jack_ck_-优快云博客

原创 Python 的 zip：从拉链用法到“方法属性化“

Python 的 zip 可并行遍历、转置矩阵、分块、构造字典等，但需注意惰性、单次消费及截断问题，可用 strict 或 zip_longest 应对。文章后半引入“方法属性化”：函数即对象，可当作属性存取、传递与替换，这是理解类与装饰器的关键。实战重构展示了该思想的实际应用。

2026-09-03 17:19:40 339

原创 FastAPI 的 lifespan

FastAPI 的 lifespan 通过异步上下文管理器优雅管理应用启动与关闭时的全局资源，替代已废弃的 on_event，保证资源释放，支持模型加载、连接池等场景，并提供组合、异常处理与测试方案。

2026-09-01 19:54:17 302

原创 Qdrant 从安装到封装成工具

本文是Qdrant实战笔记，涵盖安装（Docker、compose、嵌入式）、核心概念、原生API操作、封装成类与工具，以及接入LangChain，附踩坑清单，助你快速上手向量检索。

2026-09-01 19:52:46 526

原创 LangGraph State 与 Command （第三章）

Node是执行动作Edge是流程控制State就是所有节点共享的「数据中心」State 决定了图里能流动什么数据，也决定了每个节点如何协作。而Command解决的是一个非常具体的问题：节点如何在返回状态更新的同时，动态决定下一步执行哪个节点。下面分两部分展开。多个工具结果可以写入同一个 dict 字段。State 是 LangGraph 的数据核心，不仅是字段集合，还包含 schema、reducer、checkpoint、streaming 等语义。

2026-08-27 19:56:31 356

原创 LangGraph 核心架构精读（第二章）

第一章讲了 LangGraph 为什么出现：它用有状态的图来编排复杂 Agent。本章进入核心架构。State：当前应用状态的共享快照Node：执行具体逻辑的函数Edge：决定下一个执行哪个节点Node 负责做事，Edge 负责决定下一步，State 负责保存整个过程中的数据。# 真实项目可用 LLM 判断意图，这里简化为固定值。

2026-08-27 19:37:25 367

原创 RAG 通关

本文系统介绍了RAG（检索增强生成）技术的核心架构与优化实践，主要内容包括： RAG五大核心模块：文档加载解析、文本分块、向量化入库、检索召回、Prompt组装生成四种检索方式对比：向量检索/BM25关键词检索/混合检索/Rerank重排序抑制LLM幻觉的四层机制：索引质量把控、检索环节优化、Prompt约束、生成后校验多轮对话检索设计：通过Query重写还原完整语义，区分检索用改写query与生成用原始对话噪声知识库治理：从入库预处理到检索过滤的全链路一致性与可信度机制高质量索引构建：数据清洗、

2026-08-20 19:48:35 323

原创 LangGraph 入门

本文介绍了LangGraph的核心概念及其在构建生产级Agent系统中的作用。主要内容包括：从简单LLM应用到Agent的演进：Agent通过"思考-行动-观察"循环（ReAct范式）实现复杂任务自主执行，相比单次LLM调用需要处理状态管理、流程控制等工程问题。传统AgentExecutor的五大局限：控制流不清晰、状态管理混乱、难以持久化恢复、人工介入不自然、多Agent协作困难。 LangGraph的核心思想：将Agent建模为有状态图，通过节点(Node)和边(Edge)表达执行流程，支持分支、循

2026-08-20 19:33:35 305

原创阿里云向量模型“每次只能 20 条“？

"阿里云向量模型每次只能 20 条"本质是个单请求条数上限问题（不同模型是 10 / 20 / 25 条不等）。把文本按模型上限切成小批，逐批调用，用text_index保序拼回；在线实时走同步分批，离线海量走异步批量接口。把上面embed()封装好，以后无论模型怎么换、文本怎么涨，向量化这层都不用再改。代码基于 DashScope（百炼）Python SDK，模型上限以阿里云官方文档最新版为准。

2026-08-10 19:57:15 467

原创字符串里扒数据：从“假 list“到“一堆 Document“的两种正确姿势

Python 数据处理实战笔记。明明看着像列表、像对象，用起来却只是个字符串？两道题教你安全、规范地把它变回真正的数据。我们常遇到这种场景：日志、接口返回、LangChain 的Document对象被print或str()变成了一长串的文本。直接当对象用会报错，硬着头皮正则又容易翻车。下面两题给一套可复用的解法。

2026-08-10 19:32:05 236

原创 RAG 文档切分必须要注意的是：父子块的关联到底怎么设计？

本文探讨了RAG系统中文档切分的父子块关联设计问题。文章指出，文档切分过小会导致上下文缺失，切分过大则影响检索精度，提出了"小块检索、大块喂模型"的解决方案。核心设计是将父块和子块存储在同一张表中，通过is_parent字段区分，用parent_id自引用关联。文章详细解释了表结构设计、父子块关联的实现方法，以及如何通过local_rows字典实现parent_index到parent_id的转换。最后还指出了在实际应用中需要注意的几个陷阱，如原生ENUM的数据截断问题和事务回滚问题。这种单表设计方案简化了

