python3t pip3安装langchain失败心得

Windows下LangChain安装失败的根源与三步诊断法 Python环境配置是AI开发入门的第一道门槛,尤其在Windows系统中,PATH路径管理、多版本共存和pip可见性问题极易导致工具链中断。LangChain虽为纯Python库,但其依赖解析高度依赖Python解释器、pip工具链、SSL证书及网络策略的协同正常。82%的新手安装失败并非代码问题,而是环境‘不可见’——即命令行无法准确定位python/pip可执行文件。本文聚焦Windows平台,以环境诊断为起点,通过where python、python --version && pip --vers 阅读详情

前言

最近在做poc,python一定是最方便的方式,毕竟不追求性能,但是笔者以前使用ollama玩的时候使用了python3t,自由线程版本,这个就为后面的项目趟坑了,langchain1.x不支持自由线程,更准确的说是orjson不支持,当然不排除以后就支持了,顺便总结一下安装的心得,怎么排查出现的问题。

安装心得

根据官网:安装 | LangChain 中文文档

直接安装

直接执行pip3 install langchain,笔者已经配置清华源,也尝试了阿里源,结果一直卡在这里

Preparing metadata (pyproject.toml)

然后搜索结果,说可以加verbose参数,打印日志

分析日志

pip3 install --verbose langchain

尝试换源

pip3 install --verbose langchain -i https://mirrors.aliyun.com/pypi/simple

  Installing backend dependencies ... done
  Running command Preparing metadata (pyproject.toml)
  Python reports SOABI: cpython-314t-darwin
  Computed rustc target triple: aarch64-apple-darwin
  Installation directory: /Users/huahua/Library/Caches/puccinialin
  Rustup already downloaded
  Installing rust to /Users/huahua/Library/Caches/puccinialin/rustup
  warn: It looks like you have an existing rustup settings file at:
  warn: /Users/huahua/Library/Caches/puccinialin/rustup/settings.toml
  warn: Rustup will install the default toolchain as specified in the settings file,
  warn: instead of the one inferred from the default host triple.
  info: profile set to minimal
  info: setting default host triple to aarch64-apple-darwin
  warn: Updating existing toolchain, profile choice will be ignored
  info: syncing channel updates for stable-aarch64-apple-darwin
  info: latest update on 2026-07-09 for version 1.97.0 (2d8144b78 2026-07-07)
  info: recovering from a partially installed toolchain
  info: removing previous version of component rustc
  info: removing previous version of component cargo
  info: removing previous version of component rust-std
  info: removing previous version of component rust-docs
  info: removing previous version of component rustfmt
  info: removing previous version of component clippy
  info: downloading 6 components

