cui_ruicheng-优快云博客

原创 FastAPI 应用开发（五）——SQLAlchemy ORM、APIRouter 与 Alembic 数据库迁移

本文系统介绍了在FastAPI中使用SQLAlchemy实现数据库持久化的完整流程：从认识ORM原理到配置数据库连接与Session，定义现代风格的ORM模型，通过Pydantic Schema分层管理API数据契约，利用APIRouter组织模块化路由，并最终引入Alembic实现安全的数据库迁移。文章强调了各组件职责分离的重要性，构建了高内聚、低耦合的项目架构，为构建可维护、可扩展的Web应用奠定了坚实基础。

2026-10-13 21:21:42 363

原创 FastAPI 应用开发（四）：CORS 跨域、静态资源、安全认证与接口测试

本文介绍了FastAPI中解决CORS跨域问题的原理与配置，涵盖静态文件挂载、Jinja2模板渲染、OAuth2密码模式与JWT认证，以及使用TestClient与pytest进行接口自动化测试，并强调依赖覆盖在测试中的应用。

2026-09-08 14:01:22 164

原创 FastAPI 应用开发（三）：表单、文件上传与中间件

摘要：本文介绍FastAPI处理表单、文件上传及中间件机制。使用Form()解析表单数据，UploadFile高效处理文件上传，支持多文件及表单混合。中间件通过洋葱圈模型全局拦截请求，实现日志、压缩等功能，内置GZip等中间件可优化性能。

2026-09-07 15:02:51 323

原创 FastAPI 应用开发（二）：请求响应、Pydantic 模型与依赖注入

本文介绍FastAPI核心机制：通过Path、Query、Header、Cookie获取请求数据，并掌握JSON、Pydantic模型、状态码、重定向及自定义响应头等响应方式。深入解析Pydantic v2在数据校验、序列化、模型配置与继承中的应用。最后讲解依赖注入原理，包括Depends、yield资源清理、装饰器及全局依赖，帮助构建类型安全、易维护的API

2026-09-06 22:22:21 329

原创 FastAPI 应用开发（一）：FastAPI、路由参数与交互式 API 文档

本文作为 FastAPI 系列的第一篇文章，将从整体角度认识 FastAPI。首先介绍 FastAPI 的基本概念、核心特点、应用场景与技术栈，并通过与 Flask、Django 的对比理解其在现代 Web API、微服务及 AI 应用后端开发中的优势。随后从第一个 FastAPI 应用出发，介绍应用创建、启动与基本代码结构，并初步理解路径参数、查询参数和请求体的识别规则。最后介绍 FastAPI 基于 OpenAPI 提供的交互式 API 文档，包括接口测试、文档信息配置、路由说明、Tags 分组以及文档

2026-09-05 13:36:48 264

原创 LangChain 应用开发（十七）：Embedding 向量模型与向量存储

本文介绍了RAG中Embedding与向量存储的核心：传统关键词匹配无法理解语义，需将文本转为高维向量；Embedding模型负责“文本转向量”，使语义相近的向量距离近。随后引入VectorStore高效存储和检索向量，并绑定原始文本与元数据。最后以客服知识库案例串联文档加载、切分、向量化、存储及相似度检索，验证语义召回效果。

2026-09-04 12:22:37 312

原创 LangChain 应用开发（十六）：RAG 检索增强生成与文档处理

RAG通过检索模块解决大模型知识静态、私有数据不可达及幻觉问题，其流程包含离线索引与在线检索生成。文档加载器将异构数据统一为Document，文本切分是保障检索精度的关键，需平衡块大小与重叠。常用策略包括递归字符切分、语义分块及结构感知分块，以在合适粒度下保留完整语义。

2026-09-03 14:29:23 364

原创 LangChain 应用开发（十五）：Agent 长期记忆与 Store 机制

本文介绍LangChain/LangGraph Agent的长期记忆机制：通过Store跨Thread存储用户事实、偏好与经验，基于Namespace/Key/Value组织，支持语义检索；结合RuntimeContext实现用户隔离，可在Middleware、动态提示词或Tool中读写记忆，并探讨写入时机与架构全景。

