LangChain写AI Agent系列 之 模型调用、提示词、输出解析

Ollama 可以在 Windows 上运行了 阅读详情

本文。我们通过API调用大模型,使用提示模板构建简单的 LLM 应用。正式开始学习之前,我们先了解一下LangChain的整体架构。

一. LangChain架构

LangChain 框架由多个开源库组成。请在架构页面阅读更多内容。

  • langchain-core:聊天模型和其他组件的基本抽象。
  • 集成包(例如,langchain-openai、langchain-anthropic等):重要的集成已被拆分为轻量级软件包,由 LangChain 团队和集成开发人员共同维护。
  • langchain:构成应用程序认知架构的链、代理和检索策略。
  • langchain-community:由社区维护的第三方集成。
  • langgraph:用于将 LangChain 组件组合成可用于生产的应用程序的编排框架,具有持久性、流式传输和其他关键功能。请参阅LangGraph 文档。

img

二. 安装依赖库

需要安装 langchain-core,langchain-openai。运行命令如下:

在这里插入图片描述

例如:

img

三. 使用大模型

我们使用现在最火的国产大模型DeepSeek,DeepSeek官网的API最近暂停服务了,所以选用腾讯云的API。

在这里插入图片描述

运行输出如下:

img

BaseChatOpenAI对你接收messages对象作为输入,并生成messages对象作为输出。

除了文本内容之外,messages对象还传递对话角色并保存重要数据,例如工具调用和 token 使用计数。

LangChain 还支持通过字符串或OpenAI 格式的聊天模型输入。以下内容是等效的。

在这里插入图片描述

四. 流式传输

直接调用model.invoke,会等模型输出全部结束以后一次性返回。可能会等待比较长时间。

大模型的工作模式其实是流式的,所以它们公开了一个标准接口,其中包括异步和流式调用模式。这允许我们从聊天模型流式传输单个 token。调用代码如下:
在这里插入图片描述

flush要设置为True, 不然不会马上输出,看到的效果还是等到全部结果才输出。

五. 提示词模板

上面的示例,我们直接将消息列表传递给语言模型。通常,消息列表是从用户输入和应用程序逻辑的组合中构建的。此应用程序逻辑通常接收原始用户输入并将其转换为准备传递给语言模型的消息列表。常见的转换包括添加系统消息或使用用户输入格式化模板。

提示词模板是 LangChain 中旨在帮助进行此转换的概念。它们接收原始用户输入并返回准备传递到语言模型的数据(提示词)。

下面,让我们创建一个提示词模板,它接收两个用户变量

    • language:要将文本翻译成的语言
    • text:要翻译的文本

在这里插入图片描述
在这里插入图片描述

执行结果如下:

img

我们可以看到,prompt_template.invoke返回一个由两条消息组成的 ChatPromptValue。

如果我们想直接访问这些消息,还可以这样做:

prompt.to_messages()

六. 结论

本文,我们学习了如何创建您的第一个简单的 LLM 应用程序。您学习了如何使用语言模型、如何创建提示模板。

如何学习AI大模型?

大模型时代,火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业?”“谁的饭碗又将不保了?”等问题热议不断。

不如成为「掌握AI工具的技术人」,毕竟AI时代,谁先尝试,谁就能占得先机!

想正式转到一些新兴的 AI 行业,不仅需要系统的学习AI大模型。同时也要跟已有的技能结合,辅助编程提效,或上手实操应用,增加自己的职场竞争力。

但是LLM相关的内容很多,现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学,学习成本和门槛很高

那么我作为一名热心肠的互联网老兵,我意识到有很多经验和知识值得分享给大家,希望可以帮助到更多学习大模型的人!至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传优快云,朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】

👉 福利来袭优快云大礼包:《2025最全AI大模型学习资源包》免费分享,安全可点 👈

全套AGI大模型学习大纲+路线

AI大模型时代的学习之旅:从基础到前沿,掌握人工智能的核心技能!

