- 博客(46)
- 收藏
- 关注
原创 # Text2SQL 工程实战:用 Qdrant 向量库让系统理解数据库结构
<think>我们根据要求,需要根据提供的内容生成≤150字的文章摘要。用户说“根据以下内容,生成≤150字的文章摘要”,内容是一篇关于Text2SQL工程实战的文章,讲用Qdrant向量库让系统理解数据库结构。我们需要写一个摘要,概括文章主旨、主要内容、亮点(比如10个踩坑点、完整代码、架构等)。要控制在150字以内。 注意是“文章摘要”,不是“导读”。应该用简洁的语言概括。我们输出摘要即可。 先思考内容:文章主要解决Text2SQL系统中大模型理解数据库结构的问题,提出用向量库(Qdrant)对Sche
2026-09-01 19:39:48
449
原创 # LangGraph 核心架构详解:State、Node、Edge 的实战编排
<think>我们根据用户要求,需要生成≤150字的文章摘要。根据提供的文章内容,主要讲LangGraph核心架构:State、Node、Edge的编排。摘要应包含核心概念和关键要点,语言简洁。注意字数限制。</think>LangGraph 以“有状态图”重构 Agent 编排:State 存储结构化数据,Node 执行单一职责操作,Edge 控制流程与条件路由。通过 TypedDict 定义状态、compile 编译为可执行图,支持线性、分支、循环、并行、子图及多 Agent 等模式。相比传统 Agen
2026-09-01 19:37:23
362
原创 # LangGraph Tool Calling Agent 深度实战:从零构建 ReAct 循环与工具调用链
Tool Calling Agent 是 LangGraph 最实用的能力之一——让 LLM 根据用户问题自主选择工具、执行工具、再根据结果生成回答。本文从 @tool 装饰器、bind_tools、AIMessage.tool_calls、ToolNode、tools_condition 五个核心组件讲起,深入 ToolMessage 与 tool_call_id 的关联机制,最后手写一个完整的 ReAct 循环。配合「智能订单查询 Agent」案例,一次性讲透工具调用链。
2026-08-28 19:18:51
425
原创 # LangGraph State 深入解析:Reducer 设计、Schema 选型与消息合并机制
State 是 LangGraph 的「数据中心」,但大多数教程只讲了 TypedDict 定义。本文深入 State 的 Schema 选型(TypedDict vs dataclass vs Pydantic)、Reducer 合并机制(operator.add、add_messages、自定义 Reducer)、Input/Output Schema 隔离,以及 MessagesState 的底层实现。配合一个「多轮对话客服系统」案例,一次性讲透 State 的工程实践。
2026-08-28 19:17:29
328
原创 # LangGraph 核心架构入门:State、Node、Edge 与 Reducer 的工程理解
LangGraph 把 Agent 工作流抽象成一张有状态图。三个核心概念 State(共享数据快照)、Node(执行逻辑)和 Edge(流程路由)贯穿始终。本文从构建器到编译执行,从普通边到条件边,再到 Reducer 合并规则,配合一个完整的「智能客服意图分类」案例,一次性讲透 LangGraph 核心架构。
2026-08-28 19:16:07
348
原创 # LangGraph Human-in-the-Loop 深度实战:interrupt 中断、状态持久化与生产级审批设计
当 AI Agent 要执行退款、删数据、发邮件等高风险动作时,谁来把关?LangGraph 的 `interrupt()` 原语让 Agent 在关键时刻「暂停并等待人工审批」,审核完成后再安全恢复。本文从四步中断模型、恢复机制细节、退款审批 Agent 完整案例,到生产级校验与幂等设计,一次性讲透 HITL(Human-in-the-Loop)的工程实践。
