深度分析
用 Groq 作為推理後端：結合 LangChain 與 LangGraph 的代理人研究框架
本文示範如何利用 Groq 的 OpenAI 相容推理端點，結合 LangChain 與 LangGraph，建構一個可呼叫工具、分派子代理並具備長期記憶的研究型代理人。文章說明沙盒目錄結構、技能註冊、網路檢索與網頁擷取、程式執行環境、子代理隔離，以及如何把研究結果寫入檔案並保存關鍵事實。
LangChain
Model Context Protocol
使用 MCP 與 LangChain、CrewAI 快速部署本地 AI 代理工作流
Anthropic 限制 Claude 後，開源社群推出新工具 Build‑Agentic‑AI‑and‑Gen‑AI‑Agents‑with‑MCP，透過 Model Context Protocol 串接 LangChain、CrewAI，提供跨平台安裝與向量資料庫支援，協助開發者快速建置 AI 代理工作流。
n8n
n8n 技術解讀：TypeScript、LangChain 與自建部署實務
隨著自動化需求持續升溫，開源平台n8n以TypeScript打造可視化與程式碼並存的工作流程，引入LangChain支援AI代理，提供400多項整合與自部署選項，讓企業在保護資料的同時加速數位轉型。同時採用公平授權確保源碼可見，活躍社群提供超過900套範本，降低開發門檻。
LangGraph
LangGraph 編排框架：整合 LangChain 與 RAG 的有狀態代理人工程實作
LangGraph 是一個以 Python 為主的低階編排框架，專注於建置與管理長期有狀態（stateful）的 AI 代理人。專案在 GitHub 上獲得高度關注（包含 Stars 與 Forks），README 指出與 LangChain 整合並被多家公司採用。
RAG
All‑in‑RAG：從 Embedding 到生成的 RAG 實作與部署指引
All‑in‑RAG 是一個以 Python 為主的開源教學專案，聚焦檢索增強生成（RAG）技術，提供從理論到實作的系統化學習路徑與實例。專案整合 LangChain、llama‑index、向量資料庫等常見工具，涵蓋 embedding、多模態、知識圖譜等主題，並提供線上閱讀與範例程式。
檢索增強生成
RAG_Techniques 開源專案全解析：向量檢索、LangChain 與 LlamaIndex 深度實作
GitHub 新發現 RAG_Techniques 專案提供多項檢索增強生成技術教學，涵蓋 LangChain、LlamaIndex 與向量資料庫整合。結合 UltraRAG、VimRAG 與 Databricks 多步驟代理人等最新研究，提升多模態與混合查詢效能。此專案為台灣 AI 開發者提供可落地的實作範例與產業應用洞見。