系列100 天系统学习 AI Agent 开发当前阶段LangChain 与 LangGraph 工程化今日目标综合 LangGraph/RAG/评测完成一个能查知识库、追问、转人工的客服 Agent。1. 问题从哪里来进入「LangChain 与 LangGraph 工程化」之后我明显感觉 Agent 开发不只是 Prompt 技巧了。综合 LangGraph/RAG/评测完成一个能查知识库、追问、转人工的客服 Agent。 这件事越早建模后面流程越不容易散。今天也是阶段节点文章里要多写一点复盘前几天学到的东西有没有真的串起来哪里还只是停留在概念层。2. 原理和边界状态把任务进度、用户上下文、工具结果和错误信息显式保存。节点每个节点只处理一个清晰步骤便于调试和替换。路由用条件边或规则决定下一步关键路径不要完全交给模型猜。3. 练习步骤今天的主任务是实现最小版本FAQ 检索、低置信度追问、敏感问题转人工、trace 记录。我会按这个节奏做先画状态再写节点最后补路由条件。完成主题任务实现最小版本FAQ 检索、低置信度追问、敏感问题转人工、trace 记录。检查每个节点的输入、输出、失败处理和是否需要 checkpoint。4. 今天的沉淀今天可以留下一个最小状态图先把流程跑顺是否用户输入解析任务状态是否完整调用工具或生成结果追问补充信息记录状态和输出5. 下一步延伸今天复盘「阶段项目」时我不想只问“概念是否背下来了”而是看它有没有进入我的工程习惯。如果我明天忘了术语只看今天的产物是否还能复原思路一个状态图、节点表或 checkpoint 草案 就是答案。如果别人照着文章做最可能卡在什么地方我会提前标出流程越写越像一堆 if else状态藏在上下文里不可追踪。如果把它放进真实 Agent第一条验收规则应该是每个节点都有输入、输出、失败处理和下一步路由。面试官会追问怎样讲透一个客服 Agent 项目我会按“问题—架构—难例—指标—取舍”讲而不是从框架名称开始。问题是政策知识更新快、用户表达含糊、高风险请求要转人工架构因此需要带权限的 RAG、意图路由、只读订单工具、人工升级和 trace。演示至少覆盖三条路径FAQ 引用回答、订单查询工具、退款请求转人工。然后展示一个失败样本例如旧政策被召回说明如何通过版本过滤与回归集修复。作品集指标不必夸大但必须可复现固定 50 条样本的任务完成率、引用正确率、无答案拒答率、人工转接准确率、P95 延迟和单会话成本。真实数字暂缺就写“待运行”不要用预期值冒充结果。今日检查清单今天的概念能落到一个真实场景而不是只给定义今天的练习有过程记录实现最小版本FAQ 检索、低置信度追问、敏感问题转人工、trace 记录。今天的验收标准可被别人检查每个节点都有输入、输出、失败处理和下一步路由画出今天流程里的节点、边和共享 state给每个节点写清输入、输出、失败时去哪标出哪一步需要 checkpoint 或人工确认删除一段空泛表述换成自己的失败样本或判断