2026-08-27 19:28:30
399
原创 # LangGraph Deep Research Agent 全流程设计:多轮研究、人机协同与真实来源管理
普通问答调用一次模型就结束,但"帮我调研一下向量数据库选型"这种复杂需求需要持续规划、搜索、阅读、评估、再搜索——这就是 Deep Research Agent。它不是简单的"问答增强",而是一个围绕复杂问题持续迭代的完整研究链路。本文基于 LangGraph 的完整案例,拆解 Deep Research 与普通问答/RAG 的本质区别,以及 Human-in-the-Loop、Send 并行研究、轮次限制、真实来源管理四个核心机制的工程实现。
2026-08-27 19:25:59
256
原创 # LangGraph Subgraph 子图封装实战:父子图通信、State 转换与复用设计
你的 LangGraph 图越来越复杂——20 个节点挤在一起,每次修改都怕牵一发而动全身。Subgraph 可以把一段独立流程封装成"黑盒",像搭积木一样组合进父图。但父子图之间的 State 怎么传递?字段名不同时怎么办?子图能不能独立复用?本文从 Subgraph 的核心概念出发,完整拆解共享 State 直接嵌入、不同 State 包装节点转换两种方式,以及子图持久化配置和流式调试技巧。
2026-08-27 19:24:21
334
原创 # LangGraph Send机制深度解析:Map-Reduce动态并行与reducer并发合并实战
你的 LangGraph 图需要同时处理 10 篇文档摘要——普通条件边只能走一个分支,你不得不串行调用 10 次模型。Send 机制解决这个问题:它根据运行时数据动态创建并行任务,每个任务接收不同的 State,最后通过 reducer 合并结果。本文从 Send 的基本结构出发,完整拆解 Map-Reduce 数据流、OverallState vs WorkerState 分离设计、reducer 并发冲突解决,以及动态并行中的排序陷阱。
2026-08-27 19:22:48
239
原创 # LangGraph Memory机制深度解析:短期记忆与长期记忆的工程实践
你的 LangGraph Agent 每次对话都像"金鱼"——上一轮刚说完我叫张三,下一轮就忘了。问题不在模型,而在你没有用好 LangGraph 的 Memory 机制。LangGraph 提供两套记忆系统:Checkpointer 管理短期记忆(对话状态快照),Store 管理长期记忆(跨会话用户画像)。本文从 Thread/Checkpoint/Store 三个核心概念出发,完整拆解两种记忆的存储方式、读取路径和生产环境的持久化替换方案。
2026-08-27 19:19:24
195
原创 # RAG上线评估指标体系:六大核心指标与压测实战全解析
本文系统介绍了评估RAG系统质量的六大核心指标:召回率(Recall@K)、平均倒数排名(MRR)、引用准确率、拒答准确率、事实准确率和幻觉率。通过量化评估,开发者可以全面掌握RAG系统的检索能力、回答准确性和可靠性。文章详细解析了各指标的定义、计算方法和达标标准(如召回率≥90%、引用准确率≥95%等),并提供了标准问答对设计方法和批量压测脚本,帮助开发者建立完整的质量评估体系,确保RAG系统上线前的可靠性。最后还提供了记忆口诀"召回九成排名七成五..."和上线检查清单,具有很高的实操价值。
2026-08-22 17:47:47
269
原创 # RAG高质量知识索引构建:从文档清洗到评测迭代的全链路实战
你的 RAG 系统检索不准,问题可能不在检索算法,而在索引本身——文档没洗干净、分块切断了语义、切片没带上章节标题、Embedding 模型和查询用的不是同一个。"索引质量不在于向量库,而在于前面的数据预处理。"本文从高质量知识索引的完整构建流程出发,拆解清洗解析、元数据补充、分块策略、Embedding 选型四个关键环节,附项目对照和可直接落地的代码实现。