2026-08-06 19:37:43 273

原创 SQLAlchemy 学习与使用

SQLAlchemy 简介与快速入门 SQLAlchemy 是 Python 流行的 ORM 框架，将 Python 对象映射到数据库表，支持多种数据库。核心分为 Core（底层引擎）和 ORM（对象映射）两部分。核心组件： Engine：管理数据库连接 Session：数据库交互入口 Base/Model：定义数据模型 Column：定义表字段快速使用步骤：安装 SQLAlchemy 及对应数据库驱动创建 Engine 连接数据库定义 Base 基类和 Model 模型类创建数据表（Base.

2026-08-03 20:45:06 536

原创 LangChain 入门系列 · 第 5 章

文章摘要本章介绍了LangChain中的Runnable组件和LCEL表达式语言。主要内容包括： Runnable概念：可执行的LangChain组件，如Prompt模板、Chat Model等，提供invoke、batch、stream等统一调用方法。 LCEL表达式语言：使用|运算符组合多个Runnable形成处理链，简化组件调用流程。常用调用方式： invoke单条处理 batch批量处理 stream流式输出特殊Runnable： RunnableLambda包装普通函数 RunnablePa

2026-07-30 20:23:17 326

原创 LangChain 入门系列 · 第 4 章

本章介绍了LangChain中的结构化输出与Output Parser技术，主要内容包括：结构化输出的必要性：将模型返回的自然语言转换为程序可处理的结构化数据（如JSON），便于直接使用字段值。三种主要输出方式： StrOutputParser：将模型回复转为字符串 PydanticOutputParser：基于Pydantic模型定义输出结构 with_structured_output：让模型直接返回指定结构核心应用场景：信息抽取、文本分类、数据入库等需要结构化数据的业务场景。关键实现方法：使

2026-07-30 20:02:25 236

原创 LangChain 入门系列 · 第 3 章

文章摘要本章介绍了Prompt模板与提示词工程在LangChain中的应用。主要内容包括： Prompt概念：作为给模型的指令，直接影响输出质量，实际项目中的Prompt通常包含角色、任务、约束等要素。 Prompt模板的作用：解决手写Prompt导致的代码维护困难、重复编写等问题，提供变量注入功能。两种模板类型： PromptTemplate：适合普通文本提示词 ChatPromptTemplate（推荐）：生成结构化消息列表，支持System/Human/AI三种角色消息 Prompt编写建议：明确

2026-07-27 19:50:50 149

原创 LangChain 入门系列 · 第 2 章

文章摘要本章讲解大模型调用中的消息结构，重点介绍三种消息角色：SystemMessage（设定AI角色规则）、HumanMessage（用户输入）和AIMessage（AI回复）。通过客服助手案例展示了如何用SystemMessage控制AI行为，并实现带历史上下文的命令行对话功能。内容涵盖模型参数temperature的作用（控制回答随机性）以及多轮对话的消息管理注意事项（需限制历史消息数量避免上下文过长）。读者将学会使用消息结构构建角色化AI助手，并掌握基础的多轮对话实现方法。

2026-07-22 16:59:46 143

原创 LangChain

本章概述了LangChain框架的定位、发展历程及智能体技术趋势。内容分为三部分：1）介绍智能体的核心概念与应用趋势，对比传统应用与智能体的区别；2）阐述LangChain作为大模型应用开发框架的定位，详述其从探索期到深层智能体阶段的演进历程；3）说明LangChain生态体系（核心框架、编排引擎LangGraph、执行框架Deep Agent及监控平台LangSmith）。最后指导完成环境搭建，包括安装依赖、配置DeepSeek API，并通过OpenAI兼容接口实现首个LangChain调用案例，帮助读

2026-07-21 18:47:10 180 1

原创 Git 零基础入门教程

本文是一篇面向零基础用户的Git入门教程，全面介绍了Git的核心概念与操作流程。主要内容包括： Git基础概念：介绍Git的分布式特性、四个工作区域（工作区/暂存区/本地库/远程库）以及与GitHub/Gitee的区别基础操作：从安装配置到创建仓库、提交版本、比较差异、忽略文件等完整工作流分支管理：演示功能分支开发模式（创建/切换/合并分支）团队协作：远程仓库关联、代码推送/拉取、冲突解决方法工具集成：提供常用命令速查表，并介绍PyCharm/IDEA等IDE中的Git可视化操作教程采用"todo

2026-07-20 18:33:18 290

jack_ck_的博客