卡在downloading这里,并不是前面的错误

尝试搜索解决

搜索一下

安装后brew install python-tk

Installing backend dependencies ... done
  Running command Preparing metadata (pyproject.toml)
  Python reports SOABI: cpython-314t-darwin
  Computed rustc target triple: aarch64-apple-darwin
  Installation directory: /Users/huahua/Library/Caches/puccinialin
  Rustup already downloaded
  Installing rust to /Users/huahua/Library/Caches/puccinialin/rustup
  warn: It looks like you have an existing rustup settings file at:
  warn: /Users/huahua/Library/Caches/puccinialin/rustup/settings.toml
  warn: Rustup will install the default toolchain as specified in the settings file,
  warn: instead of the one inferred from the default host triple.
  info: profile set to minimal
  info: setting default host triple to aarch64-apple-darwin
  warn: Updating existing toolchain, profile choice will be ignored
  info: syncing channel updates for stable-aarch64-apple-darwin
  info: default toolchain set to stable-aarch64-apple-darwin
  Checking if cargo is installed
  cargo 1.97.0 (c980f4866 2026-06-30)
  📦 Including license file `LICENSE-APACHE`
  📦 Including license file `LICENSE-MIT`
  📦 Including license file `LICENSE-MPL-2.0`
  🍹 Building a mixed python/rust project
  🐍 Found CPython 3.14t at /Users/huahua/PycharmProjects/langchain-demo/.venv/bin/python
  🔗 Found pyo3-ffi bindings
  orjson-3.11.9.dist-info
  Checking for Rust toolchain....
  Rust not found, installing into a temporary directory
  Running `maturin pep517 write-dist-info --metadata-directory /private/var/folders/ns/lcvjv08118n60db8ry41jjvw0000gn/T/pip-modern-metadata-k11tg7hz --interpreter /Users/huahua/PycharmProjects/langchain-demo/.venv/bin/python`
  Preparing metadata (pyproject.toml) ... done
Collecting websockets<16,>=14 (from langgraph-sdk<0.5.0,>=0.4.2->langgraph<1.3.0,>=1.2.5->langchain)
  Using cached websockets-15.0.1-py3-none-any.whl (169 kB)
Collecting anyio>=3.5.0 (from langsmith<1.0.0,>=0.3.45->langchain-core<2.0.0,>=1.4.9->langchain)
  Using cached anyio-4.14.2-py3-none-any.whl (125 kB)
Collecting distro>=1.7.0 (from langsmith<1.0.0,>=0.3.45->langchain-core<2.0.0,>=1.4.9->langchain)
  Using cached distro-1.9.0-py3-none-any.whl (20 kB)
Collecting requests-toolbelt>=1.0.0 (from langsmith<1.0.0,>=0.3.45->langchain-core<2.0.0,>=1.4.9->langchain)
  Using cached requests_toolbelt-1.0.0-py2.py3-none-any.whl (54 kB)
Collecting requests>=2.0.0 (from langsmith<1.0.0,>=0.3.45->langchain-core<2.0.0,>=1.4.9->langchain)
  Using cached requests-2.34.2-py3-none-any.whl (73 kB)
Collecting sniffio>=1.1 (from langsmith<1.0.0,>=0.3.45->langchain-core<2.0.0,>=1.4.9->langchain)
  Using cached sniffio-1.3.1-py3-none-any.whl (10 kB)
Collecting zstandard>=0.23.0 (from langsmith<1.0.0,>=0.3.45->langchain-core<2.0.0,>=1.4.9->langchain)
  Using cached zstandard-0.25.0-cp314-cp314t-macosx_10_15_universal2.whl
Collecting certifi (from httpx>=0.25.2->langgraph-sdk<0.5.0,>=0.4.2->langgraph<1.3.0,>=1.2.5->langchain)
  Using cached certifi-2026.6.17-py3-none-any.whl (133 kB)
Collecting httpcore==1.* (from httpx>=0.25.2->langgraph-sdk<0.5.0,>=0.4.2->langgraph<1.3.0,>=1.2.5->langchain)
  Using cached httpcore-1.0.9-py3-none-any.whl (78 kB)
Collecting idna (from httpx>=0.25.2->langgraph-sdk<0.5.0,>=0.4.2->langgraph<1.3.0,>=1.2.5->langchain)
  Using cached idna-3.18-py3-none-any.whl (65 kB)
Collecting h11>=0.16 (from httpcore==1.*->httpx>=0.25.2->langgraph-sdk<0.5.0,>=0.4.2->langgraph<1.3.0,>=1.2.5->langchain)
