本文是 Agent 实战系列 Phase 3，记录如何用 LangGraph 搭建代码审查多节点工作流：安全扫描、条件分支、interrupt 人工确认、LLM 生成报告。涵盖 route_after_security 路由、Checkpointer 持久化与 scanners 自定义规则，附完整踩坑记录。

摘要： Plan-and-Execute（规划-执行范式）是AI Agent应对复杂长任务的标准架构，通过解耦规划与执行，实现“全局规划→分步执行→动态修正”的闭环流程。其核心模块包括Planner（生成结构化子任务序列）和Executor（精准执行原子任务），辅以重规划机制提升容错性。相比ReAct范式，它在长任务稳定性、成本控制、可解释性上表现更优，尤其适合企业级多步骤业务（如数据分析、自动化

Self-Ask是一种基于自问自答的推理范式，通过显式拆解子问题、查询客观事实来解决大模型的组合性推理难题。其核心流程包括接收主问题、判断信息缺口、生成子问题、调用工具查询、迭代追问和整合最终答案。相比ReAct范式，Self-Ask更擅长事实核查和多跳问答，能有效降低幻觉，但灵活性较差，不适合创意生成或复杂任务执行。落地时需根据场景特点选择：Self-Ask适合需要高可信度的信息检索类任务，而R

本文记录了在Windows系统搭建AI Agent开发环境时遇到的典型安装报错及解决方案。核心问题是由于权限不足导致python-dotenv无法更新，表现为系统文件错误。通过管理员权限终端执行pip install openai==1.73.0 click==8.3.3 python-dotenv==1.2.2即可解决。文中详细说明了环境校验方法，并强调这三个库的最新稳定版对AI Agent开发

摘要：本文介绍了如何通过LangGraph框架构建工具型Agent，使大模型具备调用外部工具的能力。从基础的"感知→决策→行动"原型出发，逐步实现天气查询、数学计算和时间查询功能，深入解析Agent与工具的交互循环机制。文章涵盖核心概念（Tool/Function Calling/ReAct范式）、项目结构、环境配置、工具定义方法，以及基于LangGraph的工作流实现细节，最终完成一个可执行实际

本文详细介绍了如何利用Python搭建一套基于RAG（检索增强生成）的文档问答系统，主要技术栈包括LangGraph、通义千问qwen-plus、DashScope text-embedding-v3和Chroma向量库。文章从RAG的核心流程、项目结构、环境准备到具体实现（文档加载、切分、向量化入库及在线检索）逐步展开，并对比了工具Agent与RAG的区别。该系统通过将私有文档转化为向量并存储，

本文分享了基于Python和OpenAI SDK搭建多轮对话AI Agent的实践经验。作者在尝试硅基流动、DeepSeek、阿里云通义千问等国内大模型服务时，遇到了密钥读取、模型禁用、接口兼容、超时等问题，最终选用阿里云百炼平台（兼容OpenAI接口）的qwen3-8b模型作为稳定方案。 文章详细记录了6个典型问题的解决方案，包括API Key读取、模型禁用、请求超时、额度不足、接口参数不兼容及

本文深入浅出地解析了AI Agent开发的底层逻辑，揭示了Agent与Tools的协作机制。文章指出，Agent作为决策大脑负责理解需求、判断工具调用，而Tools作为执行手脚完成具体操作，二者通过6步闭环循环（ReAct范式）实现复杂任务的分步执行。通过真实案例演示了多工具链式调用的全过程，并提供了一套基于LangChain+Ollama的本地可运行代码。文章还总结了新手常见误区、循环终止条件以

本周GitHub热门开源项目盘点显示三大趋势：本地自托管成为刚需，AI工具向工程化落地转型，垂直领域工具精细化发展。精选的8个高星项目包括：1）本地私有化AI工作台odysseus；2）Google出品的AI编程生产级技能集agent-skills；3）全自动短视频生成工具MoneyPrinterTurbo；4）大型代码库架构解析工具codegraph；5）可自扩展的AI智能体框架hermes-a

本周GitHub热门开源项目盘点显示三大趋势：本地自托管成为刚需，AI工具向工程化落地转型，垂直领域工具精细化发展。精选的8个高星项目包括：1）本地私有化AI工作台odysseus；2）Google出品的AI编程生产级技能集agent-skills；3）全自动短视频生成工具MoneyPrinterTurbo；4）大型代码库架构解析工具codegraph；5）可自扩展的AI智能体框架hermes-a