② ConversationBufferWindowMemory：缓冲窗口记忆，通过设定 k 值，只保留一定数量（2*k）的对话信息作为历史。① ConversationBufferMemory：缓冲记忆，最简单，最数据结构和提取算法不做任何处理，将所有对话信息全部存储作为记忆。使用 LangChain 实现一个案例，让 LLM 应用拥有 2 轮的对话记忆，超过 2 轮的记忆全部遗忘。("syst

FileChatMessageHistory 会将对话历史存储到本地的文件中，可以使用这个记忆组件结合原生的 OpenAI SDK 来实现在命令行界面实现带有记忆功能的对话功能，并且关闭某次对话后，下次运行代码，读取到对应的文件时，仍然可以记忆之前对话的内容。可以看到，一个记忆类是由 历史消息的存储 与 记忆的处理逻辑 两个部分组成的，在 LangChain 中，也是类似的思路。将历史信息代码进行

文章摘要：本文探讨了函数调用中的错误处理策略以提升程序健壮性。首先演示了使用try/except捕获工具错误的方法，通过将错误信息返回给LLM实现参数自动补全。其次介绍了两种进阶处理方案：1)模型回退策略，在出错时切换到更强大的模型；2)携带错误信息的重试机制，让LLM根据错误反馈自我纠正。文中提供了完整的代码示例，展示了如何实现这些错误处理技术，特别强调了在工具内部捕获错误并返回可读信息的重要性

本文介绍了如何在LangChain中对接自定义向量数据库。由于向量数据库发展迅速且各具特点，LangChain无法全部集成，因此需要自定义实现。实现方式有两种：继承现有数据库类进行扩展，或继承VectorStore基类对接新数据库。后者需实现三个核心方法：add_texts（添加数据）、similarity_search（相似性搜索）和from_texts（构建数据库）。文章提供了一个基于内存的欧

摘要：文章介绍了LangGraph中子图结构的设计与应用，通过创建多图结构实现多智能体协作。以"营销智能体"为例，展示了如何并行生成直播带货脚本和小红书推广文案的技术实现。文中详细说明了状态管理、归纳函数定义及代码实现过程，并比较了单图与多图结构的优劣，指出多图结构更利于功能扩展和状态隔离。最后给出了完整的Python代码示例和输出结果，演示了两个智能体协同工作的效果。

本文探讨了LLM应用开发中组件嵌套调用的优化方法。首先指出多组件invoke嵌套的三大缺陷：可维护性差、调试困难、扩展性受限。随后提出两种解决方案：1）自定义Chain类，通过平级调用序列组件；2）利用LangChain的Runnable协议和LCEL表达式（|运算符），实现更简洁的链式调用。文章详细展示了两种方案的具体实现，并指出Runnable协议底层同样采用顺序执行策略，但提供了更丰富的标准

本文解析了LangChain中AgentExecutor的核心运行机制，其通过循环执行工具调用和观察反馈实现智能体功能。作者指出传统Agent组件存在循环步骤单一、多Agent协作困难、扩展性差等缺陷，并介绍了LangChain通过LCEL表达式和LangGraph的改进方案，使复杂Agent工作流的开发变得更加简单可控。最后强调在简单场景下传统Agent仍具参考价值，但复杂应用需结合LangGr

本文介绍了LangChain中Agent智能体的核心概念与实现方法。Agent通过五个步骤（输入理解、计划定制、工具调用、结果整合、反馈循环）处理复杂任务，特别适用于工具使用顺序不确定的场景。重点讲解了ReACT架构（推理+行动）的实现，通过示例展示了如何创建带有谷歌搜索功能的Agent。同时指出了ReACT的缺陷：对大语言模型输出格式的强依赖性，当输出不符合预期格式（如缺少FinalAnswer

文章摘要： 本文介绍了LangGraph中的检查点(Checkpoint)功能及其应用。检查点类似于游戏存档点，用于记录程序运行状态，支持回溯和恢复。在LangGraph中，检查点与线程ID绑定，实现多线程对话的独立状态管理。文章展示了如何通过MemorySaver实现记忆功能，并介绍了Postgres、MongoDB等持久化检查点的使用方法。最后指出自定义检查点实现较复杂，建议后续在实际项目中详

本文介绍了LangGraph中预构建智能体的使用方法和核心组件。主要内容包括：1）通过预构建函数快速创建ReACT智能体和工具调用智能体；2）展示了完整实现示例，包括工具定义、模型创建和智能体调用流程；3）详细解析了LangGraph内置的高频组件，如MessagesState、ToolNode、ValidationNode和InjectedState的功能与使用方式。这些预构建组件能显著简化开发