使用LangChain写一个生成文章标题、描述以及给出优化建议的智能写作助手

使用 LangChain 和 DeepSeek 构建文案助手智能体 LangChain 是一个高度灵活的框架,允许开发者将大语言模型(如 GPT)与各种外部工具结合使用,构建功能丰富的智能体。LangChain 的核心原理是将多个功能组合成一个智能体,以便在复杂的任务中实现自动化。 阅读详情

LangChain 是最受欢迎的开源 AI 工程库之一。

它的目标是屏蔽构建 AI 软件的复杂性,提供易于使用的构建模块,并简化在不同 AI 服务提供商之间的切换过程。

在本章节中,我们将通过构建一个简单的基于 Qwen3-32B 的大语言模型(LLM)的写作助手来介绍 LangChain。

源码地址放这里了 ,需要的可以自取,无偿领取

img

该写作助手能够针对一篇文章草稿生成多个有用的内容,包括:

  • 文章标题
  • 文章描述
  • 用于获取反馈的结构化输出,类似于人类编辑可能给出的意见

img

在开始之前我们使用以 OpenAI API 兼容的形式初始化两个 Qwen3-32B 模型:

  • 用于生成确定性输出的 llm
  • 用于生成具有一定创造性输出的 creative_llm

img

接下来就是根据文章内容生成文章标题的代码:

img

然后就是根据文章内容生成文章描述的函数:

img

SEO 是 “Search Engine Optimization” 的缩写,中文意思是搜索引擎优化。

简单来说,SEO 是一种提升网页在搜索引擎(比如百度、谷歌)中排名的技术手段。写一篇“符合 SEO 的文章描述”,就是要:

\1. 包含关键词:使用用户可能搜索的词语

\2. 简洁明了:让搜索引擎快速理解文章内容

\3. 吸引点击:标题和描述有吸引力,能引起用户兴趣

这样可以让文章在搜索结果中更容易被找到、被点击。

如果你写的是博客、产品介绍或教程类的内容,SEO 就特别重要。

最后我们将从文章草稿中挑选出一段内容,然后让 LLM 帮忙优化并给出有建设性的反馈,以便用户了解如何提升自己的写作。

img

至此,整个写作助手项目的核心功能就介绍完毕了。

如何零基础入门 / 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!

read-normal-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。

Ollama 可以在 Windows 上运行了 阅读详情

相关推荐

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!

m0_56896669的博客 14万+

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+

深入指南:如何使用LangChain创建强大AI研究助手

使用LangChain可以快速构建强大的AI助手,从而极大地提升研究效率。LangChain 官方文档OpenAI API 文档FastAPI 文档。

ahdfwcevnhrtds的博客 1075

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+

使用 Anthropic 和 LangChain 构建智能搜索助手

这个智能搜索助手项目基于 Anthropic 的语言模型和 LangChain 框架。它的核心功能是能够理解用户的问题,搜索 Wikipedia 获取相关信息,然后生成准确的回答。整个过程是迭代的,意味着如果初次搜索未能完全回答问题,系统会继续搜索直到获得满意的答案。: 提供强大的语言理解和生成能力LangChain: 一个用于构建基于语言模型应用的框架FastAPI: 用于创建 API 服务LangServe: LangChain 的服务部署工具。

sjufgwgfhoia的博客 752

[掌握LangChain项目:构建强大研究助手的指南]

通过本文,你已经学会如何快速搭建并运行一个AI驱动的研究助手。LangChain官方文档OpenAI API参考FastAPI用户指南。

asdfujhgy的博客 2061

通义千问3-4B模型应用:智能写作助手的搭建方法

本文介绍了基于星图GPU平台自动化部署通义千问3-4B-Instruct-2507镜像的方法,结合Ollama与LangChain构建本地智能写作助手。该方案支持长文本处理与离线生成,适用于文章创作、文案润色等场景,实现高效、低延迟的AI内容生产,助力个人开发者快速落地轻量级大模型应用。