img

640套AI大模型报告合集

这套包含640份报告的合集,涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师,还是对AI大模型感兴趣的爱好者,这套报告合集都将为您提供宝贵的信息和启示。

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

👉学会后的收获:👈
• 基于大模型全栈工程实现(前端、后端、产品经理、设计、数据分析等),通过这门课可获得不同能力;

• 能够利用大模型解决相关实际项目需求: 大数据时代,越来越多的企业和机构需要处理海量数据,利用大模型技术可以更好地处理这些数据,提高数据分析和决策的准确性。因此,掌握大模型应用开发技能,可以让程序员更好地应对实际项目需求;

• 基于大模型和企业数据AI应用开发,实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能, 学会Fine-tuning垂直训练大模型(数据准备、数据蒸馏、大模型部署)一站式掌握;

• 能够完成时下热门大模型垂直领域模型训练能力,提高程序员的编码能力: 大模型应用开发需要掌握机器学习算法、深度学习框架等技术,这些技术的掌握可以提高程序员的编码能力和分析能力,让程序员更加熟练地编写高质量的代码。

👉 福利来袭优快云大礼包:《2025最全AI大模型学习资源包》免费分享,安全可点 👈

img

这份完整版的大模型 AI 学习资料已经上传优快云,朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】

作为普通人,入局大模型时代需要持续学习和实践,不断提高自己的技能和认知水平,同时也需要有责任感和伦理意识,为人工智能的健康发展贡献力量。

DeepSeek本地部署详细指南 通过上述步骤,你可以在本地成功部署DeepSeek模型,并通过Ollama或Open Web UI与模型进行交互。本地部署不仅能够保护数据隐私,还能根据需求灵活调整模型参数,满足不同场景下的使用需求。如果你在部署过程中遇到任何问题,可以在评论区留言,我们将一起解决。希望这篇教程能帮助你顺利部署DeepSeek模型,开启高效开发的新旅程! 阅读详情

相关推荐

从零构建 AI Agent:LangChain 实战完全指南

LangChain AI Agent构建指南 本文详细介绍了如何使用LangChain框架构建AI Agent智能系统。主要内容包括: AI Agent概念:解释AI Agent作为能自主感知环境、决策和执行的智能系统,与传统大模型的区别,强调其工具使用、记忆管理和自主决策能力。 LangChain框架:介绍该Python/JS框架的模块化组件(模型、提示词、工具等)和核心架构,特别说明其对ReAct等Agent类型的支持。 ReAct框架原理:阐述Thought-Action-Observation循环决

Crown_22的博客 1031

一文彻底整明白,基于Ollama工具的LLM大语言模型Web可视化对话机器人部署指南

在上一篇博文中,我们在本地部署了**Llama 3 8B**参数大模型,并用 Python 写了一个控制台对话客户端,基本能愉快的与 Llama 大模型对话聊天了。但控制台总归太技术化,体验不是很友好,我们希望能有个类似 ChatGPT 那样的 Web 聊天对话界面,本博文就安排起来……

老牛啊 1万+

AI - 浅聊一下基于LangChain的AI Agent

简单来说,AI Agent就是一个能够自主进行任务的人工智能系统。它可以理解输入、处理数据并做出决策。比如自动客服机器人就在很多情况下充当AI Agent。AI Agent通过接收用户的指令和信息,利用内置的AI模型或算法进行处理,并提供相应的输出或采取行动。