2026-09-01 12:08:11 337

原创 LangChain 应用开发（十四）：Agent 上下文与记忆机制

本文围绕 LangChain Agent 的上下文与记忆机制展开。首先通过 LLM 无状态本质引出记忆需求，厘清 Context、State 与 Memory 三者的关系：State 记录当前运行数据，Memory 负责保存与恢复状态，Context 决定本次投喂给模型的精简信息。随后讲解短期记忆的实现，包括基于 Thread 隔离的 InMemorySaver 及其 thread_id 路由逻辑，并指出其进程重启即丢失的局限。接着引入 PostgreSQL 持久化方案 PostgresSaver，通过断电

2026-08-28 14:02:09 316

原创 LangChain 应用开发（十三）：自定义中间件与 Hook

本文深入剖析 LangChain 自定义 Middleware 的内核原理——Hook（钩子）机制。文章首先回顾了内置中间件的作用，随后系统讲解了两大 Hook 分类：基于生命周期节点的 Node-style Hooks（单点拦截）与基于闭包句柄的 Wrap-style Hooks（环绕拦截）。通过装饰器与类继承两种实现方式的对比，详细演示了 before_model、wrap_model_call、wrap_tool_call 等核心 Hook 的用法，并重点解析了 can_jump_to 如何改变 Ag

2026-08-27 15:00:13 368

原创 LangChain 应用开发（十二）：Agent 中间件与内置中间件

本文介绍了AgentMiddleware中间件机制在LangChain中的应用，重点解析了中间件的核心概念、工作原理及常见类型。文章阐述了中间件如何通过Hook机制在Agent生命周期关键节点（如模型调用、工具执行前后）插入控制逻辑，实现数据审查与流程管控。详细讲解了四种典型中间件：SummarizationMiddleware（自动摘要解决上下文溢出）、HumanInTheLoopMiddleware（高危操作人工审批）、PIIMiddleware（敏感数据脱敏）和TodoListMiddleware（复

2026-08-26 11:20:01 388

原创 LangChain 应用开发（十一）：Agent 高级配置与结构化输出

本文系统讲解 Agent 的高级配置机制，涵盖名称设置、系统提示词、结构化输出与流式输出四大核心主题。首先厘清 Agent 名称与模型名称的区别及其在多智能体路由中的作用；随后介绍 system_prompt 如何塑造 Agent 的身份与行为边界；接着深入 Agent 结构化输出，对比 Model 与 Agent 的差异，并重点剖析 ToolStrategy 中 schema、tool_message_content、handle_errors 等关键配置；最后讲解 agent.stream() 流式输出

2026-08-24 15:07:58 353

原创 LangChain 应用开发（十）：认识 Agent——从工具调用到智能体

本文系统介绍了 LangChain 中 Agent（智能体）的核心概念与实践应用。首先阐述了 Agent 作为 Tool Calling 高阶形态的价值，对比了 Agent 与普通 LLM 的区别。接着详细解析了 Agent 的五大核心组成：模型、工具、提示词、状态和运行时引擎。文章通过代码示例演示了如何使用现代 API 创建第一个 Agent，并探讨了多工具协同工作的机制。最后，针对生产环境中常见的工具选择、循环终止和错误恢复等问题提供了实用解决方案，帮助开发者构建稳定可靠的智能体系统。

2026-08-22 12:19:28 198

原创 LangChain 应用开发（九）：结构化输出详解

本文探讨了大语言模型在软件工程中实现结构化输出的方法。文章首先指出自然语言输出与程序需求之间的鸿沟，提出JSON等结构化格式的重要性。随后详细介绍了四种Schema定义方式：功能完备的Pydantic（支持运行时校验）、轻量级的TypedDict、跨语言的JSONSchema和Python原生的dataclass，并分析了它们的适用场景和校验机制。接着讲解了LangChain中的两种实现方案：优先推荐的with_structured_output()方法和备选的输出解析器方案，前者直接返回结构化对象，后者通

