AI Agent Harness Engineering 开源社区贡献指南如何参与 LangChain 等项目开发关键词AI Agent Harness, 开源社区贡献, LangChain, LangGraph, 入门贡献, PR协作, Agent工具链摘要你有没有想过让自己写的一行代码帮助全球数百万开发者搭建出更聪明的“AI助手小队长”或者你刚学会用LangChain/LangGraph搭了个Agent但发现某个工具不好用、某个文档漏了细节、某个例子跑不通——却不知道怎么告诉官方甚至自己动手改这篇文章就是你的专属“开源魔法入门书Agent开发基础工具包”我们会像搭乐高积木搭小城堡一样先带你搞懂什么是AI Agent HarnessAI助手队的装备架再拆解从“0贡献到第一个PR被合并”的每一步包括文档纠错、例子补全、小工具开发、核心库优化的完整流程甚至会手把手教你写一个能被LangChain官方认可的Agent插件全文用8000多字一步一步推理、讲解、实操保证小学六年级水平的编程基础哦不对哪怕只会敲print的小白也能看懂理论会写Python循环的入门开发者就能完成贡献就能掌握背景介绍从“搭一个自己的小助手”到“给全球助手搭装备架”目的和范围这篇文章的核心目的有三个给小白扫盲AI Agent Harness的硬核概念别再被“Harness”“Orchestrator”“Toolkit”这些词吓住啦我们会用“班主任管小组”的类比把Agent生态的每个角色讲得明明白白。给入门开发者一套完整的“LangChain贡献操作手册”从注册GitHub、Fork仓库、本地开发、提交Issue、发起PR到通过审核、合并代码的全流程避坑指南没有一步是跳过的给想长期做贡献的开发者指明方向告诉大家从“文档/例子的小贡献”到“核心工具的开发”再到“Agent生态的共建”有哪些进阶路径以及LangChain社区需要什么样的人才和贡献这篇文章的范围是聚焦于LangChain/LangGraph这两个目前最主流的AI Agent Harness开源项目但提到的开源贡献流程、心态、方法其实适用于所有GitHub上的主流开源项目预期读者我们的读者画像分为三个层次纯好奇小白只会用ChatGPT完全没听过开源、没写过代码但想了解AI Agent和开源是怎么回事的朋友——可以重点看背景、核心概念、故事引入的部分入门Python开发者会写Python循环、函数、变量用过pip安装过库可能自己跟着教程搭过一个简单的LangChain Agent比如能查天气、查股票的小助手但遇到问题只会在Stack Overflow/知乎上搜不知道怎么给官方提建议或者动手改的朋友——这是我们的核心读者中级以上Python开发者/开源爱好者有一定的Python开发经验甚至可能给其他小项目提交过PR但想深入了解LangChain的架构、如何给Agent Harness做有价值的贡献的朋友——可以重点看核心架构、数学模型如果有的话这里会简化、项目实战进阶、未来发展趋势的部分文档结构概述我们的文章结构就像从“选装备材料”到“组装第一个装备”再到“把装备放进学校的共享装备室官方仓库”的全过程第一部分基础概念扫盲选材料先讲什么是AI Agent什么是AI Agent Harness为什么需要HarnessHarness的核心组成部分是什么第二部分开源社区入门学进装备室的规则讲GitHub的基本操作注册、Fork、Clone、Branch、Commit、PushIssue和PR是什么LangChain社区的特殊规则和文化第三部分第一个贡献从文档/例子开始放第一套入门级小装备手把手教你找LangChain/LangGraph中需要修改的文档/例子本地修改提交PR通过审核第四部分项目实战开发一个LangChain官方认可的Agent工具插件放一套中级实用装备比如开发一个“能查淘宝/京东商品价格历史的插件”从设计到实现到测试到提交PR第五部分进阶贡献路径与最佳实践放高级装备甚至当装备室管理员讲如何给核心库做贡献如何参与社区讨论如何成为LangChain的Maintainer第六部分总结与思考题回顾核心内容留几个有趣的思考题第七部分附录与扩展阅读常见问题解答推荐的扩展阅读和资源。术语表核心术语定义AI AgentAI助手小队长一个能感知环境、做出决策、采取行动的智能体——就像班级里的小组长能听老师的话用户输入了解小组的情况历史对话/环境数据安排组员各种工具做事最后给老师汇报结果。AI Agent HarnessAI助手队的装备架指挥官手册一个用来快速搭建、调试、部署、监控AI Agent的工具集和框架——就像班级里的共享装备室里面有各种现成的工具查天气、查股票、写代码的工具还有一本“小组长工作手册”Orchestration Logic编排逻辑告诉小组长怎么安排工具、怎么处理问题。LangChain目前全球最主流的AI Agent Harness开源项目之一由Harrison Chase在2022年10月创立拥有超过10万个GitHub Stars数百万开发者使用。