人工智能技术丛书《LangGraph智能体设计模式与多智能体开发》

人工智能技术丛书《LangGraph智能体设计模式与多智能体开发》

• LangGraph智能体设计模式与多智能体开发
• • 内容简介
  • 作者简介
  • 图书前言
  • • 前 言
    • • 背景
      • 写作目的
    • 本书特点
    • 本书配套资源
    • 本书适合的读者
    • 作者与鸣谢
  • 图书目录
  • • 目 录
  • 图书推荐

LangGraph智能体设计模式与多智能体开发

梳理智能体开发全流程，详解LangGraph核心组件及9种智能体设计模式，实战新能源车文案设计、共享空间驱动、主智能体驱动的多智能体案例。

内容简介

"《LangGraph智能体设计模式与多智能体开发》以生产级AI智能体的运行时框架LangGraph 1.0为核心，紧扣开发者从入门到实战的需求，梳理智能体开发全流程，覆盖环境配置、核心组件及9种智能体设计模式，结合真实的业务案例，助力开发者掌握多智能体开发技术，并能快速适配实际业务场景。《LangGraph智能体设计模式与多智能体开发》配套示例源码、PPT课件、配图PDF、读者微信群答疑服务。

《LangGraph智能体设计模式与多智能体开发》共分12章，内容包括初识智能体、Agent开发环境配置、LangGraph编程基础、构建图的多条件分支、智能体设计模式2：动作React、智能体设计模式3：记忆系统、智能体设计模式4：规划与执行、智能体设计模式5：上下文工程、多智能体实战、案例实战：结合长短期目标的新能源车文案设计、案例实战：共享空间驱动的多智能体、案例实战：主智能体驱动的多智能体。

《LangGraph智能体设计模式与多智能体开发》既适合LangGraph初学者、智能体开发初学者、智能体开发人员、大模型应用开发人员、行业大模型智能体解决方案提供商，也适合高等院校或高职高专院校智能体开发课程的学生。"

作者简介

王晓华，高校计算机专业讲师，研究方向为云计算、大数据与人工智能。其著作包括《AI Agent智能体与MCP开发实践：基于Qwen3大模型》《DeepSeek原生应用与智能体开发实践》《DeepSeek大模型高性能核心技术与多模态融合开发》《深入探索Mamba模型架构与应用》《PyTorch深度学习与计算机视觉实践》《PyTorch语音识别实战》《ChatGLM3大模型本地化部署、应用开发与微调》《从零开始大模型开发与微调：基于PyTorch与ChatGLM》《PyTorch 2.0深度学习从零开始学》。

图书前言

前 言

背景

随着大语言模型技术的成熟，AI智能体已从概念走向实用，成为革新应用场景的核心力量，但开发者常面临框架适配难、设计模式模糊、多智能体协作落地受阻等问题。LangGraph 1.0作为轻量灵活的智能体开发框架，为解决这些痛点提供了新路径，却缺乏体系化的实战指引。同时，企业对主智能体驱动、共享空间协作等多智能体架构的需求激增，亟需兼具技术深度与落地性的参考资料。因此，本书以LangGraph 1.0为核心，紧扣开发者从入门到实战的需求，梳理智能体开发全流程，覆盖开发环境配置、核心组件及9种智能体设计模式，结合真实业务案例，助力开发者快速掌握多智能技术，并能快速适配实际业务场景。

写作目的

本书的写作目的在于为AI智能体开发者提供系统性的实战指引，破解其入门方向迷茫、框架使用生疏以及多智能体落地困难等问题。本书以LangGraph 1.0为核心，按"基础－进阶－实战"的路径，清晰拆解环境配置、组件应用、设计模式等关键知识，结合Qwen3调用、多智能体协作等实操内容，助力开发者快速掌握技术，并通过真实案例将理论转换为落地能力，满足企业对多智能体开发的实际需求。

本书特点

本书配套资源

本书配套示例源码、PPT课件、配图PDF文件、读者交流微信群，读者需要使用自己的微信扫描右侧的二维码获取。

本书适合的读者

• ?LangGraph初学者：本书以LangGraph 1.0为核心，按"基础?进阶?实战"的路径，清晰拆解环境配置、组件应用、设计模式等关键知识，助力初学者掌握LangGraph开发智能体的 方法。
• ?AI Agent开发初学者：本书从Python环境配置、Qwen3模型使用等基础操作入手，逐步覆盖LangGraph组件应用、简单智能体构建，手把手讲解开发全流程，帮助零基础读者快速入门智能体开发。
• ?AI Agent智能体开发人员：本书深度解析LangGraph 1.0的状态管理、节点并行化等核心技术，详解9种智能体设计模式及多智能体协作逻辑，助力开发人员提升技术深度与工程落地能力。
• ?大模型应用开发人员：本书以"环境配置?基础模型调用?基础工具集成?基础项目实战"为脉络，融入Qwen3 API调用、tavily搜索工具的使用等内容，帮助其构建完整的智能体开发架构，拓展技术边界。
• ?智能体行业解决方案提供商：本书包含新能源车文案设计、共享空间驱动等多场景实战案例，解析Swarm、Supervisor等多智能体模式，为电商、空间服务等领域的解决方案设计提供参考。
• ?学习AI大模型相关课程的学生：本书兼顾智能体基础理论与LangGraph前沿技术，配套丰富的示例与项目案例，支撑"理论?实践?项目"教学闭环，可作为高校AI Agent开发课程的实用教材。