2026-08-22 17:46:11
324
原创 # RAG幻觉抑制实战:从索引到生成,四环节锁死模型瞎编
本文探讨了RAG系统中抑制大模型"幻觉"的实战方法。文章将幻觉分为两种类型:知识幻觉(模型缺乏相关知识时编造事实)和推理幻觉(模型错误理解检索内容)。虽然RAG不能完全消除幻觉,但可通过四个关键环节进行有效抑制: 索引治理:通过数据清洗、去重、分块和校验确保知识库质量; 检索控制:设置相似度阈值,无相关结果时直接拒答; Prompt约束:严格限制模型仅基于参考资料回答并标注引用; 生成后校验:核对答案与原始资料的匹配性。 文章提供了各环节的代码实现,强调"宁可不答也不瞎答"的原则,并分享了包含8个关键问题的
2026-08-22 17:44:31
270
原创 # RAG系统核心结构与四大检索方式全解析:从架构设计到工程落地
RAG(检索增强生成)看起来简单——"把文档切成块,转成向量,用户提问时搜一下,把结果丢给大模型回答"。但真到生产环境,你会发现检索不准、召回不全、模型还是爱瞎编。问题出在"每一步都有坑"。本文从 RAG 的 5 大核心模块讲起,深度拆解向量检索、关键词检索、混合检索、重排序 4 种检索方式的原理、适用场景和组合策略,附完整代码和选型决策树。
2026-08-22 17:42:49
495
原创 # RAG低延迟架构设计:从5秒到500ms的优化全链路
文章摘要:本文深入探讨了RAG(检索增强生成)系统的低延迟优化策略,从5秒延迟降至500ms的全链路优化方案。通过架构分层设计(离线预处理+在线查询),重点优化Embedding向量化(本地部署+缓存)、向量检索(HNSW索引+并行检索)、重排序(轻量化模型)、LLM生成(流式输出)等关键环节。文中提供了具体代码实现、延迟预算表和8个关键踩坑问题,帮助开发者系统性解决RAG延迟问题,特别适合生产环境高并发场景的技术优化。
2026-08-21 18:49:07
545
原创 # RAG向量数据库优化实战:HNSW索引调参与生产级性能设计
本文针对RAG系统中向量检索性能优化问题,深入解析HNSW索引调参策略。主要内容包括: 问题分析:揭示向量检索慢的四大根因(索引选错、参数不当、top-k过大、缺乏过滤) 索引选型指南: FLAT适用于10万级小数据 IVF_FLAT适合中等规模 HNSW是百万级数据的生产首选 HNSW深度优化: 三核心参数详解(M、ef_construction、ef) 参数关系图:建图质量决定召回上限 调参实战:从默认配置到优化方案 关键认知:建图阶段ef_construction不足无法通过查询阶段ef调整弥补 生产
2026-08-21 18:47:47
291
原创 # RAG噪声知识库治理:一致性与可信度的四层防线设计
本文针对RAG系统中噪声知识库的治理问题,提出了四层防线设计框架,重点解决知识库的一致性与可信度问题。文章首先分析了噪声知识库的五大典型症状,包括版本混乱、多源口径不一致等。核心创新点在于区分"一致性"(避免矛盾)和"可信度"(评估来源可靠性)两个概念,并提出从入库、检索、生成到校验的完整治理链条。具体方案包括:构建包含版本、时效、权威等级的元数据体系;设计加权检索算法;制定生成阶段的优先级约束规则;建立事后引用溯源机制。文章强调冲突检测应通过结构化规则而非依赖大模型,并提供了可直接落地的代码示例和流程设计
2026-08-21 18:46:33
305
原创 # LangGraph入门实战:从LCEL到状态图,构建可路由的AI工作流
文章摘要:本文介绍了LangGraph的核心概念与实战应用,帮助开发者解决LCEL在处理复杂条件分支时的局限性。通过三个递进案例(基础状态图、意图路由、RAG+Agent混合工作流),详细讲解了如何用状态图(StateGraph)构建支持分支、循环和并行处理的AI工作流。文章对比了LangGraph与LCEL的差异,并提供了环境配置、代码实现和常见问题解答,适合需要实现动态路由AI系统的开发者阅读。核心内容包括状态图四要素(State/Node/Edge/Conditional Edge)和构建流程,最终实
