页面加载中…
搜索中文正文和常见中英文技术词，按教程、项目、面试题筛选。
「LangGraph 多轮对话」找到 5 条内容
按专题浏览 →匹配题目：使用LangGraph构建多轮对话Agent相较于手动编写Prompt流程有哪些优势？例如在状态管理、可维护性和复杂逻辑支持方面。
匹配正文：…:50-65 分钟 🎯 完成后能力:能讲清记忆模块是什么、短期/长期记忆怎么管,会用 30 行代码实现"带记忆 + 指代消解"的多轮对话,并讲清主流框架的记忆方案 🔗 关联面试题:5 道(覆盖 5 个不同角度,见 Part 3) 这一章你会学到什么 ✓ 零基础也能跟着做:用一段零依赖代码,亲眼看到"没记忆,多轮里的'它'就无解;有记忆才接得住" ✓ 看懂记忆模块是什么:它是和检索模块并行的"动态上下文来源" ✓ 分清短期记忆(本次会话)和长期记忆(跨会话、用户画像) ✓ …
匹配正文：典型应用场景 LangGraph适合需要循环、条件分支和状态持久化的复杂Agent场景： 场景 为什么适合 多轮对话Agent 支持循环边实现"思考-行动-观察"的ReAct循环，状态持久化保留对话上下文 代码生成与调试 写代码→执行→报错→修复的循环工作流，需要回溯和重试机制 研究/搜索Agent 搜索→阅读→判断信息是否足够→决定继续搜索或终止的循环决策 审批工作流 多级审批、驳回重提、人工介入等复杂状态流转 多Agent协作 不同Agent节点间通过共享状态池通信，支持…
学习内容与项目面试，在同一条路上。