作者与鸣谢

本书作者王晓华为高校计算机专业教师，担负数据挖掘、人工智能、数据结构等多项本科及研究生课程，研究方向为云计算、大数据与人工智能，在研和参研多项科研项目。

本书的顺利出版离不开清华大学出版社的夏毓彦老师和其他编辑的帮助，在此表示感谢。

作 者

2026年1月

图书目录

目 录

• 第 1 章　初识智能体 1

  • 1.1 从大语言模型到智能体 1
    • 1.1.1 智能体的诞生 1
    • 1.1.2 智能体的核心能力与技术支柱 3
  • 1.2 智能体革新日常应用 5
    • 1.2.1 智能体重塑应用 5
    • 1.2.2 智能体构建过程 11
  • 1.3 LangGraph 1.0开发框架全面解析 13
    • 1.3.1 LangGraph新技术底座 13
    • 1.3.2 LangGraph让Agent开发更快、更灵活 14
  • 1.4 本章小结 16

• 第 2 章　Agent环境安装与大模型配置 18

  • 2.1 Python环境的安装与配置 18
    • 2.1.1 Miniconda的下载与安装 18
    • 2.1.2 PyTorch的下载与安装 21
    • 2.1.3 PyCharm的安装与使用 24
  • 2.2 网页端Qwen3的使用 27
    • 2.2.1 网页端Qwen3的注册与基本使用 27
    • 2.2.2 不同提示（Prompt）对回答的影响 28
  • 2.3 Qwen3在线API的使用 30
    • 2.3.1 在线Qwen3注册与基本使用 30
    • 2.3.2 不同API调用Qwen3的示例 31
  • 2.4 Hello Agent实战 35
    • 2.4.1 通过API调用Qwen3 35
    • 2.4.2 基于LangGraph构建Agent 36
  • 2.5 本章小结 40

• 第 3 章　LangGraph编程基础 41

  • 3.1 LangGraph与工作流搭建 41
    • 3.1.1 LangGraph基础介绍 42
    • 3.1.2 LangGraph组件 44
    • 3.1.3 LangGraph中的State 46
    • 3.1.4 LangGraph中的Node 47
    • 3.1.5 LangGraph中的Edges 49
  • 3.2 LangGraph中的基本输入及工具调用范式 51
    • 3.2.1 LangGraph中的提示词 51
    • 3.2.2 LangGraph中的工具定义与调用 52
    • 3.2.3 基于LangGraph实现的工具使用智能体 56
  • 3.3 LangGraph中的Map与Reduce 58
    • 3.3.1 LangGraph中的Map 58
    • 3.3.2 LangGraph中的Reduce 59
    • 3.3.3 各司其职的Map与Reduce 61
    • 3.3.4 State中的辅助参数BaseModel、Annotated与Literal详解 61
  • 3.4 LangGraph中的输出范式 63
    • 3.4.1 LangGraph中的格式化输出1：StrOutputParser 64
    • 3.4.2 LangGraph中的格式化输出2：JSON格式 65
    • 3.4.3 LangGraph中的格式化输出3：可控的JSON格式 66
  • 3.5 智能体设计模式1：反应式智能体与自动导航案例 69
    • 3.5.1 初识反应式智能体 69
    • 3.5.2 反应式室内清扫智能体设计 72
    • 3.5.3 反应式室内清扫智能体的实现 73
    • 3.5.4 仿真场景下的清扫智能体可视化演示 79
  • 3.6 本章小结 89

• 第 4 章　构建图的多条件分支 90

  • 4.1 多场景条件分支 90
    • 4.1.1 多条件分支实战 90
    • 4.1.2 LangGraph的流式输出 92
    • 4.1.3 Command命令完成节点内部的跳转 94
  • 4.2 LangGraph节点的并行化处理 97
    • 4.2.1 LangGraph中的并行化实战 97
    • 4.2.2 并行化实战中Reduce的妙用 100
  • 4.3 本章小结 101