  Using cached h11-0.16.0-py3-none-any.whl (37 kB)
Collecting annotated-types>=0.6.0 (from pydantic<3.0.0,>=2.7.4->langchain)
  Using cached annotated_types-0.7.0-py3-none-any.whl (13 kB)
Collecting pydantic-core==2.46.4 (from pydantic<3.0.0,>=2.7.4->langchain)
  Using cached pydantic_core-2.46.4-cp314-cp314t-macosx_11_0_arm64.whl (1.9 MB)
Collecting typing-inspection>=0.4.2 (from pydantic<3.0.0,>=2.7.4->langchain)
  Using cached typing_inspection-0.4.2-py3-none-any.whl (14 kB)
Collecting charset_normalizer<4,>=2 (from requests>=2.0.0->langsmith<1.0.0,>=0.3.45->langchain-core<2.0.0,>=1.4.9->langchain)
  Using cached charset_normalizer-3.4.9-cp314-cp314t-macosx_10_15_universal2.whl (338 kB)
Collecting urllib3<3,>=1.26 (from requests>=2.0.0->langsmith<1.0.0,>=0.3.45->langchain-core<2.0.0,>=1.4.9->langchain)
  Using cached urllib3-2.7.0-py3-none-any.whl (131 kB)
Building wheels for collected packages: orjson
  Running command Building wheel for orjson (pyproject.toml)
  Python reports SOABI: cpython-314t-darwin
  Computed rustc target triple: aarch64-apple-darwin
  Installation directory: /Users/huahua/Library/Caches/puccinialin
  Rustup already downloaded
  Installing rust to /Users/huahua/Library/Caches/puccinialin/rustup
  warn: It looks like you have an existing rustup settings file at:
  warn: /Users/huahua/Library/Caches/puccinialin/rustup/settings.toml
  warn: Rustup will install the default toolchain as specified in the settings file,
  warn: instead of the one inferred from the default host triple.
  info: profile set to minimal
  info: setting default host triple to aarch64-apple-darwin
  warn: Updating existing toolchain, profile choice will be ignored
  info: syncing channel updates for stable-aarch64-apple-darwin
  info: default toolchain set to stable-aarch64-apple-darwin
  Checking if cargo is installed
  cargo 1.97.0 (c980f4866 2026-06-30)
  Rust not found, installing into a temporary directory
  Running `maturin pep517 build-wheel -i /Users/huahua/PycharmProjects/langchain-demo/.venv/bin/python --compatibility off`
  📦 Including license file `LICENSE-APACHE`
  📦 Including license file `LICENSE-MIT`
  📦 Including license file `LICENSE-MPL-2.0`
  🍹 Building a mixed python/rust project
  🐍 Found CPython 3.14t at /Users/huahua/PycharmProjects/langchain-demo/.venv/bin/python
  🔗 Found pyo3-ffi bindings
  💻 Using `MACOSX_DEPLOYMENT_TARGET=11.0` for aarch64-apple-darwin by default
     Compiling target-lexicon v0.13.5
     Compiling serde_core v1.0.228
     Compiling libc v0.2.186
     Compiling zmij v1.0.21
     Compiling find-msvc-tools v0.1.9
     Compiling shlex v1.3.0
     Compiling serde_json v1.0.149
     Compiling serde v1.0.228
     Compiling memchr v2.8.0
     Compiling cfg-if v1.0.4
     Compiling itoa v1.0.18
     Compiling cc v1.2.61
     Compiling encoding_rs v0.8.35
     Compiling simdutf8 v0.1.5
     Compiling bytecount v0.6.9
     Compiling jiff v0.2.24
     Compiling bytes v1.11.1
     Compiling once_cell v1.21.4
     Compiling xxhash-rust v0.8.15
     Compiling associative-cache v3.0.1
     Compiling itoap v1.0.1
     Compiling pyo3-build-config v0.28.3
     Compiling pyo3-ffi v0.28.3
     Compiling orjson v3.11.9 (/private/var/folders/ns/lcvjv08118n60db8ry41jjvw0000gn/T/pip-install-7qni62om/orjson_1e6569c10f884d6082067fb020c1bfef)
  error: failed to run custom build command for `orjson v3.11.9 (/private/var/folders/ns/lcvjv08118n60db8ry41jjvw0000gn/T/pip-install-7qni62om/orjson_1e6569c10f884d6082067fb020c1bfef)`

