最近在做一个内部知识库问答的Agent，用LangChain + GPT-4，本地跑demo感觉还行。但一挂到服务上就发现一堆问题：比如多个用户并发的时候，对话历史串了；还有工具调用偶尔超时或者返回格式不对，直接让整个chain崩了，得手动重试。我看了下LangSmith的trace，感觉是状态管理没做好，但网上教程大多都是讲单个demo怎么跑，很少有讲怎么设计生产级的状态持久化、错误恢复和上下文隔离的。想请教下社区里真正做过落地项目的朋友，你们是用什么方案解决这些的？是自己维护conversation状态，还是直接用LangGraph或者别的框架？另外，对于工具调用失败，有没有什么好的自动降级或者重试策略？先谢谢各位了。