python分享-优快云博客

LangChain 作为大语言模型应用开发的开源框架，通过其模块化设计有效降低了复杂 LLM 应用的开发门槛。模块化封装：将模型 I/O、数据连接、提示词模板等常用功能封装为可复用组件，简化开发流程。架构支持：提供 Chain、Agent、Tools 和 LangGraph 等架构模式，支持构建多步骤、可交互的智能工作流。生态完善：通过 LangSmith 等工具提供全链路监控与调试能力，形成从开发到部署的完整技术栈。定位清晰。

2026-08-10 21:09:45 429

原创 LlamaIndex知识管理与信息检索

LlamaIndex 是一个为开发「知识增强」的大语言模型应用的框架（也就是 SDK）。知识增强，泛指任何在私有或特定领域数据基础上应用大语言模型的情况。LlamaIndex 通过其模块化的设计，将知识管理（数据加载、索引构建）与信息检索（语义搜索、上下文增强、LLM 查询）无缝衔接。开发者无需从头实现向量化、存储和检索的复杂逻辑，只需通过高级 API 配置数据源、模型和索引策略，即可快速构建出强大的"知识增强"型 LLM 应用。

2026-08-10 20:54:42 447

原创学历核验接口+RAG入门

RAG（Retrieval-Augmented Generation）= 检索 + 增强 + 生成检索（Retrieval）：从知识库中找到相关信息增强（Augmented）：将检索到的信息作为上下文生成（Generation）：AI基于上下文生成更准确的回答数据准备：加载手册 → 清洗 → 分块 → 生成向量 → 存入数据库；问答交互：用户提问 → 检索相似文本 → 构建提示词 → 大模型生成回答。每个函数职责单一，通过参数传递协作，便于维护和扩展。import re。

2026-08-06 20:52:20 227

原创提示词工程与Function Calling及学历验证

提示词工程（Prompt Engineering）是一门专门研究如何设计、优化和调试与人工智能大语言模型交互的输入文本，以获得最佳输出结果的技术学科。它是连接人类意图与AI能力的桥梁，通过精心构造的文本指令来引导AI模型产生高质量、符合预期的响应。Function Calling（函数调用）是让AI大模型能够主动调用外部工具和API的技术。传统AI只能基于训练数据回答能调用实时API获取最新信息无法执行具体操作可以执行查询、计算、验证等操作功能局限于对话功能可无限扩展信息可能过时。

2026-08-05 19:51:05 313

原创阿里云多轮对话

无状态设计：通义千问 API 是无状态的，开发者需要在每次请求中显式传递完整的对话上下文。消息结构：通过messages数组维护对话历史，包含用户、助手和系统角色的消息。上下文管理：随着对话轮次增加，需要采用滑动窗口、历史消息压缩等策略来管理上下文长度。实践建议：根据实际场景选择合适的上下文管理策略，平衡对话连贯性与性能开销。通过合理设计消息传递机制和上下文管理策略，可以构建出高效、稳定的多轮对话应用，充分发挥大语言模型的对话能力。

2026-08-04 11:44:01 364

原创大模型入门及单轮对话

大模型是“参数量级达到亿级及以上，训练数据量达到千亿级文本/图像，基于深度学习架构（如 Transformer）构建，具备‘理解、生成、推理’等通用智能能力的人工智能模型”。对比维度小模型（如 BERT-base）大模型（如 GPT-3、Llama 3）Web 类比案例参数量百万级~千万级（如 BERT-base 1.1 亿）亿级~万亿级（如 Llama 3 8B=80 亿）个人博客（小服务器）vs 电商平台（集群服务器）核心能力单一任务（文本分类、情感分析）通用任务（理解、生成、推理）只能查天气的接口 v

2026-08-03 21:38:53 339

原创企业招聘团队管理

数据建模：合理设计表结构，考虑业务扩展性和数据完整性安全设计：密码加密存储、验证码验证、Token认证机制业务逻辑：企业审核通过后自动创建团队成员，实现业务流程自动化错误处理：完善的异常处理和日志记录API设计：清晰的接口定义和响应格式通过以上设计和实现，我们构建了一个完整的招聘团队管理系统，涵盖了从数据分析、表结构设计、模型创建到业务接口实现的完整开发流程。系统具有良好的可扩展性和维护性，能够满足企业招聘团队管理的核心需求。

2026-07-30 22:03:31 208