孙杨晓威-优快云博客

原创 Reflexion反思机制解析

这篇文章介绍了 Reflexion（反思）机制，这是一种让 AI Agent 在失败后总结经验教训并自我改进的技术。文章通过对比 ReAct 和 Plan-and-Execute 两种范式，突出了 Reflexion 的核心优势：让 Agent 从错误中学习并积累经验。主要内容包括： Reflexion 的核心机制：执行→评估→反思→重试的循环过程与其他范式的对比，展示适用场景差异完整代码实现（基于鸡兔同笼问题）实际运行效果示例工程落地的关键设计要点文章特别强调评估器质量的决定性作用，并提供了控

2026-08-14 09:28:03 383

原创 RAG检索增强生成入门

文章摘要： RAG（检索增强生成）通过"先检索后生成"的方式，解决大模型知识时效性差、私域数据缺失和幻觉问题。其核心流程包括：索引（文档切分、向量化存储）、检索（语义相似度匹配）、生成（基于检索结果作答）。相比微调和长上下文，RAG更适合动态知识更新，且答案可溯源。实际应用中需解决切分粒度、召回质量等工程挑战。RAG与Agent互补——前者提供知识，后者执行操作，常结合使用。典型场景如企业知识库问答，通过混合检索（向量+关键词）提升准确性。注意知识更新权限管理和敏感信息防护。（字数：149）

2026-08-14 09:26:13 166

原创 D04-L3-LangChain入门

本文介绍了LangChain框架及其核心组件LCEL（LangChain Expression Language）的入门知识。文章适合已能调用大模型API、想系统学习LangChain的开发者。主要内容包括： LangChain的核心抽象：ChatPromptTemplate（提示词模板）、ChatModel（大模型封装）、OutputParser（输出解析器）和Runnable（可执行单元） LCEL的管道语法优势：直观易读、原生支持并行/流式/异步、易于组合、官方主推两个可运行示例：最简问答链（三组

2026-08-13 08:35:28 196

原创 D03-L2-PlanAndExecute深度解析

文章摘要 Plan-and-Execute 是一种比 ReAct 更高效的 Agent 规划范式，核心思想是将"规划"和"执行"分离。它先由 Planner 一次性生成完整步骤计划，再由 Executor 按计划执行，仅在出错时触发 Replanner 调整。与 ReAct 相比，该方法显著降低 Token 消耗（只在规划/重规划时调用 LLM），更适合流程型任务（如数据处理）。文章提供了完整的 Python 实现，包含 Planner、Executor 和 Replanner 三个核心组件，通过工具调用演

2026-08-13 08:34:00 227

原创 Day01-下午-ReAct范式拆解

这篇文章通过手写实现一个最小ReAct Agent，深入解析了AI Agent的核心工作原理。主要内容包括： ReAct原理：通过"思考→行动→观察"循环，让模型在真实反馈中自主决策和纠错完整实现：定义搜索和计算工具用系统提示词规范输出格式构建主循环实现决策与执行流程进阶范式对比：分析ReAct、Plan-and-Execute和Reflexion三种模式的优缺点及适用场景实践注意事项：指出文本解析不稳定和工具选择模糊两个常见问题通过这个最小实现，开发者可以透彻理解Agent自主决策的底层机制

2026-08-12 10:41:36 224

原创 Day01-上午-AI-Agent完全入门

这篇文章系统介绍了AI Agent的概念、原理和实现方法。首先解释了AI Agent与ChatGPT、RAG的区别，指出Agent是具备自主规划、执行能力的"主动执行者"。文章详细分析了Agent的四大核心要素：规划、记忆、工具和行动，并介绍了经典的ReAct范式。在技术生态方面，对比了LangChain、AutoGen、OpenAI SDK等框架的特点和适用场景。最后通过一个完整的代码示例，演示了如何用OpenAI的Function Calling实现一个简单的天气查询和计算器Agent。全文兼顾理论讲解

2026-08-12 10:40:22 180

原创别让大模型“失忆”：LangChain 记忆机制的三种高阶玩法

文章摘要：大语言模型本身不具备记忆能力，每次对话都是独立的。为了解决这一问题，LangChain提供了三种高效记忆方案：滑动窗口记忆：只保留最近几轮对话，适合短期交互场景，Token消耗稳定但易丢失历史信息。摘要记忆：通过模型自动压缩对话内容生成摘要，适合长程任务，但存在信息损失和额外算力开销。向量数据库记忆：利用向量数据库存储和检索相关历史对话，模拟人类记忆机制，兼顾语义关联与细节保留，适合复杂场景但实现较复杂。三种方案各有优劣，开发者可根据实际需求选择，推动AI从“玩具”进阶为真正的智能助手。

2026-07-19 08:39:44 193

原创深入 LangChain 核心：Chain、Agent 与 Tool 的协作逻辑

本文介绍了LangChain中Chain、Agent和Tool的协作机制，帮助大语言模型扩展功能。Chain是固定流程的执行脚本，适合确定性任务；Agent能动态决策，通过"思考-行动-观察"循环自主调用工具；Tool是具体功能模块，如查询天气和数学计算。文章通过代码示例展示了如何定义工具、构建Chain和Agent，并解释了三者的关系：Agent通过动态调度工具临时生成Chain。最后建议在实际项目中混合使用Chain和Agent，Chain处理固定流程，Agent负责动态推理，并强调工具设计应保持单一职

2026-07-16 17:39:03 168

原创 LangChain + RAG 实战：从文档到智能问答，5步搭建一个能“读懂”本地文件的大模型应用

摘要：本文介绍了如何利用LangChain和RAG（检索增强生成）技术，快速搭建一个能够“读懂”本地PDF文档的智能问答系统。通过五个关键步骤实现：环境准备：安装必要的Python库（如LangChain、ChromaDB等），并配置OpenAI API密钥。文档处理：加载PDF文件，使用递归分割器将文本切分为语义块，确保检索精准度。向量化存储：通过OpenAI的嵌入模型将文本转换为向量，存入Chroma数据库以便语义检索。构建问答链：结合检索器和生成模型（如GPT-4o-mini），设计提示词模

2026-07-16 11:22:07 360

原创 RAG从入门到精通：LangChain+Chroma构建知识库问答系统，根治模型幻觉

本文介绍了如何利用LangChain和Chroma构建知识库问答系统，解决大模型幻觉问题。首先分析模型幻觉现象及其成因，提出RAG（检索增强生成）方案，通过外置知识库约束模型回答。具体实现分为四个步骤：文档加载与语义切分：使用PyPDFLoader和TextLoader读取文档，通过RecursiveCharacterTextSplitter进行智能分块向量化存储：提供OpenAI在线和HuggingFace本地两种嵌入方案，使用Chroma向量数据库持久化存储问答引擎构建：设计严格提示词约束模型只基

2026-07-06 09:23:17 554

2603_96508616的博客