用 LangGraph 的方式学习构建 AI 智能体！为您的智能体打造一套工具箱，帮助其与 API 交互、从 CSV 文件检索数据，并运行 Python 代码！开始使用节点和边连接 LLM 与工具，循序渐进地构建单智能体系统。

用 LangGraph 的方式构建代理！

智能体工具箱：Wikipedia 工具

代理工具箱：股票数据工具

代理工具箱：Python 工具

用 LangGraph 进行智能体编排

您的第一个智能体！

将智能体建模为图

随着 AI 智能体的发展，一些典型的智能体设计模式已经浮现。本章将介绍其中两种最流行的模式：群体（去中心化）多智能体与监督者多智能体。您将看到 LangGraph 提供了丰富的功能，可用于根据您的具体场景定制多智能体系统。

该不该用工具？

条件式工具调用

一行式代理

多智能体框架

再加一个代理！

监督者代理

总结

LangGraph 多智能体

用 LangGraph 设计并构建您自己的智能体！LangGraph 是 LangChain 生态的重要组成部分，用于构建可用于生产且高度可定制的 AI 智能体。您将使用 LangGraph 构建一个具备行动能力的助手，收集财富 500 强公司的信息与股票表现数据，并通过可视化进行分析！学习最前沿的多智能体架构，包括群体（去中心化）多智能体与监督者多智能体。现在就成为 AI 智能体系统的构建者吧！

<h2>使用 LangGraph 构建 AI 智能体</h2>使用 LangGraph 设计并构建你自己的智能体！LangGraph 是 LangChain 生态系统的核心组成部分，用于构建具有高度可定制性的生产级 AI 智能体。 LangGraph 允许开发者将智能体构建为由节点和边组成的图，从而可以精细地规划信息流和决策路径，并减少意外错误混入的空间。<h2>探索新兴的多智能体架构</h2>自 AI 智能体兴起以来，已经出现了少数几种智能体设计模式，您将学习其中最受欢迎的两种：网络（或去中心化）多智能体和监督者多智能体。 通过设计一个主管代理来分配任务并促进工作代理之间的协作，从而有效管理多个代理。<h2>创建你自己的智能代理助手</h2>您将使用 LangGraph 构建一个智能代理助手，收集财富 500 强公司的信息和股票表现数据，并通过可视化进行分析！<br><br>你将看到这个智能体从一个简单的单智能体系统逐步发展为一个三智能体监督多智能体系统！立即加入不断壮大的 AI 构建者行列，学习设计并构建 AI 智能体！

Designing Agentic Systems with LangChain

通过在LangGraph框架中应用新兴代理设计模式，构建强大的多代理系统。

使用 LangGraph 构建多智能体系统

通过在 LangGraph 框架中应用新兴的 agentic 设计模式，构建强大的多智能体系统。

监督者代理

使用 LangGraph 构建多智能体系统

练习说明

动手互动练习