LangGraphLangChain官方在2023年11月推出的新一代Agent编排框架专门用来解决复杂的、有分支、有循环的Agent任务——就像给小组长配了一本“思维导图式的高级工作手册”能处理更复杂的小组任务。IssueGitHub上的“问题追踪器”——就像共享装备室门口的“意见箱”你可以在这里提问题、提建议、报告Bug。PRPull Request拉取请求GitHub上的“代码提交申请”——就像你把自己做的装备放在意见箱旁边申请让装备室管理员Maintainer检查、审核然后放进共享装备室。Maintainer维护者开源项目的“装备室管理员”——负责审核PR、修复Bug、发布新版本、管理社区。相关概念解释LLMLarge Language Model大语言模型AI Agent的“大脑”——就像小组长的“脑子”能理解语言、生成语言、做出决策。Tool工具AI Agent的“手和脚”——就像小组长的“组员”能帮AI Agent完成LLM做不到的事情比如查实时数据、写代码、发邮件。Memory记忆AI Agent的“笔记本”——就像小组长的“笔记本”能记录历史对话、环境数据、任务进度。Prompt提示词AI Agent的“指令”——就像老师给小组长的“任务单”或者小组长给组员的“任务分配单”。Orchestration编排AI Agent的“任务安排流程”——就像小组长的“工作流程”告诉AI Agent什么时候用什么工具、什么时候问用户、什么时候结束任务。缩略词列表缩略词全称中文含义LLMLarge Language Model大语言模型AI AgentArtificial Intelligence Agent人工智能智能体HarnessHarness Framework装备架框架PRPull Request拉取请求IssueGitHub IssueGitHub问题追踪器CI/CDContinuous Integration/Continuous Deployment持续集成/持续部署READMERead Me First项目说明文档CONTRIBUTINGContributing Guide项目贡献指南核心概念与联系从“班主任管小组”看懂AI Agent Harness的一切故事引入让我们来模拟一个“六一儿童节班级活动筹备小组”的场景为了让大家完全搞懂AI Agent、AI Agent Harness、LangChain、LangGraph这些核心概念我们先来模拟一个真实的生活场景——六一儿童节班级活动筹备小组假设你是三年级2班的班主任李老师你想让同学们自己筹备一个六一儿童节的班级活动但是你怕同学们搞砸所以你给他们配了一个聪明的小组长叫张小聪明是三年级2班最聪明的学生能听懂你说的话能安排同学做事能解决小问题一个共享装备室叫三2班共享小仓库里面有各种现成的工具预算管理员王小花负责查班级的活动经费、记录每一笔支出场地协调员赵小刚负责联系学校的操场、多媒体教室、舞蹈室节目策划员刘小美负责收集同学们的节目报名、安排节目顺序物资采购员陈小胖负责查淘宝/京东的零食、道具、装饰品的价格然后下单摄影摄像员李小帅负责活动当天的拍照、录像一本小组长工作手册叫**《三2班班级活动筹备小组长操作指南》**里面写了详细的工作流程先听李老师的任务要求查班级的活动经费收集同学们的节目报名联系适合的场地查物资价格做预算找李老师审批李老师审批通过后下单买物资安排节目顺序活动当天提醒摄影摄像员拍照录像活动结束后写活动总结给李老师汇报一个高级的思维导图式工作手册叫**《三2班班级活动筹备应急与复杂任务指南》**如果遇到了预算不够、场地被占用、节目太多等复杂问题就用这本手册5. 如果预算不够可以让陈小胖查更便宜的物资或者取消一些不重要的装饰或者找班长拉赞助6. 如果操场被占用可以联系多媒体教室或者舞蹈室7. 如果节目太多可以安排节目彩排淘汰一些不太好的节目或者把活动时间延长找李老师审批8. 如果物资没按时到可以让陈小胖催快递或者换一家商店买一个笔记本叫**《三2班六一活动筹备记录》**用来记录每一步的进展、每一笔支出、同学们的意见。现在让我们把这个生活场景完全对应到AI Agent Harness的技术场景里生活场景角色/物品AI Agent Harness技术概念班主任李老师用户User聪明的小组长张小聪明AI Agent张小聪明的脑子LLM比如GPT-4o、Claude 3.5 Sonnet、文心一言4.0三2班共享小仓库Toolkit工具集预算管理员王小花、场地协调员赵小刚等Tool工具《三2班班级活动筹备小组长操作指南》LangChain的Chains链《三2班班级活动筹备应急与复杂任务指南》LangGraph的Graphs图《三2班六一活动筹备记录》Memory记忆李老师给张小聪明的任务要求、张小聪明给组员的任务分配单Prompt提示词共享小仓库的管理员比如班长LangChain/LangGraph的Maintainer维护者你把自己做的新工具比如“能查天气预报的同学”放进共享小仓库的申请PR拉取请求哇是不是一下子就懂了接下来我们会用这个类比更详细地解释每个核心概念核心概念解释像给小学生讲故事一样核心概念一什么是AI Agent刚才我们用“聪明的小组长张小聪明”类比了AI Agent现在我们来给它下一个通俗易懂的专业定义AI Agent是一个能自主感知环境、自主做出决策、自主采取行动的智能系统——它不是一个只会被动回答问题的Chatbot聊天机器人而是一个能主动帮你完成任务的“AI助手小队长”为了更清楚地说明AI Agent和普通Chatbot的区别我们来举两个例子普通Chatbot比如只会用知识库的早期版本ChatGPT你问它“今天北京的天气怎么样适合穿什么衣服”它会说“对不起我的知识库截止到2023年10月无法获取实时天气数据。”