- 博客(3)
- 收藏
- 关注
RSS订阅原创 深入剖析：LangChain、LangGraph 与 Autogen 中 Agent 的底层实现
无论是问答助手、客服机器人，还是更高级的“多 Agent 协作平台”，本质都是在运行时，依据用户输入或环境状态，决定“下一步要调用哪个功能”并将结果反馈给用户。由于大语言模型（LLM）本身只能基于自然语言进行推理，无法直接执行代码或访问外部资源，因此需要依赖“工具调用机制”。LangChain：使用“大 Prompt + 正则解析”驱动 LLM 在文本里输出调用指令；LangGraph。
2025-05-28 20:38:51
2131
原创 使用 LangChain 让大模型输出结构化 JSON
LangChain是一个用于构建与大语言模型交互的框架。它不仅提供了丰富的工具和模块，还支持链式调用（chain-of-thought），方便用户构建复杂的对话和任务流程。在实际应用中，我们可以借助 LangChain 提供的解析器（例如和），让 LLM 的输出满足特定的格式要求，从而保证数据的可靠性。使用利用 LangChain 内置的结构化解析器，根据预定义的字段解析模型返回的 JSON 数据。这种方法简单且直观，非常适合大多数场景。流式输出 JSON。
2025-03-30 17:50:46
2293
原创 实战解析MCP-使用本地的Qwen-2.5模型-AI协议的未来？
近年来，随着大语言模型（LLM）在各类应用中的广泛使用，我们逐渐意识到：仅靠单一模型的能力，很难满足实际应用中对数据、工具、环境等多样化需求的不断增长。就在这种背景下，Anthropic 推出的模型上下文协议（Model Context Protocol，简称 MCP）悄然登场，它被誉为“为 AI 装上 USB-C 接口”的革命性标准，为 AI 工具整合带来了全新的思路。本文将深入探讨 MCP 是什么、为什么要使用 MCP，以及 MCP 与 LangChain 等其他技术的核心区别和应用前景。
2025-03-20 20:19:42
3839
9
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人