2404_88048702的博客 1569

使用ollama在本地部署llama3-8b大模型

使用ollama在本地部署llama3-8b大模型

weixin_39945822的博客 1万+

从零构建私有化AI Agent:基于Hermes模型与LangChain的完整实战指南

在探索AI Agent开发的过程中,你是否曾被复杂的架构、晦涩的原理和繁琐的部署流程劝退?网上资料要么浅尝辄止,要么直接甩出一堆代码,让人看得云里雾里。本文将为你彻底解决这个痛点,以 Hermes Agent 为例,手把手带你从核心概念、工作原理,一路深入到完整的私有化部署与代码实战。无论你是想快速搭建一个本地AI助手,还是希望将智能体能力集成到自己的业务系统中,这篇教程都将提供一条清晰、可复现的路径。我们将从零开始,构建一个具备基础对话与工具调用能力的Hermes Agent,并完成其私有化部署,让你真正

weixin_33951761的博客 462

AI大模型实战:从RAG到Agent的LangChain学习路线

检索增强生成(RAG)通过将外部知识库与生成模型结合,解决了大模型知识更新和专业度不足的问题。其核心原理是将文档向量化存储,实现精准检索后增强生成质量。在工程实践中,RAG与智能体(Agent)技术结合,可构建具备专业知识和行动能力的AI系统。智能体通过规划、工具调用和记忆机制,能执行多步骤复杂任务。基于LangChain框架,开发者可以系统化地整合提示词管理、RAG流水线和Agent调度,快速搭建企业级AI应用。本文以文档问答系统为例,详解如何通过分阶段学习掌握这一技术栈的落地实践。

weixin_30697239的博客 656

最新LangChain+GLM4开发AI应用程序系列(二):Agent智能体篇

这篇文章是LangChain开发系列第二篇,Agent智能体篇。首先介绍了Agent是什么,以及Agent的核心思想。如果说LLM是大脑,那么Agent就是给大脑装上了手脚眼睛后的智能体。Agent的核心思想是使用LLM作为推理引擎,来动态的确定要采取哪些操作,使用哪些工具以及按什么顺序执行。然后通过一个使用六个工具的Agent智能体实战案例,分析了Agent的实现原理。希望能给大家起到一定的参考作用,同时也欢迎共同探讨。

悠杨的专栏 8296

AI Agent开发入门:从核心概念到LangChain实战指南

1. 先搞清楚 Agentic AI 和 AI Agent 到底在解决什么问题 如果你最近在关注 AI 领域,大概率会频繁看到 Agentic AI 和 AI Agent 这两个词。很多人容易把它们混为一谈,或者觉得这只是又一个营销概念。但如果你真的想上手做点东西,或者评估一个项目要不要引入这类技术,最该先弄明白的是:它们到底解决了什么实际问题,以及我们该从哪里开始动手。 简单来说, Agentic AI 更像是一个宏观的“系统”或“框架”概念,它描述的是一种能够自主决策、执行复杂任务、且需要最少人工监督的

cixu3288的博客 450

Web开发者进阶AI Agent:LangChain提示词模板与输出解析器实战

在Web开发中,我们习惯通过模板引擎(如EJS、Handlebars)动态生成HTML,也依赖JSON Schema校验或Zod/Yup对API响应做结构化解析。这种“输入模板化 + 输出结构化”的工程思维,恰恰是构建可靠AI Agent应用的核心。 LangChain 提供了两大关键能力: 提示词模板(PromptTemplate):让自然语言输入可编程、可复用; 输出解析器(OutputParser):强制模型返回结构化数据,便于前端消费。 对于Web开发者而言,掌握这两项技术,就相当于掌握了“AI

沛哥儿的专栏 984

LLM的MCP协议:初识MCP,搭建第一个MCP Server

MCP(Model Context Protocol),是一个开发的协议,标准化了应用程序如何为大模型提供上下文。MCP提供了一个标准的为LLM提供数据、工具的方式,使用MCP会更容易的构建Agent或者是基于LLM的复杂工作流。

Criss@陈磊 2万+

一文读懂Langchain:ChatGLM3和ChatGPT的Agent调用分析

首先下载上面给出的github项目并安装环境,然后想想要测试什么问题。请问下面这个字符串的长度的三次幂是几:XXX,理想情况下,Agent加持的大模型会分析出需要调用获取字符串长度和计算三次幂这两个工具,然后连续调用它们得到正确的结果。所以第一步就是要把这两个工具定义好,在这个项目里,只要在Tool文件夹下定义好xxx.py和xxx.yaml这两个文件,xxx这个工具就算可以使用了,我们对这两个工具的定义如下,注意这些工具的输入和输出都得是字符串。

