AI-NEWS

Appearance

实战 · LangGraph ​

🎯 学习目标

  • 用框架重构阶段二/四 Agent，对比直连 SDK
  • 接入 LangSmith 或等价 Trace
  • 用 LangGraph 实现带条件分支的工作流

引言 ​

阶段五做工程化升华：不是重学框架，而是把前四阶段产物迁移到可维护架构，并可观测、可选型。

章节正文 ​

第 1 步：第 8 周任务清单 ​

框架迁移

  • [ ] 选 LangChain.js 或 Python LangChain 重构 RAG 链（LCEL）
  • [ ] 用 Vercel AI SDK（若 Next.js）暴露 streamText / useChat
  • [ ] 工具 Agent 改用 create_tool_calling_agent 或 LangGraph

可观测

  • [ ] 接入 LangSmith / Langfuse / 自建 trace_id 日志
  • [ ] 单次请求可看到：retrieval chunks、tool calls、token usage

LangGraph 工作流

  • [ ] 实现：用户问 → 分类（FAQ vs 需检索）→ 分支处理 → 汇总
  • [ ] 或：RAG → 低置信度 → human_review 节点（mock 自动通过）

对比报告

  • [ ] 表格：直连 SDK vs 框架（代码行数、可测性、流式、调试耗时）

第 2 步：验收标准 ​

必须全部勾选

  • [ ] 能说明 LangChain、LangGraph、Vercel AI SDK 各自适用场景
  • [ ] 能说明何时不引入框架、直连 SDK 更合适
  • [ ] 能展示一次完整 Trace（含检索或工具 span）
  • [ ] 能给出团队框架选型建议（1 页以内）
  • [ ] 阶段一至四功能在框架版回归通过（基本对话、工具、会话、RAG）

关联章节

动手练习 ​

  1. 提交框架选型 1 页 memo
  2. 对框架版跑 promptfoo 子集，对比阶段四 baseline

本节小结 ​

阶段五：框架重构 + Vercel AI SDK 流式 + LangGraph 分支 + Trace；输出选型 memo 与回归 Eval。