许愿许愿

公司前一阵子在折腾 LangGraph，想把团队里从需求到上线的整个编码流程串起来。传统的 CI/CD 管道大家都熟，但如果把 LLM 能力嵌进去，让每个环节都带上"智能判断"，体验完全不一样。这里分享下我的方案和踩坑记录。为什么选 LangGraphLangChain 的 Chain 模式是线性的，而真实的开发流程充满分支——代码写完可能要打回重写，合规审查不过要回到开发阶段。LangGraph 天然支持有向图 + 条件路由，节点之间可以灵活跳转，非常适合这种有状态、有循环的工作流。整体架构我把流程拆成五个核心节点： 需求分析 → 代码开发 → Code Review →...

0实习0经验，项目经历是b站自学的

打招呼了两百个，收到回复5个都是拒绝的，省下基本上未读。

前言这是我的agent系列文章的第一篇，该系列分为三部分：AI认知篇：详细讲解相关基础概念AI实践篇：分享诸如skills怎么写、怎么ai coding、怎么写好prompt等的最佳实践AI八股篇：分享我自己整理的应付大模型应用开发岗位必备的八股笔记如果觉得有帮助，欢迎关注我并期待后续文章！预期是日更哦！当天没更可能是因为太累了，周末会弥补的。一、ReAct 核心：Reasoning + Acting，边想边做ReAct 拆开就是 推理（Reasoning）+ 行动（Acting），核心逻辑：AI 不先定死全流程，而是走一步、看一步、想一步，循环完成任务。通俗对比传统方式：出门前查好全程路线，...