  Caused by:
    process didn't exit successfully: `/private/var/folders/ns/lcvjv08118n60db8ry41jjvw0000gn/T/pip-install-7qni62om/orjson_1e6569c10f884d6082067fb020c1bfef/target/release/build/orjson-5d5083e97483966b/build-script-build` (exit status: 1)
    --- stderr



    orjson v3.11.9 does not support free-threaded Python



  💥 maturin failed
    Caused by: Failed to build a native library through cargo
    Caused by: Cargo build finished with "exit status: 101": `env -u CARGO CARGO_ENCODED_RUSTFLAGS="-C\u{1f}link-arg=-undefined\u{1f}-C\u{1f}link-arg=dynamic_lookup" MACOSX_DEPLOYMENT_TARGET="11.0" PYO3_BUILD_EXTENSION_MODULE="1" PYO3_ENVIRONMENT_SIGNATURE="cpython-3.14-64bit" PYO3_PYTHON="/Users/huahua/PycharmProjects/langchain-demo/.venv/bin/python" PYTHON_SYS_EXECUTABLE="/Users/huahua/PycharmProjects/langchain-demo/.venv/bin/python" "cargo" "rustc" "--profile" "release" "--message-format" "json-render-diagnostics" "--manifest-path" "/private/var/folders/ns/lcvjv08118n60db8ry41jjvw0000gn/T/pip-install-7qni62om/orjson_1e6569c10f884d6082067fb020c1bfef/Cargo.toml" "--lib" "--" "-C" "link-args=-Wl,-install_name,@rpath/orjson.cpython-314t-darwin.so"`
  Error: command ['maturin', 'pep517', 'build-wheel', '-i', '/Users/huahua/PycharmProjects/langchain-demo/.venv/bin/python', '--compatibility', 'off'] returned non-zero exit status 1
  error: subprocess-exited-with-error
  
  × Building wheel for orjson (pyproject.toml) did not run successfully.
  │ exit code: 1
  ╰─> No available output.
  
  note: This error originates from a subprocess, and is likely not a problem with pip.
  full command: /Users/huahua/PycharmProjects/langchain-demo/.venv/bin/python /Users/huahua/PycharmProjects/langchain-demo/.venv/lib/python3.14t/site-packages/pip/_vendor/pyproject_hooks/_in_process/_in_process.py build_wheel /var/folders/ns/lcvjv08118n60db8ry41jjvw0000gn/T/tmpdfjck19y                                                        
  cwd: /private/var/folders/ns/lcvjv08118n60db8ry41jjvw0000gn/T/pip-install-7qni62om/orjson_1e6569c10f884d6082067fb020c1bfef
  Building wheel for orjson (pyproject.toml) ... error
  ERROR: Failed building wheel for orjson
Failed to build orjson                                                                                                                                                     
error: failed-wheel-build-for-install

× Failed to build installable wheels for some pyproject.toml based projects
╰─> orjson

又前进了一大步

分析工具

orjson v3.11.9 does not support free-threaded Python

看来自由线程的版本太“先进”,改为常规版本试试

切换后安装成功

Successfully installed charset_normalizer-3.4.9 distro-1.9.0 jsonpatch-1.33 jsonpointer-3.1.1 langchain-1.3.13 langchain-core-1.4.9 langchain-protocol-0.0.18 langgraph-1.2.9 langgraph-checkpoint-4.1.1 langgraph-prebuilt-1.1.0 langgraph-sdk-0.4.2 langsmith-0.10.3 orjson-3.11.9 ormsgpack-1.12.2 packaging-26.2 pyyaml-6.0.3 requests-2.34.2 requests-toolbelt-1.0.0 sniffio-1.3.1 tenacity-9.1.4 urllib3-2.7.0 uuid-utils-0.17.0 websockets-15.0.1 xxhash-3.8.1 zstandard-0.25.0

顺便把openai的支持也安装了,pip3 install -U langchain-openai

Installing collected packages: tqdm, regex, jiter, tiktoken, openai, langchain-openai
Successfully installed jiter-0.16.0 langchain-openai-1.3.5 openai-2.45.0 regex-2026.7.10 tiktoken-0.13.0 tqdm-4.68.4

总结

python是否使用自由线程版本可以通过python3 -VV查看,不带free threading的为常规版本,默认python的官方安装包,默认是不会安装自由线程的版本的。

