案例技能关于

langchain - 使用 LangChain 构建 LLM 应用程序。

使用 LCEL 链、RAG 管道和 LangGraph Agent 构建 LLM 应用程序。

标签

更新于: 2026-09-20

langchain lcel rag agent langgraph llm

能力

构建 LCEL 链实现 RAG 管道创建 LangGraph Agent 配置 LangSmith 追踪

典型输入

文档数据源 Agent 工具定义模型提供商集成包

典型输出

LCEL 链执行输出 RAG 管道响应 Agent 执行状态

该技能可以做什么

构建 LCEL 链
实现 RAG 管道
创建 LangGraph Agent
配置 LangSmith 追踪
通过 LangServe 部署

输入

文档数据源
Agent 工具定义
模型提供商集成包
LANGCHAIN_TRACING_V2 环境变量

输出

LCEL 链执行输出
RAG 管道响应
Agent 执行状态
LangSmith 追踪日志

要求

Python 环境
LangChain v1.0 或更高版本
LangGraph 运行时

来源

规范: SKILL.md

ClawIndex

OpenClaw Skills 与 Use Case 索引

ClawIndex 是一个生态驱动的 OpenClaw Skills 与真实 Use Case 索引站。

索引

Meta

© 2026 ClawIndex 保留所有权利。