Langchain Ai Skills

skills-benchmarks/skills/benchmarks/framework-selection

Rufe diese Fähigkeit zu Beginn eines jeden LangChain/LangGraph/Deep Agents Projekts auf, bevor du Agentencode schreibst. Bestimmt, welche Framework-Ebene für die… geeignet ist.

deepagents/examples/nvidia_deep_agent/skills/gpu-document-processing

Verwenden Sie bei der Verarbeitung großer PDFs, Dokumentensammlungen oder Massentextextraktionsaufgaben, die von GPU-beschleunigter Verarbeitung profitieren. Wird ausgelöst, wenn der Benutzer…

docs/src/.mintlify/skills/langchain

Erstellen Sie Agents mit einer vorgefertigten Architektur und Integrationen für jedes Modell oder Tool. Verwenden Sie dies beim Erstellen von Tool-Calling-Agents, beim Wechseln von Modellanbietern oder beim Hinzufügen…

langchain-skills/skills/LangChain Agent Starter Kit

BEGINNE HIER IMMER für jedes Open-Source-Agent-Projekt mit LangChain, Deep Agents oder LangGraph. Es ist der erforderliche Ausgangspunkt für jeden Open-Source-Agenten von LangChain…

langchain-skills/skills/LangChain Middleware & HITL

langchain-middleware-&-hitl — eine installierbare Fähigkeit für KI-Agenten, veröffentlicht von langchain-ai/langchain-skills.

langchain-skills/skills/LangChain RAG Pipeline

RUFEN SIE DIESE FÄHIGKEIT auf, wenn Sie ein Retrieval-Augmented Generation (RAG)-System erstellen. Umfasst Dokumentenlader, RecursiveCharacterTextSplitter, Einbettungen (OpenAI),…

langchain-skills/skills/LangChain Structured Output & HITL

langchain-structured-output-&-hitl — eine installierbare Fähigkeit für KI-Agenten, veröffentlicht von langchain-ai/langchain-skills.

langchain-skills/skills/langchain-agents

Verwenden Sie diese Fähigkeit für JEDE Programmierfrage zu LangChain-Produkten (LangChain, LangGraph, LangSmith SDK). Deckt Agentenentwicklungsmuster, Grundbausteine, … ab.

skills-benchmarks/skills/langchain-agents

LangChain-Agenten mit modernen Mustern erstellen. Umfasst create_agent, LangGraph und Kontextverwaltung.

langchain-skills/config/skills/langchain-dependencies

We need to translate the given text from English to German. The text is about LangChain ecosystem package versions, dependencies, and installation guidance. We must preserve the name "langchain-dependencies" but it's not in the text, so we don't include it. Also preserve product names like LangChain, LangGraph, Deep Agents, langchain-core, langchain-community, and version numbers. No extra commentary. Translation: "LangChain ecosystem package versions, dependencies, and installation guidance for Python and TypeScript. Start all new projects on LangChain 1.0 LTS; version 0.3 is legacy maintenance-only. Always install langchain-core explicitly alongside other packages. Choose one orchestration layer: LangGraph for fine-grained graph control, or Deep Agents for batteries-included planning and memory. Pin langchain-community conservatively to exact minor versions (e.g., >=0.4.0,<0.5.0 ) since it does not..." German: "LangChain-Ökosystem-Paketversionen, Abhängigkeiten und Install

skills-benchmarks/skills/main/langchain-dependencies

Rufe diese Fähigkeit auf, wenn ein neues Projekt eingerichtet wird oder wenn nach Paketversionen, Installation oder Abhängigkeitsverwaltung für LangChain, LangGraph,… gefragt wird.