羊城迷鹿的博客 9284

LangChain + Ollama + DeepSeek 全链路认知:从模型包装器到提示词模版 Agent Demo

博文内容为LangChainOllamaDeepSeek本地部署 LLM 应用开发认知涉及LangChain架构,核心模块认知以及 模型包装器,提示词模版,Agent方式开发AI应用Demo理解不足小伙伴帮忙指正 😃,生活加油我看远山,远山悲悯持续分享技术干货,感兴趣小伙伴可以关注下。

山河已无恙 1644

U-Net图像分割实战:从论文解析到PyTorch代码实现

本文深入解析了U-Net图像分割模型的经典架构与核心思想,并提供了从零开始的PyTorch代码实现教程。通过详细拆解编码器-解码器结构、跳跃连接等关键组件,手把手指导读者构建完整的U-Net网络,涵盖数据准备、模型训练、推理部署全流程,是掌握图像分割实战技能的实用指南。

fire9的博客 343

【AI大模型系列】AI Agent与LangChain框架介绍(七)

LangChain是一个用于开发由语言模型驱动的应用程序的框架。LangChain 库:Python 和 JavaScript 库。包含了各种组件的接口和集成,一个基本的运行时,用于将这些组件组合成链和代理,以及现成的链和代理的实现。LangChain 模板:一系列易于部署的参考架构,用于各种任务。(类似于SpringCloud)LangServe:一个用于将 LangChain 链部署为 REST API 的库。(类似于API网关)LangSmith。

LHW0621的专栏 1099

联想X3650M5服务器双模式切换实战:UEFI与Legacy BIOS如何选择?

本文深入探讨了联想X3650 M5服务器在UEFI与Legacy BIOS启动模式间的选择策略。文章从技术原理、决策矩阵、实战切换步骤及后期验证等方面,为企业IT管理员提供了基于操作系统兼容性、存储架构、安全合规与运维习惯的完整决策框架,帮助其在数据中心硬件生命周期管理中做出明智选择。

weixin_29207533的博客 281

逆向拆解dy接口a_bogus 1.0.1.19版本核心算法(纯算版)第二部分

本文深入解析了dy接口a_bogus 1.0.1.19版本的核心算法,重点介绍了逆向分析的基础方法论、魔改Base64编码识别与还原、随机数生成与位运算解析等关键技术。通过详细的代码示例和实用技巧,帮助开发者掌握逆向工程中的关键步骤,特别是针对a_bogus参数的生成逻辑和混淆处理。

weixin_29288313的博客 411

深入浅出 LangChain AI Agent 开发:核心概念 “链” 解析

深入浅出 LangChain AI Agent 开发:核心概念 “链” 解析

m0_48891301的博客 1253

高德地图JS API私有化部署实战:从数据爬取到内网集成

本文详细介绍了高德地图JS API私有化部署的完整流程,涵盖从地图瓦片数据爬取、JS API离线化改造到内网项目集成的实战步骤。重点解决了在封闭内网环境中实现地图功能的核心难题,并提供了Vue.js项目中的具体集成代码与调试技巧,帮助开发者在离线环境下构建稳定可靠的地图应用。

weixin_29062255的博客 319

AI Agent之LangChain多个案例实战

AI Agent对比(1)工作流编排LangChain:线性链,适合固定流程任务(如文档问答)。LangGraph:支持循环、条件边和状态传递,适合动态调整的复杂逻辑(如多轮决策)。Coze:可视化工作流,支持嵌套和批处理,但灵活性较低。Dify:基于自然语言定义工作流,适合API集成和Prompt调优。(2)工具调用与扩展性LangChain/LangGraph:工具作为链或图的节点,支持自定义工具和重试逻辑。Coze:依赖预置插件生态,扩展需通过开放平台。