笔者通过这次的示例发现了如何排查安装失败的场景,如何去处理这些问题,分享经验总结。

阿里云ECS大模型部署:100%复现Langchain-Chatchat+ChatGLM3-6B 大模型应用在云环境中的确定性部署,本质是解决‘环境一致性’与‘运行时可重现性’两大核心问题。其原理在于严格约束操作系统、Python运行时、CUDA驱动、容器引擎及网络策略等底层依赖,消除本地开发与云端生产之间的隐性差异。技术价值体现在交付可控性提升、故障归因效率倍增、团队协作成本降低。典型应用场景包括金融RAG系统上线、政务智能问答部署、企业知识库私有化落地等需满足审计与交接要求的生产环境。本文聚焦阿里云ECS平台,围绕Langchain-Chatchat框架与ChatGLM3-6B模型,系统拆解从环境初 阅读详情

相关推荐

PyTorch AMP重构、LangChain SQL Agent与TF Python升级实战指南

混合精度训练(AMP)是深度学习工程化中的关键优化技术,通过FP16/FP32自动协同显著提升训练稳定性与显存效率;SQL Agent则代表大语言模型落地企业数据库的核心范式,强调安全、可审计、可限权的结构化数据交互能力。二者共同指向AI从模型研发迈向生产就绪的核心命题:可靠性优先于参数量,可控性重于生成力。在TensorFlow终止Python 3.6支持等生态演进背景下,工程师亟需掌握跨版本兼容、容器化隔离、沙箱执行等实操策略。本文聚焦2021年8月三个已验证、可复现、带时间窗口的技术动向,覆盖PyTo

xpmwgcwm的博客 328

Rust 安装与运行指南

专为Rust小白准备的详细安装和运行教程。

像风一样自由的博客 1322

LangChain多阶段LLM工作流:从设计到生产部署

大语言模型工作流(LLM Workflow)是构建可维护AI应用的核心范式,其本质是将复杂任务分解为可验证、可调试、可替换的原子环节。基于链式编排(Chain-based Orchestration)原理,通过PromptTemplate实现提示工程标准化,结合LLMChain封装模型调用,再以SequentialChain或RunnableSequence完成状态传递与错误隔离,显著提升工业级落地的鲁棒性与可观测性。该技术广泛应用于技术文档摘要、跨语言内容处理、自动化报告生成等场景,尤其适配Medium类

weixin_34379433的博客 367

jupyter安装失败,问题出在rust环境和32位python

我使用python3.8-32安装jupyter notebook出现错误,排查出以下两个原因 pip install jupyter ...... Cargo, the Rust package manager, is not installed or is not on PATH. ...... 首先需要安装rust,在 https://rustup.rs/ 下载rustup-init.exe,运行,然后按照默认设置安装就可以了 进入这个界面,按下enter就可以完成安装了 接

weixin_46539334的博客 1万+

LangChain多阶段LLM工作流实战:从摘要到翻译的可控Pipeline

多阶段LLM工作流是一种将大语言模型任务解耦为独立、可验证环节的工程范式,其核心原理在于通过显式输入输出契约实现责任隔离与故障定位。相比单模型端到端生成,该方式显著提升结果保真度与系统可审计性,技术价值体现在可控性、可复现性与资源效率三方面。典型应用场景包括学术文献速读、技术内容预处理、SaaS服务中的轻量级AI中间件等。本文基于LangChain与HuggingFace开源生态,以Multi-stage LLM Workflow为实践主线,完整实现英文技术博客的两句话摘要生成与高质量中文翻译,全程规避闭源

weixin_33743661的博客 429

LangChain 1.3实战:从零构建RAG文档问答系统

RAG(检索增强生成)技术通过结合信息检索与大型语言模型,有效解决了传统AI应用在处理长文本和多步骤推理时的局限性。其核心原理是将文档向量化存储,通过语义检索找到相关上下文,再交由LLM生成精准答案。这种架构显著提升了问答系统的准确性和可解释性,特别适合知识库问答、智能客服等场景。本文基于LangChain 1.3框架,详细演示如何利用其模块化设计实现文档加载、文本分割、向量化存储等关键步骤,并针对实际开发中常见的版本兼容性和性能陷阱提供解决方案。通过构建完整的文档问答系统,读者将掌握RAG技术的工程化实践

weixin_33858485的博客 308

告别 “安装失败”!Rust 环境配置避坑指南,新手也能一次成功

❌ “链接器未找到”❌ “下载速度慢/超时”❌ “Visual Studio 版本不对”❌ “cargo 命令不存在”别担心!这篇文章手把手带你避开所有坑,一次性配置成功!✨三个关键点Windows 必须安装 C++ 工具链配置国内镜像提升速度使用 rust-analyzer 提升体验。

