概念核心要点State工作流的共享数据，用 TypedDict 定义；表示追加语义Node接收 State，返回需要更新的字段；不能直接修改传入的 state 对象条件边根据路由函数的返回值决定下一个节点，返回值必须在 mapping 中每步自动保存状态；thread_id是会话标识符；开发用 MemorySaver，生产用 SqliteSaver 或 PostgreSQL在指定节点暂停；从断点继

概念核心要点State工作流的共享数据，用 TypedDict 定义；表示追加语义Node接收 State，返回需要更新的字段；不能直接修改传入的 state 对象条件边根据路由函数的返回值决定下一个节点，返回值必须在 mapping 中每步自动保存状态；thread_id是会话标识符；开发用 MemorySaver，生产用 SqliteSaver 或 PostgreSQL在指定节点暂停；从断点继

FastAPI 的路由系统以 Python 类型注解为核心，配合 Pydantic v2 的 Schema 声明，实现了比 Spring MVC 注解体系更简洁却同样严谨的接口契约机制；本篇为 `shop-api` 搭建完整的商品 CRUD 路由骨架

介绍 LangSmith 的链路追踪、评估数据集管理与实验对比功能，从"靠日志猜问题"升级为"用数据找问题"

本文介绍 ReAct 模式的推理原理，以及 LangChain 的 AgentExecutor 如何将工具调用循环封装为可复用的 Agent

本文从"LLM 的能力边界"切入，介绍 Tool 的本质与定义方式，深入 Tool Calling 的底层机制，并处理结构化输入与错误场景

介绍RAGAS 评估框架的核心指标与使用方法，以及如何构建评估数据集、A/B 对比不同 RAG 策略的效果

"""将 LLM 输出的多行文本解析为问题列表""""system","你是一个检索优化专家，负责将用户问题改写为多个角度的查询语句，""以便在文档库中检索到更全面的相关内容。),"human","原始问题：{question}\n\n""请从以下角度各生成一个等价问题（每行一个，共 3 个）：\n""1. 更正式/技术化的表述\n""2. 更口语化/简化的表述\n""3. 从解决方案角度的反向表

组件核心作用关键参数/选择将原始文件转为 Document 对象按文件格式选择对应 Loader将长文档切分为可检索的 chunkchunk_size（51220%）将文本映射为高维向量中文场景选 BGE 或 text-embedding-3-large存储向量并支持相似度检索开发用 FAISS/Chroma，生产用 Milvus/QdrantRetriever执行相似度搜索k=3~5，质量差时优

技巧适用场景核心价值角色设定所有场景激活模型的领域知识，划定行为边界任务分解多步推理、复杂分析降低跳步和遗漏的概率输出格式约束需要解析输出的场景使输出结构可预测，便于下游处理思维链（CoT）逻辑推理、数学计算显著提升复杂任务准确率负向约束需要限制模型行为的场景防止模型"自作聪明"，减少意外输出Few-shot 示例输出风格难以描述时直接示范比文字描述更有效🎯 提示词工程的本质是减少歧义——让模型