2026-08-20 19:31:19
343
原创 # RAG多轮对话检索设计:Query重写如何让“那它呢“变成完整问题
多轮RAG检索设计 = Query重写 + 检索生成分离 + 历史窗口管理Query重写:历史 + 当前问题 → 小模型 → 完整查询检索生成分离:检索用改写query(检索器无记忆,需要补全)生成用原始对话(大模型有上下文理解能力)历史窗口管理:固定3轮截断(生产默认)Token预算截断(长回答场景)滑动窗口+摘要(高级方案)
2026-08-20 19:29:27
384
原创 # RAG会话历史持久化:三表级联建模与引用快照保存完整实现
本文介绍了RAG(检索增强生成)系统中会话历史持久化的完整设计方案。文章重点讲解了如何通过三表级联建模(conversations/chat_messages/citations)实现会话、消息和引用的完整保存,包括: 数据模型设计:详细说明三表关系及外键约束 ORM实现:使用SQLAlchemy定义级联关系,配置自动删除策略 核心保存逻辑:解决主键生成的"先有鸡先有蛋"问题 引用快照策略:保存原始引用内容而非仅存外键 完整查询方案:通过三表JOIN一次性获取完整会话详情 文中提供了可直接复用的代码片段,包
2026-08-14 19:23:40
523
原创 # RAG回答服务设计:受约束提示词、引用校验与双重拒答机制详解
本文介绍了RAG(检索增强生成)回答服务的设计方案,主要解决大模型在生成回答时可能出现的三个问题:使用外部知识补充、编造引用编号、对证据不足问题仍自信回答。文章提出了结构化返回的RAGAnswer数据模型,并详细拆解了10步处理流程,包括证据检索、拒答判断、上下文组织、提示词约束、模型调用、引用校验等关键环节。重点讲解了受约束提示词的四条规则设计、双重拒答机制(证据级+引用级)以及调试信息设计,最后提供了完整的代码实现和验证方法。该方案可有效提升RAG系统的回答可靠性,适用于政务政策等需要精确引用的场景。
2026-08-14 19:14:03
674
原创 # RAG重排序实战:硅基流动bge-reranker-v2-m3在线API vs 本地CrossEncoder,一篇讲透两种方案
RAG重排序方案对比:本地CrossEncoder vs 在线API 核心问题:RAG系统中检索结果排序质量直接影响最终回答准确性,重排序(Reranker)是关键环节。 两种方案对比: 本地CrossEncoder: 依赖sentence_transformers和torch,需下载2GB+模型 优势:低延迟、高可用性 缺点:部署成本高,每台机器需安装模型 分数处理:原始logits需sigmoid归一化 硅基流动在线API: 仅需HTTP客户端调用 优势:快速开发、无需GPU、跨平台 缺点:依赖API可
2026-08-13 11:55:57
761
原创 # RAG 检索系统工程化:从 trace 调试到证据过滤的完整设计
RAG 检索系统工程化实践摘要 核心内容: 本文从工程化角度探讨如何构建可维护、可调试的RAG检索系统,提出了一套完整的解决方案: 结构化Trace机制:设计包含输入参数、中间结果和处理日志的trace字典,实现检索过程全链路可观测。 多模式检索设计:支持vector/hybrid/hybrid_rerank/full四种检索模式,通过参数灵活切换不同场景需求。 证据处理链: 父块扩展:命中子块时自动补充父块上下文 证据过滤:分数阈值→去重→截断→拒答的完整流程 统一分数字段:兼容不同检索算法的评分体系 质
2026-08-12 18:00:04
364
原创 # RAG 混合检索实战:BM25 + 向量检索 + RRF 融合,从原理到代码全链路
本文介绍了RAG系统中混合检索的实践方法,结合BM25和向量检索的优势,通过RRF算法实现结果融合。主要内容包括: 单一路径检索的局限性:向量检索擅长语义理解但不精确匹配,BM25擅长关键词匹配但无法理解语义。 BM25算法原理:改进了TF-IDF,引入词频饱和函数和文档长度归一化,更适合实际应用。 中文分词实现:使用jieba分词并保留数字,通过正则过滤纯标点符号。 BM25检索实现:从MySQL查询子块数据,构建语料库并计算BM25分数。 混合检索方案:使用RRF算法融合BM25和向量检索结果,并行执行