2401_87848736的博客 971

LangChain Agent循环机制拆解:从不可用工具看推理-行动-反馈闭环

在构建大模型应用时,智能体(Agent)常被当作调用外部工具的核心入口,但底层并非简单函数调用,而是一个“推理-行动-反馈”的循环决策过程。模型先生成思考文本,再决定调用哪个工具,随后将工具执行结果作为观察反馈继续推理,直至输出最终答案或达到迭代上限。这种基于ReAct模式的机制,决定了工具失败时循环如何被触发、如何传递错误信息,以及如何通过max_iterations进行安全截断。理解这一循环对工程实践至关重要,尤其是在自定义工具、调试超时或异常、优化提示词等场景下,开发者需要具备从反馈文本中定位问题的能

weixin_34221036的博客 473

Rust开发学习笔记之Hello Cargo!

Cargo 是 Rust 的构建系统和包管理器。大多数 Rustacean 们使用 Cargo 来管理他们的 Rust 项目,因为它可以为你处理很多任务,比如构建代码、下载依赖库并编译这些库。(我们把代码所需要的库叫做依赖(dependencies))。 最简单的 Rust 程序,比如我们刚刚编写的,没有任何依赖。所以如果使用 Cargo 来构建 Hello, world! 项目,将只会用到 ...

lengfenglin521的专栏 937

基于LangChain、LangGraph与LangSmith构建医疗问诊Agent实战指南

在大模型应用开发中,Agent(智能体)已成为处理复杂任务的核心架构,它通过整合工具调用、知识检索与状态管理,实现超越单一问答的自动化工作流。其原理在于将大语言模型(LLM)作为决策中枢,结合外部工具与数据源,通过ReAct等模式进行推理与行动。这种技术价值在于显著提升了AI系统在专业领域的可靠性与实用性。在应用场景上,Agent广泛适用于需要多步骤决策、动态交互的领域,例如智能客服、数据分析与自动化办公。本文聚焦于医疗健康这一典型场景,通过一个完整的医疗问诊Agent项目,详细演示了如何利用LangCha

weixin_33767813的博客 1863

成功解决label_error >= 0 && label_error < static_cast<int>(nclass) MultiClassEvaluation: label must be i

成功解决label_error >= 0 && label_error < static_cast<int>(nclass) MultiClassEvaluation: label must be in [0, num_class), num_class=1 but found 1 in label' 目录 解决问题 解决思路 解决方法 解决问题 label_error >= 0 && lab...

头部AI社区如有邀博主AI主题演讲请私信—心比天高,仗剑走天涯,保持热爱,奔赴向梦想!低调,专注,谦虚,自律,反思,成长,还算比较正能量的博主,公益免费传播…内心特别想在AI界做出一些可以推进历史进程影响力的技术(兴趣使然,有点小情怀,也有点使命感呀 4814

初试python环境构建和配置jupyter

此前由于初步涉猎数学建模比赛,因此电脑VScode已经配置相应的python环境,但是尝试配置jupyter时,在cmd运行。现在虽然可以正常打开.ipynb文件,但是由于初步尝试,不知道该如何解决潜在问题。起初以为是没有rust,但是在配置完rust后,反而出现了新的报错代码。总是出现以下报错代码。

alaZtor的博客 970

Android开发Intent详解

本文详解Android开发Intent。

qq_30725967的博客 2412

阿里云ECS部署Langchain-Chatchat+ChatGLM3-6B全链路指南

RAG(检索增强生成)是当前大模型落地的核心范式,其工程实现依赖框架、模型与基础设施的深度协同。Langchain-Chatchat作为主流开源RAG框架,需与ChatGLM3-6B等国产大模型精准适配,而真实生产环境(如阿里云ECS)中的Python版本冲突、CUDA驱动不匹配、Docker运行时差异及向量库持久化缺陷,常导致‘本地能跑、线上崩盘’。本文聚焦RAG系统在云服务器上的可复现部署,详解Python3.11编译、CUDA 12.1与PyTorch三角对齐、ChatGLM3-6B INT4量化加载

weixin_34060741的博客 355

PSCAD学习笔记(1)Project Settings(重点snapshot设置)

