最近在我们系统里想给管理端和企业端都塞一个 AI Agent，聊着聊着发现 LangChain 的 agent 这套东西比想象中好上手。底层模型用的阿里云百炼的通义千问，走的是 OpenAI 兼容接口，所以 client 写法跟调 OpenAI 几乎没差。这篇不是教程，就是把我拆出来的三个 case 文件捋一遍：从最底层的图，到带工具带护栏的 agent，凑一条能跑通的学习路径。三个文件都在cas

最近在我们系统里想给管理端和企业端都塞一个 AI Agent，聊着聊着发现 LangChain 的 agent 这套东西比想象中好上手。底层模型用的阿里云百炼的通义千问，走的是 OpenAI 兼容接口，所以 client 写法跟调 OpenAI 几乎没差。这篇不是教程，就是把我拆出来的三个 case 文件捋一遍：从最底层的图，到带工具带护栏的 agent，凑一条能跑通的学习路径。三个文件都在cas

最近在我们系统里想给管理端和企业端都塞一个 AI Agent，聊着聊着发现 LangChain 的 agent 这套东西比想象中好上手。底层模型用的阿里云百炼的通义千问，走的是 OpenAI 兼容接口，所以 client 写法跟调 OpenAI 几乎没差。这篇不是教程，就是把我拆出来的三个 case 文件捋一遍：从最底层的图，到带工具带护栏的 agent，凑一条能跑通的学习路径。三个文件都在cas

最近在我们系统里想给管理端和企业端都塞一个 AI Agent，聊着聊着发现 LangChain 的 agent 这套东西比想象中好上手。底层模型用的阿里云百炼的通义千问，走的是 OpenAI 兼容接口，所以 client 写法跟调 OpenAI 几乎没差。这篇不是教程，就是把我拆出来的三个 case 文件捋一遍：从最底层的图，到带工具带护栏的 agent，凑一条能跑通的学习路径。三个文件都在cas

学历验证是 Function Calling：模型自己决定调工具、传参，结果回喂后总结，解决"操作外部系统"。RAG是检索增强：知识先向量化存库，提问召回片段喂模型，解决"基于私有知识准确作答"。共同：走百炼地址、用 qwen 系列；都把脏活封装成独立函数、主流程只做编排。