你再问它“帮我写一封给妈妈的生日祝福信。”它会给你写一封信但不会帮你发邮件。AI Agent比如用LangChain/LangGraph搭建的“生活小助手”你问它“今天北京的天气怎么样适合穿什么衣服我妈妈明天生日帮我写一封生日祝福信买一个她喜欢的康乃馨鲜花蛋糕然后把祝福信发在家庭群里。”它会自主完成以下步骤用“查天气的工具”查北京今天的实时天气根据天气情况推荐穿什么衣服用“查妈妈生日的工具”确认明天是不是妈妈的生日哦不对你已经说了但如果是忘了它可以查你的日历用“写生日祝福信的工具”其实就是用LLM自己写写一封生日祝福信用“查附近花店/蛋糕店的工具”查妈妈喜欢的康乃馨鲜花蛋糕的价格和配送时间用“你的支付工具”下单买蛋糕当然需要你的授权用“发微信的工具”把祝福信发在家庭群里最后给你汇报“北京今天晴天25-32度适合穿短袖短裤生日祝福信已经写好并发在家庭群里康乃馨鲜花蛋糕已经下单明天上午10点送到你家楼下。”看这就是AI Agent和普通Chatbot的区别——AI Agent是主动的、自主的、能完成复杂任务的而普通Chatbot是被动的、只能回答静态问题的核心概念二什么是AI Agent Harness刚才我们用“三2班共享小仓库两本工作手册”类比了AI Agent Harness现在我们来给它下一个通俗易懂的专业定义AI Agent Harness是一个用来快速搭建、调试、部署、监控、迭代AI Agent的工具集和框架——它就像给AI Agent开发者的“超级工具箱施工图纸”让你不用从零开始写代码就能搭出一个功能强大的AI Agent为了更清楚地说明为什么需要AI Agent Harness我们来举个例子假设你想自己从零开始写一个“生活小助手”AI Agent你需要做哪些事情对接LLM你需要写代码对接GPT-4o、Claude 3.5 Sonnet、文心一言4.0等多个LLM还要处理API请求失败、API限流、Token消耗等问题开发工具你需要写代码开发查天气、查日历、发微信、买东西等多个工具还要处理工具调用失败、工具返回结果格式不一致等问题实现记忆你需要写代码实现短期记忆比如最近10条对话、长期记忆比如你妈妈的生日、你喜欢的颜色还要处理记忆存储、记忆检索、记忆更新等问题实现编排你需要写代码实现任务的编排——什么时候用什么工具、什么时候问用户、什么时候结束任务还要处理分支、循环、错误处理等问题调试和测试你需要写代码调试和测试你的AI Agent还要处理各种Edge Case边界情况比如预算不够、场地被占用、API请求失败部署和监控你需要写代码部署你的AI Agent到服务器上还要写代码监控它的运行状态、Token消耗、用户反馈等。哇这也太麻烦了吧如果是一个人写可能要写几个月甚至几年才能写好但是如果有了AI Agent Harness比如LangChain/LangGraph你需要做哪些事情对接LLMLangChain已经帮你对接好了GPT-4o、Claude 3.5 Sonnet、文心一言4.0等数百个LLM你只需要写一行代码就能切换LLM开发工具LangChain已经帮你开发好了数千个现成的工具——查天气、查日历、写代码、发邮件、查股票、查淘宝/京东价格……你只需要写几行代码就能调用这些工具如果你需要的工具LangChain没有你也可以自己写一个工具然后几行代码就能集成到LangChain里实现记忆LangChain已经帮你实现好了短期记忆、长期记忆、向量记忆等多种记忆方式你只需要写几行代码就能使用实现编排LangChain的Chains链已经帮你实现好了简单的线性任务编排你只需要写几行代码就能搭建LangGraph的Graphs图已经帮你实现好了复杂的有分支、有循环的任务编排你只需要写几行代码就能搭建调试和测试LangChain已经帮你开发好了LangSmith调试和测试平台你可以用它来可视化Agent的运行过程、调试Edge Case、测试Agent的性能部署和监控LangChain已经帮你开发好了LangServe部署平台你可以用它来一键部署Agent到服务器上还可以用LangSmith来监控它的运行状态。