• 第 5 章　智能体设计模式2：React 103

  • 5.1 ToolNode详解与重新包装 104
    • 5.1.1 ToolNode详解 104
    • 5.1.2 ToolNode中的工具调用 106
  • 5.2 React设计范式 112
    • 5.2.1 初识React与实现 112
    • 5.2.2 基于大模型的React详解 119
  • 5.3 替代React的预构建create_agent模块详解 123
    • 5.3.1 create_agent的基础使用 123
    • 5.3.2 使用create_agent构建React 124
  • 5.4 create_agent的结构化输出与输入 126
    • 5.4.1 create_agent中的结构化输出格式 126
    • 5.4.2 create_agent中的输入重构 130
  • 5.5 create_agent中间件middleware详解 131
    • 5.5.1 中间件的使用 131
    • 5.5.2 中间件装饰器详解 133
    • 5.5.3 使用中间件装饰器动态重构输入格式 136
  • 5.6 本章小结 139

• 第 6 章　智能体设计模式3：记忆系统 140

  • 6.1 LangGraph中的记忆存储 141
    • 6.1.1 基于内存的短期记忆 141
    • 6.1.2 基于硬存储的长期记忆存储 144
  • 6.2 LangGraph中的长期记忆载入与整理 149
    • 6.2.1 基于硬存储的长期记忆预载入1：拼接提示词 150
    • 6.2.2 基于硬存储的长期记忆预载入2：before_agent中间件的使用 153
    • 6.2.3 基于硬存储的长期记忆预载入3：before_model与检索整理 158
    • 6.2.4 before_agent与before_model的使用差异 166
  • 6.3 本章小结 166

• 第 7 章　智能体设计模式4：规划与执行 167

  • 7.1 网络搜索工具tavily详解 167
    • 7.1.1 tavily搜索引擎注册 168
    • 7.1.2 tavily使用详解 169
  • 7.2 结合tavily搜索的智能体实战 173
    • 7.2.1 基于create_agent的多工具调用实战 173
    • 7.2.2 完整搭建的LangGraph多工具调用智能体 179
  • 7.3 LangGraph中TypedDict与BaseModel的共通与嵌套 189
    • 7.3.1 LangGraph中TypedDict与BaseModel的共通点 189
    • 7.3.2 LangGraph的状态空间进阶：多类型数据嵌套 192
  • 7.4 基于智能体规划的成长指导 196
    • 7.4.1 目标抽象：从"经验驱动"到"目标驱动" 196
    • 7.4.2 步骤明确：从"模糊愿景"到"清晰蓝图" 199
    • 7.4.3 执行落地：从"静态逻辑"到"动态闭环" 203
  • 7.5 本章小结 205

• 第 8 章　智能体设计模式5：上下文工程 206

  • 8.1 上下文工程中的提示词 207
    • 8.1.1 提示词模板PromptTemplate 207
    • 8.1.2 提示词设计规范 210
    • 8.1.3 带有人格描述的提示词模板 214
  • 8.2 上下文污染与上下文卸载 227
    • 8.2.1 上下文污染 228
    • 8.2.2 上下文卸载 231
  • 8.3 本章小结 237

• 第 9 章　多智能体实战 238

  • 9.1 初识多智能体 238
    • 9.1.1 单智能体与多智能体 239
    • 9.1.2 多智能体的应用场景 240
  • 9.2 多智能体基础设计模式实战 240
    • 9.2.1 多智能体设计模式1：流式 241
    • 9.2.2 多智能体设计模式2：反思 246
  • 9.3 本章小结 250

• 第 10 章　案例实战：结合长短期目标的新能源车文案设计 251

  • 10.1 文案设计的基础知识点 251
    • 10.1.1 基于业务要求的背景和历史文案收集 251
    • 10.1.2 Embedding编码与历史文本查找 253
    • 10.1.3 文案目标定义与生成 259
  • 10.2 文案设计的智能体实战 266
    • 10.2.1 文案生成中不同角色的定义与抽象 266
    • 10.2.2 角色的动态生成函数 267
    • 10.2.3 结合长短期目标的新能源车文案 271
    • 10.2.4 多智能体设计模式8：Swarm 272
  • 10.3 本章小结 273

• 第 11 章　案例实战：共享空间驱动的多智能体 274

  • 11.1 多智能体的共享空间驱动 274
  • 11.2 多智能体的共享空间驱动实战 275
    • 11.2.1 基于共享空间驱动的多智能体实战 275
    • 11.2.2 管控全局的共享空间详解 278
  • 11.3 本章小结 279

• 第 12 章　案例实战：主智能体驱动的多智能体 280

  • 12.1 多智能体角色的定义与实现 280
    • 12.1.1 主状态空间的定义 281
    • 12.1.2 多智能体"专家"角色设定 281
    • 12.1.3 多智能体"主管"角色设定 283
  • 12.2 多智能体设计模式9：Supervisor 284
    • 12.2.1 角色构建与路由分析 285
    • 12.2.2 Supervisor模式的多智能体实战 286
  • 12.3 本章小结 289

图书推荐