2401_84494441的博客 2008

《ESP32单片机基础入门》第2章:开发环境搭建

【代码】《ESP32单片机基础入门》第2章:开发环境搭建。

2301_79143213的博客 582

快速生成2D卡通人物的AI工具:开启Live2D角色创作的新时代

随着这一创新工具的推出,我们正见证着Live2D角色创作进入了一个全新的阶段。它不仅极大地简化了角色设计的过程,也为广大创作者提供了一种全新的表达方式。对于那些渴望将脑海中的构思迅速转化为现实的人来说,这无疑是一大福音。现在就访问项目主页,开始探索无限可能吧!t=O83A项目主页https://human3daigc.github.io/Textoon_webpage/

这里汇聚了前沿的技术分享与实用的开发技巧,带你探索从创意到企业的技术创业之路。 4840

LangChain+Ollama+DeepSeek AI应用开发全链路教程:模型包装器到提示词模版 Agent!

博文内容为LangChainOllamaDeepSeek本地部署 LLM 应用开发认知涉及LangChain架构,核心模块认知以及 模型包装器,提示词模版,Agent方式开发AI应用Demo理解不足小伙伴帮忙指正 😃,生活加油。

2401_84204413的博客 1653

第七天 Labview进阶(7.4 NI Vision简单使用)

NIVision机器视觉软件使用指南 摘要:NIVision是National Instruments推出的高效机器视觉软件,具有硬件无缝集成、图形化编程和工业级部署等优势。本文介绍了NIVision的安装步骤(需Vision Acquisition和Vision Development模块)及三个典型应用案例:1)实物检测通过IMAQCreate等模块实现物体识别与坐标定位;2)OCR检测利用IMAQOCR系列模块完成字符识别;3)几何模板匹配使用IMAQLearnGeometricPattern等模块实

weixin_38637405的博客 771

AI Agent开发学习系列 - langchain: LLM和AI应用的粘合剂|使用langchain调用LLM,自定义提示词模版,输出解释器

摘要:本文介绍了LangChain框架及其在AI开发中的应用,重点展示了如何调用腾讯混元大语言模型。文章包含三个示例:基础调用、自定义提示词模板和输出解析器,演示了如何使用PromptTemplate规范输入、通过BaseOutputParser解析输出。LangChain作为连接LLM与应用的桥梁,简化了智能问答、RAG等场景的开发流程,文中代码示例可直接用于实践。

alex100的博客 426

LAMMPS实例教程—In文件详解

本博文主要介绍专栏 《LAMMPS实例教程—In文件详解》, 针对于 Lammps 可分析的物理过程进行讲解,提供 In 文件以及后处理方法,持续更新。 目前分为8个专题: 1)力学专题、2)传热专题、3)相变专题、4)界面专题、5)吸附专题、6)流动专题、7)物性专题以及8)基础理论专题。

Rockyoung 3万+

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

Web开发者快速上手AI Agent:基于LangChain的提示词应用优化实战

在Web开发中,我们常常需要将模糊的业务需求转化为清晰的API接口或前端组件。这个过程依赖于精准的需求描述——如果产品经理说“做个好看点的登录页”,你可能做出十种不同的版本。 而在AI应用开发中,提示词(Prompt)就是你的“产品需求文档”。一条模糊的提示词,比如“帮我写个总结”,往往导致模型输出泛泛而谈;而一条结构化的提示词,如“用3句话总结以下文章,突出技术亮点,并以Markdown列表形式输出”,则能获得高质量结果。 对于Web开发者而言,LangChain 正是帮助我们将“模糊提示”转化为“结

沛哥儿的专栏 1387

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面,电脑运行连游戏界面都一样大小,很怀旧,很真实,(英文版)强烈推荐,很小的文件,很难才找到的。

上一篇: 如何使用 DeepSeek-R1、LangChain 和 Ollama 构建隐私优先的 RAG
下一篇: 大模型解读!中国人工智能大模型技术白皮书!
冻感糕人~
博客等级 码龄3年 8926粉丝 2393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