看这就是AI Agent Harness的威力——让你从零开始写一个AI Agent的时间从几个月甚至几年缩短到几分钟甚至几秒钟核心概念三什么是LangChain刚才我们用“《三2班班级活动筹备小组长操作指南》共享小仓库的大部分工具”类比了LangChain现在我们来给它下一个通俗易懂的专业定义LangChain是一个基于Python/TypeScript的开源AI Agent Harness框架由Harrison Chase在2022年10月创立拥有超过10万个GitHub Stars数百万开发者使用——它的核心理念是“把LLM和外部世界连接起来”Connect LLMs to the WorldLangChain的核心组成部分有哪些我们还是用“三2班班级活动筹备小组”的类比来解释Models模型对应“张小聪明的脑子”——包括LLMs大语言模型、Chat Models聊天模型、Embedding Models嵌入模型等Prompts提示词对应“李老师给张小聪明的任务要求、张小聪明给组员的任务分配单”——包括Prompt Templates提示词模板、Few-Shot Examples少样本示例、Output Parsers输出解析器等Chains链对应“《三2班班级活动筹备小组长操作指南》”——用来把Models、Prompts、Tools、Memory等组件串联起来完成简单的线性任务Tools工具对应“三2班共享小仓库的工具”——用来帮LLM完成它做不到的事情比如查实时数据、写代码、发邮件Agents智能体对应“聪明的小组长张小聪明”——是Chains的升级版能自主决定什么时候用什么工具、什么时候问用户、什么时候结束任务Memory记忆对应“《三2班六一活动筹备记录》”——用来记录Agent的历史对话、环境数据、任务进度Retrievers检索器对应“从《三2班六一活动筹备记录》里找信息的方法”——用来从大量的文档或记忆里检索出相关的信息Callbacks回调函数对应“班主任李老师的实时监控”——用来监控Agent的运行过程、记录日志、调试代码。核心概念四什么是LangGraph刚才我们用“《三2班班级活动筹备应急与复杂任务指南》”类比了LangGraph现在我们来给它下一个通俗易懂的专业定义LangGraph是LangChain官方在2023年11月推出的新一代Agent编排框架专门用来解决复杂的、有分支、有循环、有状态的Agent任务——它的核心理念是“用图来表示Agent的状态和决策过程”Represent Agent State and Decision-Making as a Graph为什么需要LangGraph因为LangChain的Chains和早期的Agents有一些局限性Chains的局限性只能完成简单的线性任务——就像“只能按照固定的步骤走不能有分支、不能有循环”的工作手册早期Agents的局限性虽然能自主决策但决策过程是黑盒的——你不知道Agent为什么会选择这个工具、为什么会问用户这个问题而且调试起来非常麻烦另外早期Agents的状态管理也很混乱——你很难控制Agent的记忆和任务进度。而LangGraph完美地解决了这些问题用图来表示决策过程决策过程是可视化的、白盒的——你可以清楚地看到Agent的每一步决策、每一个状态转换调试起来非常方便支持分支、循环、并行可以完成复杂的任务——就像“思维导图式的工作手册”强大的状态管理可以精确地控制Agent的记忆和任务进度——就像“张小聪明的超级笔记本”完全兼容LangChain可以直接使用LangChain的所有组件——Models、Prompts、Tools、Memory、Retrievers等。核心概念之间的关系用小学生能理解的比喻专业对比表格核心概念之间的关系小学生能理解的比喻让我们再回到“三2班班级活动筹备小组”的场景用更生动的语言解释核心概念之间的关系LangChain和LangGraph的关系就像“《三2班班级活动筹备小组长操作指南》”和“《三2班班级活动筹备应急与复杂任务指南》”的关系——LangChain是基础适合完成简单的线性任务LangGraph是进阶适合完成复杂的、有分支、有循环的任务而且LangGraph完全兼容LangChain就像你可以在应急指南里引用操作指南里的内容一样LangChain/LangGraph和LLM的关系就像“共享小仓库工作手册”和“张小聪明的脑子”的关系——LLM是AI Agent的“大脑”负责理解语言、生成语言、做出决策LangChain/LangGraph是AI Agent的“身体”和“工具”负责把LLM和外部世界连接起来帮LLM完成它做不到的事情LangChain/LangGraph和Tools的关系就像“共享小仓库”和“里面的工具”的关系——Tools是AI Agent的“手和脚”负责帮LLM完成具体的任务LangChain/LangGraph是“共享小仓库的管理员”负责管理这些工具让AI Agent可以方便地调用LangChain/LangGraph和Memory的关系就像“共享小仓库”和“《三2班六一活动筹备记录》”的关系——Memory是AI Agent的“笔记本”负责记录历史对话、环境数据、任务进度LangChain/LangGraph是“共享小仓库的管理员”负责管理这个笔记本让AI