当 Agent 需要回答它"不知道"的问题时，RAG 就是答案

🎯 从"随机应变"到"有章可循"—— LangGraph 用状态图编排复杂的 Agent 行为

从"黑盒运行"到"全链路透明"——用 LangSmith 追踪 Agent 的每一步决策

本文将带你从概念到代码，一步步构建一个真正可用的 AI Agent

AI Agent 进阶：智能记忆管理与 Token 优化，当你的 Agent 聊得越来越久，成本和性能问题就来了

🎯 从"能用"到"好用"——引入 LangChain 生态，提升检索质量; RAG 技术升级，更高效，更准确的检索效率

🎯 从"只会说"到"能行动"——Tool Use / Function Calling 让 Agent 真正能做事

当 Agent 需要回答它"不知道"的问题时，RAG 就是答案

本文以「卖场模式问题排查」为例，介绍如何通过 AgentSkill + MCP 将重复性问题排查工作自动化、标准化，让任何人都能快速上手解决问题。

从"黑盒运行"到"全链路透明"——用 LangSmith 追踪 Agent 的每一步决策