技能介绍

你在解决什么问题

用 LLM 做「多步推理 + 调工具 + 记上下文」时，如果全靠手写胶水代码，很快会在记忆膨胀、链式步骤编排和文档检索上踩坑。LangChain 把智能体、链、记忆、文档流水线抽象成可组合模块，但框架面大，选型（ReAct 还是 Functions、哪种 Memory、RAG 怎么拆块）需要一张清晰的架构地图。

技能覆盖的核心能力

本技能围绕 LangChain 的五块骨架展开：

智能体 (Agents)：ReAct、OpenAI Functions、Structured Chat 等类型，以及「LLM 决定下一步动作」的边界
链式调用 (Chains)：从 LLMChain 到 RouterChain、MapReduceChain 的串联与路由
记忆 (Memory)：Buffer、Summary、滑动窗口、VectorStoreMemory 等如何维持多轮状态
文档处理：Loader、Splitter、Vector Store、Retriever 组成的 RAG 流水线
回调 (Callbacks)：日志、Token 用量、延迟与自定义指标

并给出常见架构模式（RAG、带工具的智能体、多步骤链）及记忆选型、测试与性能（缓存、批量、流式）等可操作要点；更细的实现可对照技能内的 implementation-playbook 与 references/、assets/ 示例。

适用边界与注意点

任务与 LangChain 架构无关，或依赖本技能范围外的领域/工具时，不必强行套用。
生产上要警惕：对话历史未裁剪、工具描述含糊导致选错工具、上下文超窗、智能体异常未处理、向量检索未调优；技能中的生产检查清单（错误处理、超时、限流、可观测性、降级与配置版本化）可作为上线前对照项。