Agent可以方便地存储、检索、更新记忆LangChain/LangGraph和开发者的关系就像“共享小仓库的管理员”和“把自己做的新工具放进共享小仓库的同学”的关系——开发者可以用LangChain/LangGraph搭AI Agent也可以自己写新的工具、新的组件然后提交PR把它们放进LangChain/LangGraph的“共享小仓库”里帮助全球数百万开发者核心概念核心属性维度对比专业Markdown表格为了让中级以上的开发者更清楚地了解核心概念之间的区别我们来做一个专业的核心属性维度对比表格核心概念适用场景决策方式状态管理可视化程度学习曲线与LangChain兼容性LangChain Chains简单的线性任务比如翻译文档、摘要文档固定的线性流程弱只能用简单的Memory低黑盒低入门级完全兼容本身就是LangChain的一部分LangChain Legacy Agents中等复杂度的任务比如查天气写邮件自主决策黑盒弱只能用简单的Memory低黑盒中中级完全兼容本身就是LangChain的一部分LangGraph Graphs复杂的、有分支、有循环、有状态的任务比如六一儿童节班级活动筹备、代码审查修复可视化的、可控的自主决策强强大的State管理高白盒完全可视化中高中级以上完全兼容可以直接使用LangChain的所有组件核心概念原理和架构的文本示意图专业定义接下来我们来画一个LangChain/LangGraph核心概念原理和架构的文本示意图——这个示意图就像“三2班共享小仓库两本工作手册的平面图”┌───────────────────────────────────────────────────────────────────────────────────────┐ │ 用户User │ │ 输入任务要求、问题、授权信息等 │ └──────────────────────────────────────────┬──────────────────────────────────────────────┘ │ ▼ ┌───────────────────────────────────────────────────────────────────────────────────────┐ │ LangChain/LangGraph 框架层 │ │ ┌─────────────────┐ ┌─────────────────┐ ┌─────────────────┐ ┌─────────────────┐ │ │ │ 提示词层 │ │ 模型层 │ │ 记忆层 │ │ 检索层 │ │ │ │ - Prompt Templ │ │ - LLMs │ │ - Short Term │ │ - Vector DB │ │ │ │ - Few-Shot Exa │ │ - Chat Models │ │ - Long Term │ │ - Keyword Retr │ │ │ │ - Output Pars │ │ - Embedding Mod │ │ - Conversation │ │ - Hybrid Retr │ │ │ └─────────────────┘ └─────────────────┘ └─────────────────┘ └─────────────────┘ │ │ ┌─────────────────────────────────────────────────────────────────────────────────┐ │ │ │ 编排层Orchestration Layer │ │ │ │ ┌───────────────────────────────┐ ┌──────────────────────────────────────────┐ │ │ │ │ │ LangChain Chains │ │ LangGraph Graphs │ │ │ │ │ │ - 固定线性流程 │ │ - 可视化的、可控的图结构 │ │ │ │ │ │ - 适合简单任务 │ │ - 支持分支、循环、并行 │ │ │ │ │ │ - 弱状态管理 │ │ - 强大的State管理 │ │ │ │ │ └───────────────────────────────┘ └──────────────────────────────────────────┘ │ │ │ └─────────────────────────────────────────────────────────────────────────────────┘ │ │ ┌─────────────────────────────────────────────────────────────────────────────────┐ │ │ │ 工具层Tool Layer │ │ │ │ ┌──────────────────┐ ┌──────────────────┐ ┌──────────────────┐ ┌───────────────┐ │ │ │ │ │ 官方内置工具 │ │ 社区贡献工具 │ │ 自定义工具 │ │ LangChain Tool│ │ │ │ │ │ - 查天气 │ │ - 查淘宝价格 │ │ - 查公司内部数据 │ │ - 标准化接口 │ │ │ │ │ │ - 写代码 │ │ - 查B站视频 │ │ - 控制智能家居 │ │ - 错误处理 │ │ │ │ │ │ - 发邮件 │ │ - 查GitHub PR │ │ - 调用公司内部API │ │ - 输出解析 │ │ │ │ │ └──────────────────┘ └──────────────────┘ └──────────────────┘ └───────────────┘ │ │ │ └─────────────────────────────────────────────────────────────────────────────────┘ │ │ ┌─────────────────────────────────────────────────────────────────────────────────┐ │ │ │ 监控调试层Monitoring Debugging Layer │ │ │ │ ┌──────────────────┐ ┌──────────────────┐ ┌──────────────────┐ ┌───────────────┐ │ │ │ │ │ LangSmith │ │ Callbacks │ │ Logging │ │ Testing │ │ │ │ │ │ - 可视化运行过程 │ │ - 实时监控 │ │ - 记录日志 │ │ - 单元测试 │ │ │ │ │ │ - 调试Edge Case │ │ - 触发事件 │ │ - 分析Token消耗 │ │ - 集成测试 │ │ │ │ │ │ - 测试性能 │ │ - 自定义逻辑 │ │ - 记录用户反馈 │ │ - 端到端测试 │ │ │ │ │ └──────────────────┘ └──────────────────┘ └──────────────────┘ └───────────────┘ │ │ │ └─────────────────────────────────────────────────────────────────────────────────┘ │ └──────────────────────────────────────────┬──────────────────────────────────────────────┘ │ ▼ ┌───────────────────────────────────────────────────────────────────────────────────────┐ │ 外部世界External World │ │ ┌──────────────────┐ ┌──────────────────┐ ┌──────────────────┐ ┌───────────────┐ │ │ │ LLM API │ │ 外部工具API │ │ 数据库 │ │ 文件系统 │ │ │ │ - GPT-4o │ │ - 天气API │ │ - PostgreSQL │ │ - PDF │ │ │ │ - Claude 3.5 │ │ - 股票API │ │ - MongoDB │ │ - Word │ │ │ │ - 文心一言4.0 │ │ - 淘宝API │ │ - Redis │ │ - CSV │ │ │ └──────────────────┘ └──────────────────┘ └──────────────────┘ └───────────────┘ │ └───────────────────────────────────────────────────────────────────────────────────────┘核心概念之间的交互关系图Mermaid架构图最后我们来画一个核心概念之间的交互关系图Mermaid架构图——这个示意图就像“三2班班级活动筹备小组的工作流程图”输入任务要求调用提示词模板生成提示词调用外部LLM API返回LLM响应返回处理后的响应存储/检索记忆检索相关信息查询数据库/文件系统返回相关信息调用工具调用外部工具API返回工具响应返回处理后的响应监控调试记录日志/分析性能返回最终结果用户LangChainLangGraph编排层提示词层模型层外部大语言模型API记忆层检索层外部数据库文件系统工具层外部工具API监控调试层日志文件性能报告未完待续下一部分我们会讲开源社区入门学进装备室的规则包括GitHub的基本操作、Issue和PR是什么、LangChain社区的特殊规则和文化敬请期待