2026-08-12 17:58:00
536
原创 # RAG检索服务设计踩坑实录:向量分数大于1、父子块回查与拒答机制
摘要:本文分享了RAG检索服务开发中的典型问题与解决方案。核心挑战包括:1)Milvus返回的向量相似度分数大于1(因L2距离未归一化),建议改用COSINE或进行分数转换;2)子块检索导致上下文丢失,需通过父子块回查机制(子块→parent_id→父块)解决;3)低质量检索结果过滤,需设置min_score阈值;4)无证据时的拒答机制设计。文章还强调全链路trace追踪的重要性,并提供了8个关键踩坑点,如metric_type选择、分数归一化处理等。附完整代码实现和设计思路,帮助开发者构建更健壮的RAG检
2026-08-11 18:17:11
509
原创 # Pydantic可变默认参数陷阱:一个 = [] 毁了整个RAG检索服务
文章摘要:本文揭示了Pydantic中可变默认参数(如list=[])的潜在陷阱,该问题导致RAG检索服务出现用户数据交叉污染的严重Bug。通过复现问题场景,文章深入剖析了Python可变对象共享机制,对比了Pydantic v1/v2的不同处理方式,并指出即使有框架防护,直接使用=[]仍是反模式。解决方案包括使用default_factory、静态类型检查工具以及不可变数据模型设计模式,特别强调了在RAG系统中正确处理检索结果隔离的重要性。最后提供了可变默认参数的8个关键问题和最佳实践清单。(149字)
2026-08-11 18:13:24
380
原创 # Python字符串解析实战:从JSON字符串到嵌套对象属性提取的完整指南
场景推荐方案原因JSON字符串 → Python对象json.loads安全、快速、标准Python字面量字符串 → 对象安全、支持单引号对象字符串 → 提取属性AST遍历安全、精确、通用对象字符串 → 快速提取正则表达式简单快速,但不够健壮不可信输入 → 任何解析永远不用 eval安全风险极高。
2026-08-10 17:58:39
562
原创 # 阿里云向量模型批量限制突破指南:一次20条不是天花板,是起跑线
阿里云向量模型批量处理解决方案 本文针对阿里云DashScope向量模型(text-embedding-v2)的20条批量限制,提出了一套完整的解决方案: 问题分析:阿里云向量模型每个请求最多处理20条文本,对于350条文本需分批处理 基础方案:将文本按20条分组,顺序调用,确保结果顺序一致 进阶优化: 添加异常重试机制(3次重试) 引入并发处理(基于ThreadPoolExecutor) 进度追踪(tqdm进度条) 生产级方案:提供完整的BatchEmbedder工具类,包含: 批处理+并发+重试 结果顺
2026-08-10 17:56:54
417
原创 # SQLAlchemy 2.0 + Pydantic:从零理解类型安全的 ORM 到 API Schema 映射
这篇文章介绍了SQLAlchemy 2.0与Pydantic的集成使用,主要内容包括: SQLAlchemy 2.0的类型安全改进: 引入Mapped[]泛型语法,为ORM模型添加类型注解 使用mapped_column()替代传统的Column 类型系统能识别字段类型,支持IDE补全和类型检查 Pydantic整合: 通过from_attributes和model_validate()实现ORM对象到Pydantic模型的转换 分层Schema设计(数据库模型→中间模型→API响应模型) 字段裁剪和特殊类
2026-08-06 19:09:57
309
原创 # RAG系统父子分块设计深度解析:从滑动窗口到自引用外键的完整链路