2026-08-21 13:34:31 381

原创 LangChain 应用开发（八）：Tools 工具调用与应用实践

本文详细介绍了LangChain中ToolCalling的完整流程与实战应用。首先梳理了工具调用的数据链路：从定义Tool、绑定模型，到LLM生成指令、本地执行函数并返回结果的全过程。通过天气查询工具案例，展示了Pydantic参数校验、@tool装饰器和ToolMessage消息流的实际应用。文章还深入探讨了多工具调用、tool_choice参数控制、错误处理与重试机制等高级功能，并提出了Tool设计的八大原则，包括单一职责、明确参数、异常处理和同步/异步选择等。最后指出结构化输出将是后续学习重点，为数据

2026-08-20 13:42:00 319

原创 LangChain 应用开发（七）：Tools 工具定义与核心机制

本文深入探讨了LangChain框架中Tool（工具）的核心概念与使用方法。Tool作为大语言模型与现实世界交互的桥梁，能够解决模型在知识时效性、精确计算、私有数据访问等方面的局限。文章详细解析了ToolCalling的工作原理，包括模型如何生成工具调用请求、本地执行流程及消息交互机制。重点介绍了构建Tool的三种方式：通过普通函数自动转换、使用@tool装饰器快速封装，以及使用Pydantic自定义复杂参数Schema。文章强调规范的Docstring和类型注解对工具描述的重要性，并提供了高质量Tool描

2026-08-19 14:44:34 303

原创 LangChain 应用开发（六）：提示词的构建与复用

本文主要介绍了LangChain中提示词模板的应用与演进，从最初的字符串拼接到结构化ChatPromptTemplate的发展历程。文章详细分析了字符串拼接的局限性，如可读性差、复用性低等问题，并阐述了ChatPromptTemplate如何通过角色隔离、消息占位符等特性解决这些问题。文章还讲解了三种调用方式（invoke()、format_messages()、format()）及其适用场景，以及与LLM结合使用的具体方法。此外，还介绍了MessagePromptTemplate、部分变量预填充、消息占位

2026-08-18 16:43:11 319

原创 LangChain 应用开发（五）：消息类型与对话管理

大模型交互从纯文本升级为结构化消息（System/Human/AI/Tool），解决角色混淆与上下文管理问题。LangChain通过标准化消息对象统一多厂商API，支持元数据和工具调用。消息按顺序组织（系统指令置顶），content支持多模态数据块。SystemMessage设定规则，HumanMessage传递输入，AIMessage封装输出及工具请求，ToolMessage返回工具结果。该体系为复杂Agent开发提供基础，并兼容不同模型的响应格式。

2026-08-16 12:57:30 348

原创 LangChain 应用开发（四）：LangSmith概述与基本使用

大模型应用开发面临调试难题，传统日志难以追踪复杂的概率性调用过程。LangChain推出的LangSmith平台提供了全链路监控方案，能自动捕获模型调用的输入输出、Token消耗、耗时、成本等关键指标，并以可视化图谱展示执行流程。核心功能：链路追踪：自动记录Prompt模板、模型参数、API响应等元数据，结构化呈现调用树。实时调试：支持在线修改Prompt或参数重新测试，无需修改本地代码。成本与性能监控：统计Token消耗、调用耗时及费用。异常排查

2026-08-12 12:00:31 311

原创 LangChain 应用开发（三）：模型的高级调用与参数配置

本文系统介绍了LangChain框架中的大语言模型调用方法及其优化策略。首先分析了基础invoke()方法的局限性，包括交互时延高、批量处理效率低等问题。随后详细讲解了流式调用(stream)、批量调用(batch)等进阶方法的特点与适用场景，并介绍了对应的异步版本(ainvoke/astream/abatch)实现高并发处理。文章还涵盖了API异常处理、响应美化输出等工程实践，深入解析了模型Profile概念和参数分层架构，包括标准参数、model_kwargs、extra_body等不同层级的配置方式。

