企业官网建设流程全解析

AI Store(https://aistore.best)当前最火的AI产品是【口袋专家AI】(https://agentsdance.ai)——AI版微信，让AI微信中的智能体专家帮你做PPT、做短剧、做图片，完成工作和生活中的所有事。

一、引言

说起大模型应用开发，很多人的第一个框架就是LangChain。而当应用从“调一次模型”升级成“会自己用工具、多轮推理、记得上下文的智能体”时，LangChain 团队给出的底座是LangGraph：把智能体建模成一张有状态的图，节点是“想一步”“调工具”，边决定下一步去哪，状态（对话、中间结果）在节点间流转、可以持久化。Klarna、Replit、Elastic 这些公司都用它来构建生产级智能体，GitHub 上 4 万多 Star。

LangGraph 是一个“底层编排框架”，本身没有界面。AI Store 这一格把两样官方组件装在了一起：一个跑在 LangGraph Server 上的 ReAct 智能体（带一个计算器工具），加上 LangChain 官方的对话前端Agent Chat UI。点开就能聊，而且能把智能体每一次工具调用的参数和结果都摊开给你看。这一篇我们让它帮忙算一笔“每月能存多少钱”的账，看 LangGraph 智能体是怎么调工具、遇到工具报错怎么自己改、追问时怎么记住上下文的。

二、LangChain / LangGraph 项目介绍

2.1 它是什么

• LangGraph：用于构建、管理、部署长时运行、有状态智能体的底层编排框架。设计灵感来自 Google 的 Pregel 和 Apache Beam。
• LangGraph Server：把图部署成服务，提供 Assistants、Threads（线程）、Runs（运行）、Crons（定时）、Store（长期存储）等一整套 REST API，还支持 A2A 和 MCP。
• Agent Chat UI：LangChain 官方的 Next.js 对话界面，可以连接任何带messages状态的 LangGraph 服务。

2.2 项目特色

• 持久执行：智能体运行中途失败也能从断点恢复，适合跑很久的任务。
• 人在回路：执行到任意一步都可以中断，让人查看、修改状态后再继续。
• 完整的记忆：线程内的短期工作记忆，加上跨会话的长期记忆。
• 可观测：配合 LangSmith 能追踪每条执行路径、每次状态变化。
• 生态完整：上层还有 Deep Agents（会规划、能派子智能体、能用文件系统的高层智能体包），以及 LangChain 的大量模型和工具集成。

2.3 基本信息

三、在 AI Store 上开箱即用

在 aistore.best 首页点 “LangChain”，进来就是Agent Chat：中间一个输入框，下方有Hide Tool Calls（隐藏工具调用）开关和Upload PDF or Image（上传 PDF 或图片）。原版 Agent Chat UI 第一次打开要填 Deployment URL 和 Assistant ID，AI Store 已经预置好，直接连着后台的 LangGraph 服务。

左上角的图标可以展开Thread History，每一次对话都是 LangGraph 里的一个线程，随时可以点回去接着聊。

四、实战：让智能体帮我算一笔存钱账

4.1 提问

我月薪税后 18000 元，每月固定开销：房租 4500、餐饮 2200、交通 600、其他 1800。 我想每月先存下税后收入的 25%，剩下的钱扣掉固定开销后还能自由支配多少？ 如果年终奖是 2.5 个月月薪、并且全部存下来，一年一共能存多少？每一步都用计算器算，最后用一张小表格汇总。

4.2 一次发出 5 个工具调用

智能体先把问题拆成几步，一次并行发出了 5 个calculator调用：每月存款、固定开销、年终奖、一年固定存款、一年总存款。每张卡片都标着工具名、调用 ID 和参数expression：

4.3 工具报错，它自己改写

下面的 Tool Result 里能看到，有 3 个调用被计算器拒绝了，返回“只支持数字和 + - * / ( )”——原来它写的是18000*25%，而这个计算器不认百分号。

智能体读到报错后没有放弃，也没有自己心算糊弄过去，而是把表达式改写成18000*25/100，重新发出第二批调用：

这正是 LangGraph 里 ReAct 循环的样子：模型决定调工具 → 工具节点执行 → 结果写回状态 → 模型看到结果再决定下一步。工具报错和工具成功一样，都是一条可以被模型读到、拿来调整策略的观察结果。

4.4 结果

第二批全部算对，它把每一步的算式和结果列出来，最后汇总成表格：每月存款 4,500 元、固定开销 9,100 元、每月自由支配 4,400 元；一年固定存款 54,000 元、年终奖 45,000 元、一年总存款 99,000 元。

4.5 追问：它记得上下文

在同一个线程里接着问：

如果房租涨到 5000，每月能自由支配的钱变成多少？一年能存的总数变吗？

它没让我重新报一遍收入和开销，而是直接沿用上一轮的数据，又调了 5 次计算器：固定开销变成 9,600 元，每月自由支配降到 3,900 元；并且指出“一年存款总数不变，因为存款比例和年终奖都不变”，最后一句总结“相比之前，每月自由支配减少 500 元”。

这就是 LangGraph 线程的作用：同一个线程的消息和工具调用结果都保存在服务端的状态里，下一轮对话直接接着用。

4.6 给开发者：LangGraph Server API

这个智能体背后是一个完整的 LangGraph Server，打开https://langchain.aistore.best/langgraph/docs就能看到它的 API 文档：Assistants、Threads、Thread Runs、Stateless Runs、Crons、Store、A2A、MCP……前端做的每一件事（建线程、发起运行、流式取结果），都能用这些接口在你自己的程序里做。