langchain-skills/config/skills/langchain-fundamentals

Produktionsreife LangChain-Agenten mit create_agent(), Tools und Middleware-Mustern erstellen. create_agent() mit Modell, Tool-Liste und System-Prompt verwenden; Zustandspersistenz mit Checkpointer und thread_id für Gesprächsspeicher über Aufrufe hinweg konfigurieren. Tools über @tool-Dekorator (Python) oder tool()-Funktion (TypeScript) mit klaren Beschreibungen definieren, damit Agenten wissen, wann sie sie aufrufen sollen. Middleware wie HumanInTheLoopMiddleware für Genehmigungsworkflows, benutzerdefinierte Fehlerbehandlung und Human-in-the-Loop hinzufügen...

skills-benchmarks/skills/main/langchain-fundamentals

Erstellen

langchain-skills/config/skills/langchain-middleware

Human-in-the-loop-Genehmigung, benutzerdefinierte Middleware und strukturierte Ausgabemuster für LangChain-Agenten. HumanInTheLoopMiddleware pausiert die Ausführung vor gefährlichen Tool-Aufrufen und ermöglicht es Menschen, zu genehmigen, Argumente zu bearbeiten oder mit Feedback abzulehnen. Pro-Tool-Unterbrechungsrichtlinien ermöglichen die Konfiguration unterschiedlicher Genehmigungsregeln basierend auf dem Risikoniveau; erfordert einen Checkpointer und eine thread_id für die Zustandspersistenz. Das Command-Resume-Muster setzt die Ausführung nach menschlichen Entscheidungen fort, mit Unterstützung für die Bearbeitung von Tool-Argumenten...

skills-benchmarks/skills/main/langchain-middleware

RUFEN SIE DIESE FÄHIGKEIT auf, wenn Sie eine Mensch-im-Kreis-Freigabe, benutzerdefinierte Middleware oder strukturierte Ausgabe benötigen. Deckt HumanInTheLoopMiddleware für die menschliche Freigabe von…

skills-benchmarks/skills/benchmarks/langchain-oss-primer

BEGINNE HIER IMMER für jedes LangChain-, Deep Agents- oder LangGraph-Agent-Bauprojekt. Erforderlicher Ausgangspunkt, bevor andere Fähigkeiten ausgewählt oder Code geschrieben wird…

langchain-skills/config/skills/langchain-python-quickstart

Erstelle ein minimales lokales LangChain-Agenten-Scaffold in Python, indem du der offiziellen Schnellstartanleitung folgst. Verwende dies, wenn der Benutzer schnell einen LangChain-Agenten aufbauen oder ausprobieren möchte …

langchain-skills/config/skills/langchain-rag

Vollständige RAG-Pipeline für Dokumentenerfassung, Einbettung, Abruf und LLM-gestützte Antwortgenerierung. Unterstützt mehrere Dokumentenlader (PDF, Webseiten, Verzeichnisse) und persistente Vektorspeicher (Chroma, FAISS, Pinecone) mit konfigurierbarer Chunk-Größe und Überlappung für optimale Kontexterhaltung. Enthält Ähnlichkeitssuche, MMR-Abruf (Maximal Marginal Relevance) und Metadatenfilterung, um Relevanz und Diversität der Ergebnisse auszugleichen. Funktioniert mit OpenAI-Einbettungen und integriert sich nahtlos...

skills-benchmarks/skills/main/langchain-rag

langchain-rag — eine installierbare Fähigkeit für KI-Agenten, veröffentlicht von langchain-ai/skills-benchmarks.

langchain-skills/config/skills/langchain-typescript-quickstart

Erstelle ein minimales lokales LangChain-Agenten-Gerüst in TypeScript, indem du dem offiziellen Schnellstart folgst. Verwende dies, wenn der Benutzer schnell einen LangChain-Agenten aufbauen oder ausprobieren möchte …

docs/src/.mintlify/skills/langgraph

Erstellen Sie zustandsbehaftete, dauerhafte Agent-Workflows mit LangGraph. Verwenden Sie es, wenn Sie benutzerdefinierte graphbasierte Steuerungsabläufe, Human-in-the-Loop, Persistenz oder Multi-Agent… benötigen.