本文介绍了RAG(检索增强生成)系统中的父子分块策略,通过分层切分文档解决简单切分导致的问题。主要内容包括: 父子分块设计:采用父块(长文本保留上下文)和子块(短文本精准检索)的分层结构,兼顾检索精度和回答质量。 实现细节: 使用两层滑动窗口算法(父块和子块窗口)切分文本 通过章节识别和标点优先切断优化切分效果 设计临时草稿结构(ChunkDraft)管理中间结果 采用自引用外键模型表达父子关系 关键优化: 重叠策略保留边界上下文 标点优先切断减少语义断裂 两阶段入库策略提升效率 实践建议:提供了参数调优建
2026-08-06 18:38:56
596
原创 # Python生成器深度详解:从yield入门到状态机原理,彻底理解惰性计算
本文深入解析Python生成器,从yield基础到高级特性全面讲解。主要内容包括:1) yield与return的本质区别,生成器惰性计算和状态保存机制;2) 生成器与迭代器的关系,生成器属于特殊迭代器;3) yield from语法实现生成器委托;4) 生成器作为状态机的实现原理;5) send()方法实现双向通信;6) throw()和close()异常处理;7) 生成器作为协程雏形的应用。通过大量代码示例,帮助开发者彻底理解生成器的工作原理和实际应用场景,掌握Python这一优雅特性。
2026-08-04 18:30:15
500
原创 # 彻底搞懂Python泛型:从list[str]到TypeVar,一文打通类型注解全链路
本文系统讲解Python泛型的使用,主要内容包括: Python泛型的本质是类型注解而非运行时检查,由静态工具(mypy/IDE)完成类型验证 Python 3.9+支持原生泛型语法(list[str]),旧版本需从typing导入(List[str]) TypeVar用于创建类型变量,支持约束(bound)和限定特定类型 泛型函数通过类型变量保持通用性同时保留类型信息 泛型类可创建类型安全的容器 类型注解提升代码可维护性,提供IDE智能补全和错误检查 文章详细介绍了泛型在容器类型、函数、类中的具体应用,并
2026-08-04 18:18:21
335
原创 # SQLAlchemy 从入门到企业级项目实战:从零构建完整的用户管理系统
本文介绍了基于SQLAlchemy 2.0构建用户权限管理系统的完整实践指南。内容涵盖ORM核心概念、环境配置、数据模型设计(用户/角色/权限表)、CRUD操作实现、关联关系处理(一对多、多对多)、事务管理、分页查询等技术要点。项目采用分层架构设计,包含数据库连接池、Alembic迁移工具和生产环境最佳实践,提供了可直接运行的完整代码示例和常见问题解决方案。适合希望系统学习SQLAlchemy或需要构建企业级应用的Python开发者参考。
2026-08-03 17:59:02
390
原创 # FastAPI + LangChain 政务政策 RAG 后端项目实战:从零构建生产级智能问答系统
本文介绍了一个基于FastAPI和LangChain构建的政务政策知识库问答系统。主要内容包括: 项目架构:采用FastAPI应用工厂模式,集成LangChain实现RAG问答功能,支持PDF/TXT/MD文件上传构建知识库索引。 关键技术: 使用Pydantic进行数据验证和配置管理 实现CORS跨域支持 模块化路由设计 依赖注入机制 文件上传处理 集成DeepSeek大模型和Milvus向量数据库 开发实践: 详细的环境准备步骤 应用工厂模式实现 配置文件管理 完整API设计 健康检查机制 部署要点:
2026-08-03 17:44:50
435
原创 # LangChain Embedding与向量数据库实战:从文本到智能检索
本文介绍了如何利用LangChain框架实现文本Embedding与向量数据库的实战应用。主要内容包括:1) Embedding模型原理及其与大语言模型的区别;2) 中文Embedding模型的选择与使用;3) 文本向量化的具体实现案例;4) 向量数据库(Milvus)的部署与应用;5) 企业级知识库检索系统的搭建方法。文章提供了完整的代码示例和常见问题解决方案,涵盖从文本预处理到智能检索的全流程,特别适合需要构建知识库系统的开发者参考。通过本教程,读者可以掌握将非结构化文本转换为语义向量并实现高效相似度检
