LangGraph

从 Prompt 到 Graph AI 驱动开发大致走过几条主线：Prompt Engineering 解决「怎么说清楚」；Context Engineering（含 RAG）解决「给模型看什么」；Loop Engineering 解决「让 Agent 自我修正」——给一个任务，改代码、跑测试，失败了再继续修。 复杂业务里，单 Agent 的 Prompt Loop 很快会顶到天花板。Graph Engineering（图工程）把流程拆成有向图：节点专职分工，边负责确定性控制流，AI 只承担局部推理与代码生成。下面按「为什么需要 → 怎么划职责 → 怎么落地」写一版可落地的骨架。 不想额外起 Python 主控、只在 Claude Code 里管多阶段任务时，见 Graph Engineering：纯 Claude Code 实现。 为什么需要 Graph Engineering Loop Engineering 在「单任务、短轮次」时很好用。一旦任务变长、角色变多，常见会撞上三类问题。 上下文污染（Context Pollution） 循环次数上去后，会话里堆满历史报错、半成品 diff、无效尝试。模型要在噪声里找有效信号，表现会越来越差：重复改同一处、忽略刚写过的约束、或「修 A 弄坏 B」。根因往往不是模型突然变笨，而是上下文被污染了。 缺乏确定性控制（Nondeterminism） 若下一步完全由 LLM 在 Context 里自行决定，容易陷入死循环：同一失败路径反复尝试，或越改越散。控制流（何时重试、何时换策略、何时中止）若也交给模型，系统就缺少可预期的停机条件。 职责模糊 让同一个 Agent 同时做架构规划、写前后端、跑单测、做 Code Review，等于把多种能力边界揉进一次长会话。结果常常是：规划被实现细节冲淡，实现被 review 口径扯偏，测试结论又被前序噪声干扰。 Graph Engineering 的应对方式很直接：用有向图把复杂流程解耦为专职节点（Nodes）；把控制流交还给确定性的代码（Edges）；只把局部推理与代码生成交给 AI。 Graph Engineering 在说什么 可以把它看成三层分工： ...

什么是 LangSmith LangSmith 是 LangChain 团队推出的 LLM 应用可观测性与评估平台，用于追踪（trace）、调试、测试和监控基于 LLM 的应用。它不要求应用一定使用 LangChain 或 LangGraph 构建——任何调用 LLM 的代码都可以接入 LangSmith，但与 LangChain / LangGraph 的集成是开箱即用的。 核心定位：LLM 应用的"生产环境可观测性 + 离线评估"工具，解决 LLM 应用调试困难、行为不透明、质量难以量化的问题。 官方仓库 / 产品：langchain-ai/langsmith-sdk（SDK 开源，平台本身为托管 SaaS，也提供自托管方案）。 为什么需要 LangSmith 传统软件的日志和监控体系（APM、ELK 等）不足以覆盖 LLM 应用的调试需求： 多步骤链路不透明：一次 Agent 调用可能包含多次 LLM 请求、工具调用、检索操作，普通日志难以还原完整调用树 Prompt 调试依赖人工：Prompt 的微小改动可能显著影响输出质量，缺乏系统化的对比手段 输出质量难以量化：LLM 输出是非确定性的自然语言，传统的断言测试不适用 成本和延迟不可见：Token 消耗、模型延迟分散在各次调用中，难以聚合分析 LangSmith 针对这些痛点提供了追踪、数据集管理、评估和监控能力。 核心功能 1. Tracing（追踪） 记录一次请求内所有 LLM 调用、工具调用、检索操作的完整调用树，包括输入、输出、耗时、Token 用量。 import os os.environ["LANGCHAIN_TRACING_V2"] = "true" os.environ["LANGCHAIN_API_KEY"] = "your-api-key" os.environ["LANGCHAIN_PROJECT"] = "my-project" # LangChain / LangGraph applications are traced automatically # once the environment variables above are set from langchain_openai import ChatOpenAI llm = ChatOpenAI(model="gpt-4") result = llm.invoke("Explain what LangSmith does") 对于不使用 LangChain 的代码，可以用 @traceable 装饰器手动接入： ...