2026-08-11 16:37:34 378

原创 LangChain 应用开发（二）：大语言模型的初始化与调用

本文介绍了使用LangChain调用大语言模型（LLM）的完整流程和技术要点。主要内容包括：1. 模型调用流程：从应用程序通过LangChain统一接口发起请求，经网络传输到模型服务端推理后返回结果。2. 准备工作：获取API密钥、配置环境变量、安装LangChain扩展包等。3. 模型初始化方式：官方Provider集成、OpenAI兼容接口、统一初始化函数等。4. 主流模型提供商对比：OpenAI、Anthropic、Google、DeepSeek等各自特点。5. 核心调用方法invoke()的使用

2026-08-10 12:29:46 384

原创 LangChain 应用开发（一）：LangChain 概述与 AI 应用开发生态

LangChain：大模型应用开发的桥梁与框架随着大语言模型（LLM）的普及，传统软件开发模式正经历变革。LangChain作为智能开发框架，旨在解决单体LLM的局限性（如无法操作数据库、调用API、缺乏长期记忆），通过连接外部工具和数据源，构建更强大的AI应用。核心价值：功能扩展：为LLM提供工具调用、数据检索和记忆能力

2026-08-08 21:48:44 353

原创 Python数据分析（十四）：Pandas 数据可视化

摘要： Pandas内置绘图功能通过封装Matplotlib实现高效数据可视化，支持单变量（折线图、柱状图、直方图等）与多变量（散点图、蜂巢图、堆叠图）图表绘制。其优势在于无需数据转换，自动处理索引与标签，并返回Matplotlib的Axes对象供进一步定制。综合案例演示了电商销售数据的趋势分析、品类拆解与折扣相关性探索。相比Matplotlib和Seaborn，Pandas绘图语法简洁，适合快速探索，而复杂场景可结合三者：Pandas快速初探→Seaborn深入统计→Matplotlib精细调整

2026-08-05 13:38:07 311

原创 Python数据分析（十三）：Seaborn 统计可视化

单变量分析：通过直方图、核密度图（KDE）和计数图（countplot）展示连续或离散变量的分布特征。双变量分析：使用散点图、柱状图（barplot）、箱线图、小提琴图等工具，分析变量间关系或分组差异，支持置信区间与密度可视化。多变量扩展：通过hue、style、size参数叠加分类或连续变量，在二维图中呈现3-5个维度信息。高效探索：pairplot自动生成全变量两两关系网格图，快速发现数据模式。主题定制：内置5种背景风格（如whitegrid、dark），结合despine()优化图表边框

2026-08-04 14:15:33 257

原创 Python数据分析（十二）：Matplotlib 数据可视化

本文系统介绍了Matplotlib数据可视化的核心技术与实践方法。首先阐述了pyplot模块的状态机接口特性，通过隐式维护全局状态实现快速绘图，并分析了其简洁性优势与多图场景下的局限性。重点讲解了五种基础图表（折线图、柱状图、饼图、散点图、箱线图）的API参数及典型应用场景，提供完整的代码示例。随后深入对比了面向对象接口的优越性，强调通过Figure-Axes体系实现显式控制、多子图布局和代码封装。最后详细说明了图形美化的关键要素，包括画布尺寸设置、文本标注规范、图例配置技巧和网格辅助线优化

2026-08-03 18:22:14 281

原创 Python数据分析（十一）：数据可视化与 Matplotlib

本文介绍了数据可视化的基本概念、核心价值及常见图表类型，并深入解析了Python可视化库Matplotlib的设计原理与使用接口。主要内容包括：1. 数据可视化本质 2. 七种核心图表 3. 优秀图表标准 4. Matplotlib解析

2026-08-02 12:02:55 230

原创 Python数据分析（十）：Pandas 数据统计与 GroupBy

本文深入讲解Pandas数据统计与分组聚合的核心技术，重点介绍了Split-Apply-Combine范式。主要内容包括：1）基础统计方法（mean/sum/count等）与GroupBy机制原理；2）单列/多列分组聚合操作及分组数据查看方法；3）进阶分组计算技术：agg多重聚合、transform组内广播转换、filter分组过滤；4）通过部门薪酬分析综合案例，演示如何组合使用这些技术解决实际问题。文章强调掌握这些分组聚合技术对多维数据分析至关重要，是数据统计与商业分析的核心技能。

