只会读写文字的 Agent，等于既聋又瞎：它看不懂用户发的截图、听不懂录音，更别提自己画图、剪视频。这篇围绕 DashScope 上 Qwen 与万相两族模型，讲透多模态 Agent 的两条能力主线——「理解」（图片/音频/视频 → 文字）与「生成」（文字/图片 → 图像/视频），并点破背后的两套调用协议与「同步调用 vs 异步任务」的分水岭，适合想给 LangChain.js 应用接上多模态能力的开发者

LangChain/DeepAgents 的 middleware 机制——钩子原理、自定义中间件，以及文件系统、长期记忆、上下文摘要、技能、子代理 5 个开箱即用的官方中间件

面向用 LangChain / LangGraph 构建 Agent 与 RAG 的开发者，用一个「客服问答」的例子把 Trace、Monitor、Dataset、Evaluator、Experiment 五个概念讲透，并给出可直接照抄的最小代码，让 Agent 既「看得见」又「量得出」。

摘要: 问「A 和 B 什么关系」「A 的配料有哪些」「A 属于哪一类」，靠向量/关键词检索只能捞回零散文本。本文以奶茶知识图谱为例，讲清楚哪些场景该交给图数据库，并用 LangChain + LangGraph 搭一条「LLM 写 Cypher → 执行图查询 → 生成答案」的 GraphRAG 流水线

朴素 RAG 是一条不会转弯的流水线：简单问题照样检索、信息够不够没人判断、一步查不到的链式问题直接放弃、知识库里没有就编。本篇以《天龙八部》小说问答为例，用 LangGraph 逐步加入「意图路由 → 多跳循环检索 → 检索效果评估 + 联网兜底」，让大模型自己做决策中枢，把流水线改造成能自问自答、自我纠偏的闭环。适合已掌握 LangChain / LangGraph 基础、想理解 Agentic RAG 底层逻辑的学习者。

用 JS 手写一张 LangGraph 图（State / Node / Edge / Checkpointer / interrupt），再基于 Supervisor 把它扩展成多个 Agent 各司其职的架构。适合刚学完 LangChain 基础、想理解多 Agent 产品底层的学习者。

把 Agent 从"灰盒子"变成"看得见的过程"——讲透如何用 AGUI 协议的事件模型 + Vercel AI SDK 的 Data Stream Protocol，让 Agent 流式渲染文本、把工具调用画成组件。附 LangChain createAgent + useChat + Streamdown 可直接照抄的最小示例

一篇带你完整走过「工具调用 Agent + 定时任务」全流程的实战博客——用最小代码造一个能搜网页、发邮件、读写数据库、到点自动提醒的 AI 助手，适合想上手 LangChain.js 与 NestJS 的开发者。

系统梳理 LangChain.js 的 9 个 Runnable 组合 API 与 invoke/stream/batch 三种调用方式，标注已废弃 API 及对应替代方案，附带可直接照抄的最小代码示例

系统梳理 LangChain.js 的 9 个 Prompt Template 相关 API——基础模板、对话模板、Few-Shot 示例、示例选择器与流水线组装，附带可直接照抄的最小代码示例。