4.7 使用小贴士

• 想看推理过程就别隐藏工具调用：Hide Tool Calls 关掉时，每次调用的参数和结果都可见，最适合学习和调试。
• 一个话题一个线程：Thread History 里的线程互不干扰，换话题时点右上角新建线程。
• 把工具的约束写进工具描述：本例里计算器的描述写了“只支持数字和 + - * / ( )”，模型第一次没注意，看到报错后就改对了；描述写得越清楚，一次做对的概率越高。

五、想自己部署？

5.1 写一个 LangGraph 智能体

pip install -U langgraph langchain-openai "langgraph-cli[inmem]"

from langchain_core.tools import tool from langchain_openai import ChatOpenAI from langgraph.prebuilt import create_react_agent @tool def calculator(expression: str) -> str: """算一个算术表达式, 只支持数字和 + - * / ( )""" ... graph = create_react_agent(ChatOpenAI(model="你的模型"), tools=[calculator])

在项目里放一个langgraph.json，指明图的位置（例如{"graphs": {"agent": "./graph.py:graph"}}），然后启动本地开发服务器：

langgraph dev # 默认在 http://localhost:2024

5.2 接上 Agent Chat UI

npx create-agent-chat-app # 或者 git clone https://github.com/langchain-ai/agent-chat-ui.git && cd agent-chat-ui pnpm install && pnpm dev # http://localhost:3000

打开后填 Deployment URL（http://localhost:2024）和 Assistant ID（agent）即可；也可以用环境变量NEXT_PUBLIC_API_URL、NEXT_PUBLIC_ASSISTANT_ID预置，跳过这张表单。

六、总结

本文介绍了 LangChain 团队的智能体编排框架 LangGraph，以及官方对话前端 Agent Chat UI，并在 AI Store 上让一个 LangGraph ReAct 智能体算了一笔存钱账：一次并行发出 5 个计算器调用，3 个因为百分号被工具拒绝后自己改写重试，最终给出汇总表；追问时沿用线程里的上下文重新计算。每一次工具调用的参数和结果都清清楚楚，后台还有一整套 LangGraph Server API 可以直接调用。整个过程不需要装环境、不需要申请任何 API Key。

如果觉得对你有帮助，期待您的关注，点赞、收藏或评论，您的支持是我持续码字的动力。

AIStore免费AI公开课系列文章：

AIStore免费AI公开课-智能体篇（一）：口袋专家Harness上架AIStore，开源个人智能体，开箱即用

AIStore免费AI公开课-智能体篇（二）：Agents Team上架AIStore，拉一群机器人同时开工，开箱即用

AIStore免费AI公开课-智能体篇（三）：AI Search上架AIStore，问你的数据、答案带出处，开箱即用

AIStore免费AI公开课-智能体篇（四）：AI Recom上架AIStore，信息流推荐并讲清理由，开箱即用

AIStore免费AI公开课-智能体篇（五）：OpenClaw上架AIStore，龙虾2.0智能体，开箱即用

AIStore免费AI公开课-智能体篇（六）：Hermes上架AIStore，自记忆智能体，开箱即用

AIStore免费AI公开课-智能体篇（七）：DeepSeek Harness上架AIStore，DeepSeek官方智能体，开箱即用

AIStore免费AI公开课-智能体篇（八）：OpenCode上架AIStore，最火的开源编码智能体，开箱即用

AIStore免费AI公开课-智能体篇（九）：Claude Code上架AIStore，用Claude改整个代码库，开箱即用

AIStore免费AI公开课-智能体篇（十）：ComfyUI上架AIStore，节点编排生图生视频，开箱即用

AIStore免费AI公开课-智能体篇（十一）：Codex上架AIStore，用GPT改整个代码库，开箱即用

AIStore免费AI公开课-智能体篇（十二）：Pi Agent上架AIStore，极简可改的编码智能体，开箱即用

AIStore免费AI公开课-智能体篇（十三）：Open Design上架AIStore，开源版Claude Design，开箱即用

AIStore免费AI公开课-智能体篇（十四）：OpenHands上架AIStore，开源版Devin，开箱即用

AIStore免费AI公开课-智能体篇（十五）：Cline上架AIStore，VS Code里的结对编程智能体，开箱即用

AIStore免费AI公开课-智能体篇（十六）：AutoGen Studio上架AIStore，微软多智能体搭建台，开箱即用

AIStore免费AI公开课-智能体篇（十七）：CrewAI上架AIStore，按角色分工的智能体团队，开箱即用

AIStore免费AI公开课-智能体篇（十八）：OpenManus上架AIStore，开源版Manus，开箱即用

AIStore免费AI公开课-智能体篇（十九）：Twenty上架AIStore，开源版Salesforce，开箱即用

AIStore免费AI公开课-智能体篇（二十）：LangChain上架AIStore，LangGraph智能体对话界面，开箱即用

AIStore免费AI公开课-智能体篇（二十一）：SillyTavern上架AIStore，开源版Character AI，开箱即用

AIStore免费AI公开课-智能体篇（二十二）：Kilo Code上架AIStore，架构编码调试多模式，开箱即用

AIStore免费AI公开课-智能体篇（二十三）：Laya上架AIStore，毫秒级结构化判断的决策模型，开箱即用

AIStore免费AI公开课-智能体篇（二十四）：Jev上架AIStore，托管决策模型按输入计价，开箱即用

AIStore免费AI公开课-智能体篇（二十五）：Semantica上架AIStore，开源版Palantir本体工作台，开箱即用

AIStore免费AI公开课-智能体篇（二十六）：Open Dots上架AIStore，开源版OpenAI Dots，开箱即用

AIStore免费AI公开课-智能体篇（二十七）：OpenMausBot上架AIStore，开源版Grok Bot，开箱即用

AIStore免费AI公开课-智能体篇（二十八）：OpenMuse上架AIStore，开源版Muse，开箱即用