2026-08-02 09:57:19 384

原创 Python数据分析（九）：Pandas 数据变形与时间序列

本文系统介绍了Pandas中数据转换与处理的三大核心技术：数据重塑与结构变形核心方法：转置(.T)、pivot(长表转宽表)、melt(宽表转长表)、stack/unstack(层次索引转换) 重点对比pivot与pivot_table的区别，后者支持重复数据的聚合操作字符串处理通过.str访问器实现向量化文本操作常用方法：大小写转换、去空格、替换、拆分、正则提取特别说明split()需配合expand=True实现列拆分时间序列处理日期转换

2026-08-01 21:10:49 195

原创 Python数据分析（八）：Pandas 数据清洗与预处理

摘要本文系统介绍了Pandas数据清洗的核心方法，包含四个关键环节：1）数据导入导出：详细讲解CSV/Excel/JSON文件的读写操作，重点解决中文乱码和冗余列问题；2）缺失值处理：演示isna检测、dropna删除及fillna填充等完整流程；3）重复值处理：通过duplicated检测和drop_duplicates删除重复记录，支持按关键列去重；4）数据类型转换：涵盖astype强制转换、to_datetime日期处理、category分类优化及数值格式化

2026-07-31 10:39:03 564

原创 Python数据分析（七）：DataFrame 基础与数据操作

本文介绍了Pandas中DataFrame的核心概念和基本操作。DataFrame是一个带标签的二维表格型数据结构，支持异构数据类型，可视为多个Series的组合体。文章详细讲解了：创建DataFrame的四种方法：通过字典、列表、NumPy数组和CSV文件创建； DataFrame的核心属性：行索引、列标签、数据维度等；数据获取方法：包括loc/iloc索引、条件筛选、查询表达式等；列操作：新增、修改和删除列的多种方式；常用统计函数：如describe()、sum()、mean()等描述性统计方法

2026-07-30 10:30:00 406

原创 Python数据分析（六）：Pandas 入门与 Series

本文是 Pandas 数据分析库的入门指南，重点介绍其核心数据结构 Series。文章首先对比了 Pandas 与 Excel、SQL、原生 Python 在数据处理上的优劣，阐述 Pandas 在表格数据处理中的独特优势。随后详细讲解了 Series 的创建方式（列表、字典、ndarray、标量）、基本操作（属性访问、索引切片、向量化运算）以及常用统计方法。最后通过学生成绩分析、城市气温统计、股票收益率计算、销售数据追踪和数据合并等五个实战案例，展示了 Series 在实际业务场景中的应用价值

2026-07-29 12:29:00 609

原创 Python数据分析（五）：NumPy综合案例实战

本文通过9个NumPy实战案例，系统巩固了数组操作的核心技能。案例涵盖温度统计、成绩分析、矩阵运算、随机数据处理、数组变形、布尔索引、聚合统计、缺失值处理和唯一值排序等内容，重点演示了数组创建、切片索引、矩阵计算、统计函数、条件筛选等关键功能。这些案例从基础统计到高级应用，由浅入深地展示了NumPy在数据分析和科学计算中的高效处理能力，为后续学习Pandas等数据分析工具奠定了坚实基础。

2026-07-28 13:12:57 253

原创 Python数据分析（四）：NumPy常用函数与统计分析

NumPy数据处理核心函数摘要 NumPy提供了强大的数据处理函数，涵盖统计、数学运算、排序、缺失值处理等方面。关键内容包括：统计函数：sum()、mean()、median()、max()/min()、var()/std()，支持多维数组和轴向计算。注意方差计算中ddof参数的区别。数学函数：sqrt()、exp()、log()系列、三角函数等，均支持向量化计算。特殊值处理会返回nan或inf。比较与逻辑函数：where()条件选择、clip()数值截断、all()/any()逻辑判断。缺失值处理

2026-07-27 14:16:48 191

空空如也

空空如也