LangGraph

Open‑SWE

Open‑SWE：開源非同步程式碼代理框架，結合 LangGraph 與 Deep Agents 的企業級自動化解決方案

LangChain 推出的 Open‑SWE 為企業內部程式碼代理提供開源實作，結合 LangGraph 與 Deep Agents，支援 Slack、Linear 呼叫與自動 PR，並內建雲端沙盒與子代理編排，讓企業可效仿 Stripe、Ramp、Coinbase 的內部自動化流程，降低自建成本與維運門檻。

深度分析

LangGraph 與 GraphRAG：以人工智慧代理自動將遺留 Fortran 有限差分程式轉譯為 Devito

在高效能科學運算中，維護大量Fortran遺留有限差分程式面臨困境。本研究以LangGraph結合GraphRAG與知識圖譜，採多階段RAG檢索與靜態程式碼分析導出檢索策略，並以Pydantic約束與LLM評估驗證，將程式自動轉譯為Devito，提高轉譯可靠性與可驗證性。

深度分析

STAR：以階段化 RCA、Fast/Slow 路由與 LangGraph 重放提升大型語言模型根因分析準確度

微服務環境的根因分析（RCA）面臨觀測訊號分散與推理錯誤傳播的挑戰。

OncoAgent

OncoAgent：結合LangGraph、Corrective RAG與QLoRA的隱私保護腫瘤決策平台

OncoAgent是一套開源、可在院內部署的腫瘤臨床決策輔助系統，採雙層精調大型語言模型（Tier 1速度型、Tier 2深度推理），並以LangGraph多代理拓樸解構臨床推理流程。系統透過四階段Corrective RAG檢索管線、跨編碼器重排與HyDE輔助嵌入，以確保模型輸出以臨床指引為依據；

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。

深度分析

GamED.AI：以 LangGraph 階層式多代理與 Pydantic schema 實作機制契約，生成 Bloom’s 對齊教學遊戲

面對教學內容生成的準確性挑戰，GamED.AI以分階段多代理、LangGraph DAG、確定性品質門檻與Pydantic schema約束流程，透過機制契約在生成前驗證遊戲結構與Bloom’s對齊；實驗於200題上達90%驗證通過，並顯著降低token與成本。

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。

LangGraph

端到端 Agentic AI 工程實驗室：以 LangGraph、AutoGen 與 RAG 建構可上線多代理系統

這篇報導聚焦於一個開源實作倉庫，展示如何把大型語言模型應用推向多代理、自主化與生產部署。

深度分析

pAI/MSc：以人為監督的多代理研究管線與可審計 LangGraph 工作流

面對大型語言模型與代理系統改變科研流程的趨勢，研究團隊提出pAI/MSc作為以人為監督的多代理研究管線。系統採角色議會、分階段驗證與固定執行拓撲，從假說出發建構結構化手稿工作區。該架構試圖顯著降低人為指導成本，同時保留重要的科學審核與人工把關。