（搜索智能体）向量存储 (Vector Stores)

向量存储是LangChain中的一种特殊数据库，专门用于存储和检索向量嵌入（vector embeddings）。这些向量嵌入是文本或其他数据的数值表示，能够捕捉语义相似性，使得基于语义的搜索和检索成为可能。向量存储是构建强大知识检索系统的基础。 向量存储的工作原理 向量存储的核心功能是： 存储向量

（搜索智能体）搜索工具 (Search Tools)

搜索工具是LangChain中的一系列组件，使智能体能够与外部信息源进行交互，从而检索、过滤和处理相关数据。这些工具极大地增强了智能体的能力，使其能够访问实时或特定领域的信息，从而提供更准确、更全面的回答。 常见搜索工具 1. SerpAPI SerpAPI是一个搜索引擎结果页面(SERP)API，

（搜索智能体）搜索工具包 (Search Toolkit)

（搜索智能体）LangChain 搜索与智能体集成技术总结

（搜索智能体）检索器 (Retrievers)

检索器是LangChain中的一类组件，负责从各种数据源中获取与用户查询相关的信息。它们作为LLM和数据源之间的桥梁，为检索增强生成（Retrieval-Augmented Generation，RAG）系统提供了核心功能。检索器的主要任务是根据查询找到最相关的文档或信息片段，以便LLM可以使用这些

（搜索智能体）向量数据库聊天 (Agent with Retrieval Tool)

LangSmith 监控指南

概述 LangSmith 提供了强大的监控和可观察性功能，帮助开发者追踪、分析和优化他们的 LLM 应用程序。本指南将介绍如何使用 LangSmith 对您的应用进行全面监控。 控制台监控 仪表盘概览 LangSmith 控制台提供了一个全面的仪表盘，展示您应用的关键指标： 运行总数

LangSmith 设置指南

LangGraph 使用指南

安装配置 安装依赖 LangGraph 可以通过 pip 安装： pip install langgraph 如果您想使用最新的功能和改进，可以从源代码安装： pip install git+https://github.com/langchain-ai/langgraph.git

LangGraph 架构详解

核心架构组件 LangGraph 的架构建立在一个灵活的基于图的系统上，使开发者能够定义和执行复杂的工作流。以下是主要架构组件： 1. 状态管理系统 LangGraph 的核心是其强大的状态管理系统，它允许应用程序在整个执行过程中维护一致的状态： 状态容器：封装应用程序状态，包括对话历史、中间结果和