返回博客
zijieLeo Docs
阅读进度0 / 6
  • 一张图看懂 Agent 技术栈
  • 前置地基:LLM API 与 Prompt 基础
  • 20 分钟跑通第一个应用
  • 知识库与 RAG:喂进你的商品 FAQ
  • 工作流编排:节点、条件与变量
  • 实战:用 Dify 复刻烹饪助手
  • LangChain.js 第一步:模型 IO 与流式
  • 工具调用:从原生 FC 到框架 Tools
  • MCP 协议:工具接入的事实标准
  • 记忆与多轮对话
  • RAG 代码化:拆开 Dify 的黑盒
  • 实战:重构 cooking-app 的 AI 服务
  • 为什么需要 LangGraph
  • StateGraph 核心:状态、节点与路由
  • 循环与 ReAct:用图重写 Agent 循环
  • Human-in-the-loop 与检查点
  • 多 Agent 协作:宠物日记工作流
  • TS 还是 Python:一次真实的技术决策
  • RAG 深水区:从能用到好用
  • 部署、可观测与面试准备
Agent 实战:从 Dify 到 LangGraphLangGraph 篇
实战30 分钟

多 Agent 协作:宠物日记工作流

实战锚点 · lovelyPet:supervisor 模式实战,给萌宠日记生成做多 Agent 编排。

本章正在写作中——先看导读了解要讲什么,内容会按连载计划更新。

正文即将上线。

上一章Human-in-the-loop 与检查点下一章TS 还是 Python:一次真实的技术决策
章节导航
阅读进度0 / 6
  • 一张图看懂 Agent 技术栈
  • 前置地基:LLM API 与 Prompt 基础
  • 20 分钟跑通第一个应用
  • 知识库与 RAG:喂进你的商品 FAQ
  • 工作流编排:节点、条件与变量
  • 实战:用 Dify 复刻烹饪助手
  • LangChain.js 第一步:模型 IO 与流式
  • 工具调用:从原生 FC 到框架 Tools
  • MCP 协议:工具接入的事实标准
  • 记忆与多轮对话
  • RAG 代码化:拆开 Dify 的黑盒
  • 实战:重构 cooking-app 的 AI 服务
  • 为什么需要 LangGraph
  • StateGraph 核心:状态、节点与路由
  • 循环与 ReAct:用图重写 Agent 循环
  • Human-in-the-loop 与检查点
  • 多 Agent 协作:宠物日记工作流
  • TS 还是 Python:一次真实的技术决策
  • RAG 深水区:从能用到好用
  • 部署、可观测与面试准备
zijieLeo Docs · 我的电子书架