若不勾选,则横坐标为实际时间2-7s,故障显示在第3s发生。图片中时间坐标轴显示为0-5s,故障时刻显示为第1s,即0-1s展示系统稳态,1-5s展示系统发生故障后的暂态响应,如何通过快照文件实现?勾选该项后,使用快照文件启动仿真会将仿真起始时间强制设置为0s,反之不勾选则依据快照文件保存的时间轴继续(即坐标为实际时间)。如果已有的快照文件保存的是0s至5s的仿真内容,则仿真运行时间从5s开始,到10s结束。如果已有的快照文件保存的是0s至2s的仿真内容,则仿真运行时间从2s开始,到7s结束;

gwenh的博客 7342

SIwave仿真手册——电源完整性仿真之PDN阻抗的提取(四)

(想不到我这个弱鸡的博主有一天也有被催更的时候,看到后台被催的消息,我慌了,赶紧写一篇把。) 文章目录3.1 PDN阻抗的提取3.1.1手动完成PDN阻抗的提取1、创建pin group2、创建端口3、数据文件的清理和检查(参考1.3.4&1.3.5)4、添加电容模型(参考2.2.1)(==这一步很重要==)5、开始仿真6、查看仿真结果3.1.2利用向导工具完成PDN阻抗的提取1、点击图标![在这里插入图片描述](https://img-blog.csdnimg.cn/36d974339ea5449

luohuo9844的博客 1万+

LangChain 1.3 实战:从零构建能联网搜索与执行任务的智能 Agent

大语言模型(LLM)作为强大的文本生成与理解引擎,其核心原理是基于海量数据训练出的参数化知识表示。然而,LLM 本身是封闭的静态系统,缺乏与现实世界动态交互的能力,这限制了其在需要实时数据或执行外部操作场景中的应用价值。工具调用(Tool Calling)技术正是为解决这一瓶颈而生,它通过定义标准化的接口,让 LLM 能够解析用户意图并生成结构化指令,从而驱动外部函数或 API 执行具体任务,如查询数据库、调用网络服务或操作软件。这种能力将 LLM 从“知识库”升级为可行动的“智能体(Agent)”,极大地

weixin_34184158的博客 764

OBS技术深度剖析:从开源直播工具到专业制作引擎的进化之路

本文深入剖析了开源直播软件OBS的技术架构与发展历程。从2012年诞生至今,OBS已成长为直播领域的事实标准,其成功源于模块化设计和开源协作模式。文章详细解析了OBS的核心技术:1) 分层架构与插件系统,2) GPU加速的渲染管线,3) 智能音频处理,4) 多平台编码优化。同时探讨了虚拟摄像头、浏览器源等高级功能的实现原理,并提供了性能优化方案和硬件配置建议。随着AI、WebRTC等新技术发展,OBS将持续引领实时内容创作工具的创新,为开发者和创作者提供更强大的技术支持。

程序猿老樊的博客 321

LangChain 1.3 完全教程:从入门到精通-Part 11: Tools(工具系统) 做好软件测试你要学习这些

工具(Tool)是 LangChain 中让 LLM 与外部世界交互的桥梁。通过工具,LLM 可以执行搜索、计算、文件操作、API 调用等实际操作。fill:#333;important;important;fill:none;color:#333;color:#333;important;fill:none;fill:#333;height:1em;选择工具选择工具选择工具返回结果返回结果返回结果用户问题大语言模型搜索工具计算器工具代码执行工具最终回答。

lw的博客 429

手把手教你学Simulink——基于Simulink的多用户MIMO系统仿真建模示例

多用户MIMO概述在多用户MIMO系统中,基站配备多个天线,可以同时与多个用户进行通信。利用空间复用技术,不同用户的信号被分配到不同的空间流上,从而实现频谱资源的高效利用。多用户MIMO的核心挑战包括信道估计、波束成形设计以及干扰管理。关键技术点波束成形:通过调整发射信号的相位和幅度,在特定方向上增强信号强度并减少干扰。信道估计:获取每个用户的信道状态信息(CSI),用于优化波束成形矩阵。调制与解调:选择合适的调制方式(如QPSK、16-QAM等)以适应不同用户的信道条件。干扰消除。