weixin_29097457的博客 736

Llama 3 构建语音助手:将本地 RAG 与 Qdrant、Whisper 和 LangChain 集成

RAG工作流帮助我们管理和利用来自各种来源的数据,以提供准确和相关的结果。从不同的来源收集数据,如文本文件、PDF、网站、数据库或API。例如,Llama Hub提供了许多连接器,使这一步骤更容易。在索引阶段,系统将原始数据转换为向量嵌入并组织它们。使用句子转换模型将每个文档或数据片段转换为捕捉语义含义的高维向量。然后将这些向量组织成高效的数据结构,通常是n维树或哈希映射,以实现快速的相似性搜索。保存索引数据和标签,以便以后无需再次组织。将查询转换为向量,并使用余弦相似度或其他距离度量与索引向量进行比较。

数智笔记 3263

打造研究助手应用:使用LangChain构建智能助手

通过本文,我们搭建了一个功能强大的研究助手应用。未来,你可以进一步扩展功能,比如引入更多的自然语言处理能力和数据分析工具。建议阅读LangChain和FastAPI的官方文档,加强对这些技术的理解。

ppoojjj的博客 1042

[打造你自己的AI研究助手:LangChain研究助手模板]

本文介绍了如何使用LangChain研究助手模板建立一个AI研究助手的基本步骤。您可以根据需要进一步定制,以满足特定的研究需求。

aehrutktrjk的博客 404

用langchain+streamlit应用RAG实现个人知识库助手搭建

我搭建的是一个Prompt技术的AI学习助手(基于自己搭建的和Prompt技术有关的文章与书籍)。学习写Prompt需要一边写一边实践,否则就会“脑子说我会了,手说我废了”。平时看到好的Prompt,也会把它积累下来,也许哪天就能用上;在实践的时候,随着不断地修改,Prompt也会更新迭代;

fengjiandaxia的博客 2395

用Langchain构建一个阅读助手

“LangChain 是一个强大的框架,可以简化构建高级语言模型应用程序的过程。”01—什么是LangchainLangChain是一个强大的框架,旨在帮助开发人员使用语言模型构建端到端的应用程序。它提供了一套工具、组件和接口,可简化创建由大型语言模型 (LLM) 和聊天模型提供支持的应用程序的过程。LangChain 可以轻松管理与语言模型的交互,将多个组件链接在一起,并集成额外的资源,例如 ...

wutao22的博客 863

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+

使用LangChain创建智能购物助手

随着电子商务的快速发展,用户对购物体验的要求越来越高。智能购物助手作为一种新兴的应用,可以帮助用户快速定位所需商品,提供个性化推荐,并简化购物流程。而LangChain作为一种强大的工具,能够帮助我们快速集成语言模型能力,实现复杂的业务逻辑。

vaidfl的博客 502

txt经纬度批量转面要素(附自定义ArcGIS工具箱方法)

当涉及大量txt坐标文件需要转换成面要素的时候,逐步操作工作量较大。本文由需求出发,以ArcGIS10.2为例,采用python脚本自定义ArcGIS工具,实现批量操作的目的。

m0_59216200的博客 1821

汽车诊断服务(UDS——0x11服务解析)

ECU复位服务(0x11)详解:该服务支持硬件/钥匙开关/软件三种复位类型(0x01-0x03),复位前需发送肯定响应。请求格式为11+子功能,响应含51+子功能。典型应用需配合安全访问流程,测试时需监控CAN总线通信及DTC状态。复位后ECU将返回默认会话,期间不处理任何诊断请求。服务在编程会话且安全解锁后执行,硬复位会初始化存储数据。

