LangGraph02：聊天机器人

很多人写的第一个"聊天机器人"是这样的：跑起来没问题，但有两个致命缺陷：LangGraph 的解法：把对话建模成一张图，把对话历史建模成图的状态。add_messages 自动追加，历史不丢graph.stream({"messages": [用户消息]})初始化状态传入当前状态调用 LLM，返回 {"messages": [AI回复]}流式事件（逐段输出）逐段打印回复图中只有两个角色：状态负责记

LangGraph01：简介

LangGraph 的本质是一个带记忆的、图结构的 AI 任务执行器。它的设计哲学是：把 AI 应用当成一个永远在线的"活系统"，而不是一次性的函数调用。记住三要素——节点干活、边定路线、状态存记忆——你就抓住了整个框架的骨架。下一篇，我们用一个有记忆的聊天机器人，把这三要素变成可运行的代码。

学习 VLA 第5天：VIT算法原理以及复现