langchain-skills/skills/LangGraph Execution Control

DIESE FÄHIGKEIT für LangGraph-Workflows, parallele Ausführung, Unterbrechungen oder Streaming aufrufen. Deckt Send-API für Fan-out, interrupt() für Human-in-the-Loop,…

langchain-skills/skills/LangGraph Persistence & Memory

langgraph-persistence-&-memory — eine installierbare Fähigkeit für KI-Agenten, veröffentlicht von langchain-ai/langchain-skills.

langchain-skills/config/skills/langgraph-cli

RUFEN SIE DIESE FÄHIGKEIT auf, wenn Sie die langgraph-CLI verwenden, um LangGraph-Anwendungen zu erstellen, zu entwickeln, zu bauen oder bereitzustellen. Deckt langgraph new, dev, build, up, deploy und… ab.

deepagentsjs/examples/skills/langgraph-docs

Verwenden Sie diese Fähigkeit für Anfragen zu LangGraph, um relevante Dokumentation abzurufen und präzise, aktuelle Anleitungen bereitzustellen.

docs/src/code-samples/deepagents/skills/langgraph-docs

Ruft die LangGraph-Python-Dokumentation ab und referenziert sie, um zustandsbehaftete Agenten zu erstellen, Multi-Agent-Workflows zu entwickeln und Human-in-the-Loop-Muster zu implementieren. Verwenden…

deepagents/libs/code/examples/skills/langgraph-docs

We need to translate the given English text into German, preserving the name "langgraph-docs" if it appears. The text is a description of an agent skill. The instruction says: "Translate only the text inside <text>. Do not include the name unless it appears in the source text." The name "langgraph-docs" does not appear in the source text, so we should not include it. Also, do not add labels like "description" etc. Just translate the text. The text: "Access LangGraph documentation to build stateful agents and multi-agent workflows. Fetches official LangGraph Python docs covering state machines, graph-based agent design, and human-in-the-loop patterns Prioritizes relevant documentation by query type: implementation guides for how-to questions, concept pages for theory, tutorials for end-to-end examples, and API references for technical details Automatically selects 2–4 most relevant documentation URLs and retrieves their content to answer..." Note: There is a missing period after "patterns" and before "Prioritizes". Also the last part seems cut off:

langchain-skills/config/skills/langgraph-fundamentals

Gerichteter Graph-Framework zur Erstellung zustandsbehafteter, mehrstufiger Agenten-Workflows mit feingranularer Steuerung. StateGraph mit typisierten Zustandsschemata, Reduzierern zum Akkumulieren von Listen/Werten und Knoten, die partielle Zustandsaktualisierungen zurückgeben. Statische Kanten für feste Abläufe, bedingte Kanten für Verzweigungen und Command zur Kombination von Zustandsaktualisierungen mit dynamischem Routing. Send-API für Fan-Out-Parallelität zu Worker-Knoten mit Ergebnisaggregation über Reduzierer. Invoke für Einzelausführung und Stream-Modi (Werte, Aktualisierungen, ...)

skills-benchmarks/skills/main/langgraph-fundamentals

RUFEN SIE DIESE FÄHIGKEIT auf, wenn Sie LangGraph-Code schreiben. Behandelt StateGraph, Zustandsschemata, Knoten, Kanten, Command, Send, invoke, Streaming und Fehlerbehandlung.

langchain-skills/config/skills/langgraph-human-in-the-loop

Pausiere die Graph-Ausführung für menschliche Überprüfung, Genehmigung oder Validierung und setze sie dann mit deren Eingabe fort. Erfordert drei Komponenten: einen Checkpointer (InMemorySaver oder PostgresSaver), eine Thread-ID in der Konfiguration und JSON-serialisierbare Interrupt-Payloads. interrupt(value) pausiert und zeigt Daten an; Command(resume=value) setzt fort und gibt diesen Wert an den pausierten Knoten zurück. Der gesamte Code vor interrupt() wird bei Fortsetzung erneut ausgeführt, daher müssen Seiteneffekte idempotent sein (upsert verwenden, nicht insert). Unterstützt Genehmigungs-Workflows,...