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」。

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。