LangChain使用之Agents

这是一篇关于第06章 LangChain使用之Agents的思维导图，在大语言模型应用开发中，LangChain Agents 是实现复杂任务自主执行、多工具协同调用的核心技术，也是 AI 应用开发者、大模型学习者进阶的关键知识点。然而，其概念体系庞大、组件繁多，从基础认知到实战应用，初学者往往难以快速理清脉络、掌握核心要点。这份系统化的思维导图，正是为了帮你高效梳理 LangChain Agents 的完整知识框架，让学习更有条理、更易落地。本「LangChain 使用之 Agents」思维导图模板，是专为 AI 应用开发者、大模型学习者、LangChain 技术研究者打造的结构化学习工具，聚焦 LangChain Agents 全章节内容，以清晰的层级框架梳理 Agent 基础认知、四大核心组件详解、入门创建方式、工具实战使用、集成 Memory 记忆组件五大核心模块，将复杂的 Agent 理论与实战技术拆解为可直接套用的学习要点，助力使用者高效构建系统化知识体系，快速掌握 LangChain Agents 开发技能。

第06章 LangChain使用之Agents

• 1 Agent基础认知
  • 1.1 Agent分级(类比自动驾驶)
    • 关键词：AI分级、五级划分、能力特征、产品示例
      • 概念：L1~L5五级AI能力定义
      • 举例：
        • L1(Tool)：传统软件
        • L2(Chatbot)：初代ChatGPT
        • L3(Copilot)：GitHub Copilot
        • L4(Agent)：AutoGPT
        • L5(Species)：全自主人形智能
  • 1.2 Agent与Chain区别
    • 关键词：Chain特征、Agent特征、决策差异、执行逻辑
      • 概念：Chain固定流水线；Agent自主动态决策
      • 举例：Chain硬编码流程，Agent自主拆任务、选工具
  • 1.3 Agent定义
    • 关键词：智能体定义、LLM大脑、工具协同、复杂任务
      • 概念：协调LLM+工具的智能系统
  • 1.4 Agent六大核心组件
    • 1.4.1 LLM大模型
      • 关键词：推理、规划、知识库、模型实例
        • 概念：智能决策大脑
        • 举例：OpenAI/ChatOpenAI
    • 1.4.2 Memory记忆
      • 关键词：短期记忆、长期记忆、存储载体、实现类
        • 概念：上下文+向量库持久化
        • 举例：ConversationBufferMemory等
    • 1.4.3 Tools工具
      • 关键词：外部调用、API、检索、计算工具
        • 概念：拓展大模型边界
        • 举例：搜索、计算器、代码解释器
    • 1.4.4 Planning规划
      • 关键词：任务拆分、自我反思、子目标拆解
        • 概念：复杂任务拆解调度
    • 1.4.5 Action行动
      • 关键词：工具执行、检索、代码运算
        • 概念：落地决策动作
    • 1.4.6 协作
      • 关键词：多智能体、交互配合、复合任务
      • 案例：扣子平台、Manus、纳米AI智能体演示
  • 1.5 调用第三方工具原因
    • 关键词：大模型局限、实时数据、数值运算、外接数据源
      • 概念：大模型知识库滞后、算力短板
      • 举例：Tavily联网、Python数学运算
• 2 Agents四大核心基础组件详解
  • 2.1 Tool单个工具
    • 关键词：功能封装、入参出参、Agent选型、流转流程
      • 概念：单一功能封装单元
      • 举例：Tavily搜索工具
  • 2.2 Toolkits工具集
    • 关键词：工具集合、多选型、灵活调用
      • 概念：批量工具打包
  • 2.3 Agent代理
    • 关键词：决策主体、LLM选型、动作判定
  • 2.4 AgentExecutor执行器
    • 2.4.1 基础特性
      • 关键词：运行时、调度协调、原生短板
    • 2.4.2 LangGraph补充
      • 关键词：高度定制、灵活运行时
• 3 Agent入门创建&两种创建方式
  • 3.1 Agent+AgentExecutor创建分类
    • 3.1.1 传统initialize_agent
      • 关键词：AgentType枚举、内置提示、快速开发、定制弱
        • 案例：北京天气快速调用代码
    • 3.1.2 通用create_xxx_agent
      • 关键词：自定义prompt、灵活解耦、代码偏多
        • 案例：自定义ReAct提示词代码
  • 3.2 Agent两大运行模式
    • 3.2.1 FunctionCall模式
      • 关键词：结构化JSON、高效调用、需函数模型
        • 概念：模型输出结构化工具参数
        • 举例：OPENAI_FUNCTIONS、OPENAI_MULTI_FUNCTIONS
        • 案例：北京天气、特斯拉股价代码
    • 3.2.2 ReAct模式
      • 关键词：文本推理、思考+行动、通用LLM、解析容错
        • 概念：自然语言Thought+Action流程
        • 分类：零样本、无记忆、带记忆三类
        • 案例：北京天气ReAct调用
    • 3.3 两种模式对比
      • 关键词：输出格式、时延、模型门槛、适用场景
• 5 Agent集成Memory记忆组件
  • 5.1 传统CONVERSATIONAL_REACT方式
    • 关键词：ConversationBufferMemory、chat_history、多轮上下文
      • 案例：先查北京天气→续查上海天气
  • 5.2 通用create_xxx+记忆
    • 5.2.1 FunctionCall+记忆
      • 关键词：prompt占位符、chat_history字段、多轮留存
        • 案例：连续两地天气查询
    • 5.2.2 ReAct+记忆
      • 5.2.1 自定义prompt带历史
      • 5.2.2 react-chat远程模版
        • 关键词：react-chat、内置历史变量、上下文继承
          • 案例：记忆姓名+后续提问姓名
  • 5.3 关键拓展
    • 关键词：缺少chat_history、丢失上下文、无memory失效
• 4 Agent工具实战使用
  • 4.1 传统初始化方式(initialize_agent)
    • 4.1.1 单工具实战
      • 关键词：Tavily、单工具挂载、ReAct、FunctionCall
        • 案例：查询北京当日天气（两套代码）
    • 4.1.2 多工具组合
      • 关键词：搜索+计算器、多工具自动选型、股价测算
        • 案例：特斯拉现价&同比涨幅（ReAct/FunctionCall双代码）
    • 4.1.3 自定义工具
      • 关键词：自定义函数、Tool封装、自定义描述
        • 案例：自定义计算器计算3²
  • 4.2 通用构造方式(create_xxx_agent)
    • 4.2.1 FunctionCall构建
      • 关键词：ChatPrompt、agent_scratchpad、工具入参
        • 案例：自定义提示查北京天气
    • 4.2.2 ReAct构建
      • 4.2.2.1 本地Prompt模板
        • 关键词：中英文模板、格式约束、parse容错
      • 4.2.2.2 Hub远程Prompt
        • 关键词：langchain hub、react模板、在线拉取
        • 案例：远程模版查询北京天气
    • 4.3 handle_parsing_errors参数
      • 关键词：解析报错、自动重试、生产/调试区分
        • 概念：ReAct格式异常容错配置