解决方案

按“要完成的任务”组织：升级迁移、选型、评估、故障恢复、上线。每一篇都在固定版本的环境里实际运行过，页面里的代码和输出可以直接复现。

怎么读这些页面

每篇文章开头都有一张适用版本与验证信息表，写明 Python、LangChain、LangGraph 等包的具体版本、验证日期和来源。版本不一致时，先对照这张表，再决定是否照做。

编写与验证标准见编辑与纠错说明。发现错误请通过联系我们告诉我们。

文章

升级与迁移

• LangChain 从 v0.x 升级到 v1：双轨迁移 Runbook（含回滚）：先用 langchain-classic 零行为变更换 import，再迁到 create_agent，附行为差异和回滚方案。
• RetrievalQA 与 LLMChain 迁移到 LCEL：对等性与调用次数实测：发给模型的消息是否一致、返回值哪里变了、三种 chain_type 各调用几次模型、检索为空时旧链会怎样。
• ConversationBufferMemory 迁移到 v1：thread_id 与历史裁剪实测：静默失忆、会话串线、两种历史裁剪的取舍，以及重启后的持久化。

选型与架构

• create_agent 还是 LangGraph？同一任务两种实现的选型决策表：同一个退款任务两种写法，对比轨迹、代码量、人工审批和审核回路。

可靠性与故障恢复

• LangGraph checkpoint 与故障恢复：崩溃、重启、幂等与重放实测：崩溃续跑、进程重启恢复、interrupt 重跑、幂等键和 RetryPolicy 默认行为。
• Agent 中间件与安全护栏：限流、脱敏、重试与降级实测：调用上限的三种终止方式、PII 脱敏的默认范围、重试吞掉降级，以及中间件占用的递归步数。

质量评估与回归

• RAG 检索评测与回归门禁：hit@k、MRR 与逐题保护实测：直接问法与改写问法的落差，汇总指标为什么会掩盖逐题回归。
• RAG 切分与 Retriever 基准：chunk_size、overlap 与 MMR 实测：中文分隔符与切分边界、chunk_size 扫描、overlap 和 MMR 的取舍。

模型接入

• OpenAI 兼容模型接入验收：工具调用、结构化输出、超时与重试实测：用本地模拟服务验收 ChatOpenAI，附可复用的验收脚本。

继续阅读

遇到具体报错，先去实现参考查表：生产故障诊断中心按报错原文对号入座，工具调用 schema 排障专门处理工具参数问题。