北京
一个智能播客平台，用户只需上传视频或音频，AI 就能自动完成内容理解、音色设计、语音合成和专业混音，全程不需要人工干预。这是作者独立开发的 Smart Podcast Platform 项目的核心能力，也是全栈 AI Agent 应用从 0 到 1 的一次完整实践。
技术栈与架构设计
项目前端采用 Vue 3 + TypeScript + Vite，后端使用 FastAPI，Agent 编排由 LangChain 1.0 + LangGraph 完成。前后端流式通信基于 AG-UI 协议，语音引擎来自阿里云 DashScope，音频处理则用 pydub 实现。整条链路从内容理解到音频输出被打通，而不是停留在生成文字脚本的层面。
作者重点拆解了 LLM 工厂模式、Prompt 动态注入、LangGraph 多轮记忆机制和 SSE 流式响应等关键设计。其中，LLM 工厂模式通过工厂函数统一管理模型实例创建，切换模型只需修改环境变量；Prompt 动态注入工具列表描述，可以避免提示词与代码不一致的问题。
LangChain 1.0 的 API 变化
LangChain 1.0 版本变化巨大，旧版的 initialize_agent、AgentExecutor 等 API 全部废弃，新版统一改为 create_agent。作者提醒，网上大部分教程代码无法直接使用，建议直接查看官方 1.0 Changelog，而不是依赖网络教程。
在流式通信方面，SSE 比 WebSocket 更适合 AI 对话场景。SSE 基于普通 HTTP 连接，轻量且无需额外握手，适合用户发一条、AI 持续回复的场景。但作者也踩过一个坑：后端加了 gzip 压缩中间件后，SSE 数据会被缓冲等凑满再发，导致前端收不到流式效果。解决方式是给 SSE 响应添加 X-Accel-Buffering: no 响应头。
多轮记忆与音频混音工具
LangGraph 的 InMemorySaver 按 thread_id 隔离多轮对话记忆，前端无需维护对话历史或每次发送全量消息，后端自动从 checkpoint 恢复上下文。不过作者提示，该方案仅适合本地尝试，真实业务需要用数据库持久化。
第二阶段重点介绍了音频混音工具模块，包括音频拼接、智能 BGM 选择与专业混音三个核心工具的实现逻辑，以及音频资源管理 API 与索引系统的设计。这些工具让 Agent 能够把语音合成结果进一步加工成可发布的播客音频。
整个项目展示了全栈 AI Agent 应用的关键：打通从内容理解到音频输出的完整链路。通过 LangGraph 编排 Agent，将内容理解、音色设计、语音合成与混音等环节串联起来，实现端到端自动化。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
