前面我们介绍了第一个 Agent Framework - Pocket Flow。并且说道，大多数 Agent Framework 的核心是提供了对 Workflow 的抽象-Graph。今天我们来介绍另一个 Agent Framework - LangGraph。并依旧重点关注 Graph 实现的四个问题：

了解如何在 LoveIt 主题中快速, 直观地创建和组织内容.

这一节我们来简单介绍 Pydantic AI 的基本使用。后面我们会基于 Pydantic AI 实现自己的 Agent。

1. 自定义 AgentLoop

我们不关心 Pydantic AI 提供的 Agent Loop 功能，所以我们只需要关心其如下抽象:

Hugo 提供了多个内置的 Shortcodes, 以方便作者保持 Markdown 内容的整洁.

RAGFlow 是一个完整的文档 RAG 平台，覆盖文件上传、解析、分块、索引、混合检索、重排、上下文扩展、LLM 生成和引用回填。它适合处理 PDF、Word、网页、表格和扫描件等企业资料，而不只是提供一个向量检索 SDK。

前文分析了 LangGraph 的 Graph、Channel、Pregel 调度和 Checkpoint。本篇继续回答两个运行时问题：

1. LangGraph 在哪里产生事件，如何收集并输出事件流
2. interrupt() 暂停时发生什么，用户如何获得上下文，Command(resume=...) 又如何把输入交还给节点

其中 messages 模式依赖 LangChain Chat Model 的流式 Callback，因此还会单独分析 BaseChatModel、Provider 的 _stream() 和 LangGraph 的 StreamMessagesHandler 如何连接。