迟、支持多任务切换。LoRA已广泛应用于领域适配（如医疗/法律）、指