MHD0815的博客 268

高通平台 Android T 蓝牙技术全解析:A2DP 与 AVRCP 核心代码路径与交互流程

A2DP 接收端 - 连接流程(AVDTP 打开)

专业开发者的博客,一个从事Android WiFi和蓝牙的工程师 288

LangChain Agent环境搭建的五层依赖校准指南

LangChain Agent并非简单安装即可运行的Python库,而是一套高度协同的动态执行系统。其核心依赖涵盖Python解释器ABI兼容性、异步事件循环绑定、LLM Provider响应解析策略、Runnable编排图谱与Stateful Memory初始化五大技术层级。每一层都存在隐式契约:如Python小版本差异会引发pydantic类型缓存错误,OpenAI格式强约束导致本地模型(如Ollama)对接失败,Runnable输入键名不匹配触发深层KeyError。这些底层机制共同决定了Agent能

weixin_34406086的博客 497

辉芒微教程第五篇《定时器0实现LED灯闪烁》

定时器定时器,一听就跟个闹钟似的,对于嵌入式定时器大部分的应用中,也的确可以这么理解,但是这只能肤浅地这么理解,实际其功能不仅仅是用来计数定时,但是对于我们这种8位单片机,这么理解就够了。

qq_41809823的博客 722

用LangChain Tools打造会自己查资料的GPT智能体

大语言模型(LLM)具备强大推理能力,但其知识具有静态性与时效局限,难以应对动态、开放的真实世界问题。LangChain Tools通过ReAct(Reasoning + Acting)范式,将LLM解耦为‘决策中枢’,协同外部工具(如搜索引擎、Wikipedia、YouTube)完成信息检索与整合,实现知识实时增强。该方案提供可编程、可审计、可定制的联网能力,显著优于黑盒式SaaS服务,适用于客服系统、内部知识库、数据分析平台等工程场景,是构建生产级AI智能体的核心基础设施。

weixin_33806300的博客 318

使用 MATLAB/Simulink 搭建一个 无人机群间数据交换与协同控制仿真系统

本文提供了一份详细的Simulink无人机群协同控制仿真教程。主要内容包括:无人机群系统架构设计(去中心化网络、通信分层)、三维运动建模、空-空通信链路实现(距离判断、无线信道)、分布式Consensus控制算法开发,以及性能评估指标设定。教程采用模块化设计思路,通过ModelReference构建多无人机并行模型,并给出了MATLAB函数实现关键算法。最后展示了预期仿真结果(收敛时间<15s、位置偏差<2m)和进阶应用方向(编队飞行、AI协同等),帮助读者掌握群体智能系统的建模与仿真方法。

amy_mhd的博客 155

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

LangChain与MCP实战:讲透Agent工具调用与编排边界

在大模型应用开发中,如何让模型稳定地调用外部工具并完成复杂任务,是工程落地的核心挑战。传统Function Calling提供了结构化输出能力,但面对多个系统接入时,工具管理成本急剧上升。LangChain作为流程编排框架,将模型决策与代码执行粘合在一起;Agent则负责在动态场景中规划行动;而MCP(模型上下文协议)作为标准化接口层,统一了工具与数据源的连接方式。三者边界清晰又相互协作,共同构成了从“模型能答”到“系统能干”的关键路径。以任务进度查询与汇总汇报这一典型办公场景为例,通过实际代码展示MCP

chubaisheng8627的博客 396

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

上一篇: BM25 排序算法实现词检索
下一篇: langchain简单对话demo
fenglllle
博客等级 码龄8年 461粉丝 242原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值