2026-07-31 16:56:37
235
原创 # LangChain 天气助手从脚本到桌面应用:5 步打包你的第一个 AI Agent EXE
本文详细介绍了如何将基于LangChain和DeepSeek的天气查询智能体从脚本打包成桌面应用的全过程。主要内容包括:1)构建命令行版Agent实现天气查询功能;2)使用tkinter开发GUI可视化界面;3)通过PyInstaller将Python脚本打包为单文件EXE;4)创建桌面快捷方式。文章提供了完整的代码示例和详细的操作步骤,涵盖环境配置、模型选择、工具定义、Agent构建、界面设计、打包部署等关键环节,适合开发者快速上手AI应用开发与部署。
2026-07-30 18:31:54
571
原创 # LangSmith 调试与综合项目实战:从追踪到评估,打造生产级智能客服助手
本文系统介绍了如何使用LangSmith进行LangChain应用的调试和评估。主要内容包括: LangSmith基础:解释了LangSmith的作用和核心功能,包括追踪调用链路、查看输入输出、Prompt、Token消耗和耗时等。 实战案例:提供了7个具体案例,涵盖普通模型调用追踪、LCEL Chain追踪、Agent工具调用追踪,以及Chain、RAG和Agent的评估方法。 综合项目:演示了一个企业智能客服助手的完整实现,结合RAG和Agent技术,包括项目结构、依赖管理和核心代码。 质量保障:提供了
2026-07-30 18:07:53
442
原创 # LangChain 中间件实战指南:从 Python 异步到 MCP 集成,再到智能体治理
摘要 LangChain中间件是构建高效智能体的关键技术,本文系统介绍了从基础概念到实战应用的全流程。主要内容包括: Python异步编程基础:深入讲解async/await与asyncio的使用场景,对比同步与异步执行模式的区别,提供图片下载的代码示例展示性能差异。 MCP协议集成: 解释MCP作为模型上下文协议的核心价值 详细演示数学工具和天气API两种MCP服务端实现方式(stdio/HTTP) 展示客户端集成方法及整体架构设计 中间件治理能力: 剖析LangChain预置中间件(摘要生成、人工审核)
2026-07-29 18:16:15
518
原创 # MCP 协议史上最大升级:从有状态到无状态的完整迁移指南(2025-11-25 → 2026-07-28)
MCP协议重大升级:从有状态到无状态的全面迁移 摘要 Anthropic于2026年7月28日发布了MCP(Model Context Protocol)协议自诞生以来最大的一次架构重构——从有状态(Stateful)连接全面转向无状态(Stateless)核心。本次升级移除了initialize握手、删除Mcp-Session-Id、替换SSE长连接推送、重写Tasks API为Extension等重大变更。 升级背景 旧版MCP协议依赖有状态连接,导致生产部署存在三大问题:扩容困难(需粘性路由)、共享存
2026-07-29 17:37:51
699
原创 # Milvus 向量数据库写入失败?v3.0-beta 降级 v2.6.21 全过程排查记录
在 LangChain + Milvus 知识库项目中,建库写入阶段突发报错。经多轮排查,根因是 Docker 镜像使用了v3.0-beta,其写入协议与 2.x 客户端不兼容。本文完整记录从问题发现、版本降级、三容器部署、ORM 连接修复到最终验证通过的全过程,附经验证的版本组合和排查清单。本次无法写入不是单一错误,而是版本不配套连接方式不一致服务端 v3.0-beta(协议不兼容)↓降级到 v2.6.21(需要三容器)↓客户端需配套降级到 PyMilvus 2.6.17↓。
2026-07-28 13:43:41
452
空空如也
三国大时代,让三国类网游重回巅峰
2023-12-03
TA创建的收藏夹 TA关注的收藏夹
TA关注的人
RSS订阅