从事汽车行业 980

用LangChain和Llama3构建一个简易文章生成器

在本文中,我们将构建一个可以根据特定参数(如主题、长度、语气和目标受众)生成定制文章的系统。通过Ollama访问的Llama3模型为该任务提供了性能和灵活性的适当平衡。

weixin_43825008的博客 910

单细胞多组学数据整合分析实战:从原始数据到跨平台合并

本文详细介绍了单细胞多组学数据整合分析的实战流程,从原始数据处理到跨平台合并分析。通过Seurat和Harmony等工具的应用,帮助研究者有效解决批次效应问题,保留真实的生物学信号。文章包含代码示例和常见问题解决方案,特别适合需要进行单细胞合并分析的研究人员参考。

weixin_30752699的博客 92

使用 LangChain 和 Elasticsearch 开发一个 agentic RAG 助手

​ 这篇博客深入探讨了 agentic RAG 工作流,解释了它们的关键特性和常见设计模式。它进一步展示了如何通过一个使用 Elasticsearch 作为向量存储、使用 LangChain 构建 agentic RAG 框架的实践示例来实现这些工作流。最后,文章简要讨论了设计和实现此类架构的最佳实践和相关挑战。你可以通过这个 Jupyter notebook 跟着一起创建一个简单的 agentic RAG 管道。

Elastic 中国社区官方博客 1603

11、系统稳定性分析与李雅普诺夫函数的应用

本文深入探讨了李雅普诺夫函数在系统稳定性分析中的核心作用,重点介绍了时变与时不变系统的稳定性判据差异,以及巴尔巴拉特引理在处理非自治系统中的应用。文章还阐述了正线性系统与严格正实传递函数的性质及其在非线性控制系统中的重要性,并展示了李雅普诺夫函数在评估主导时间常数和设计快速干扰抑制控制策略方面的实际应用。通过具体示例和流程图,系统地总结了李雅普诺夫方法在稳定性分析、性能评估与控制器设计中的多维度价值,同时指出了当前挑战与未来发展方向。

Jerry的专栏 93

Android 13 Settings蓝牙列表卡顿问题排查及优化过程

此时我们的卡顿优化基本完成了,我们应该要考虑内存是否会泄漏,如果大家不知道哪些需要回收可以用leakcanary和android profiler进行内存检测,看代码有没有内存泄漏。

龚礼鹏的博客 2548

新手入门多智能体!用LangChain做个简单的AI任务调度助手

文案撰写智能体:写文章、写文案标题生成智能体:给内容起吸引人的标题关键词提取智能体:提炼核心关键词# ---------------------- 文案撰写智能体 ----------------------# 定义写作模板(告诉AI该怎么写)template="""你是专业文案作家,根据以下要求写一篇干货文:主题:{topic}要求:{requirements}风格:口语化、通俗易懂,带点幽默,适合优快云读者字数:500字左右结构:开头吸引眼球+3个核心要点+结尾总结"""

人工智能AI技术 1014

基于 MFC 和 C++ 的语音识别客户端实现方案

语音 SDK:[Microsoft Speech SDK](https://learn.microsoft.com/zh-cn/azure/cognitive-services/speech-service/speech-sdk)(建议使用最新版)1. **Azure 语音服务密钥**:需要在 [Azure 门户](https://portal.azure.com/) 中创建语音资源,获取密钥和区域(如 `eastasia`),替换代码中的占位符。

寒寒豆豆软件公司的博客 156

使用LangChain与GigaChat进行对话生成

GigaChat是一种强大的自然语言生成模型,它可以被用于构建对话生成、任务自动化等应用。LangChain提供了一种灵活的方式来与大型语言模型(LLM)交互,使得我们可以轻松地进行对话设计和生成。

hgSdaegva的博客 522

PCL 欧式聚类分割【2026最新版】

PCL中欧式聚类提取算法原理详解、代码实现以及一个大自然场景地物分割提取并保存分割结果到本地文件夹的应用案例。

点云侠的博客 40万+

Python 爬虫实战:豆瓣 / IMDB 电影数据抓取(评分 + 剧情 + 演员阵容结构化处理)

在数据为王的时代,电影数据是进行市场分析、推荐系统构建和学术研究的重要资源。豆瓣和 IMDB 作为国内外最具影响力的电影评分和资讯网站,包含了海量高质量的电影数据。本文将带领你从零开始,构建一个健壮的 Python 爬虫,用于抓取豆瓣和 IMDB 的电影信息,并将其中的非结构化数据(如剧情简介、演员列表)进行清洗和结构化处理,最终存储到便于分析的结构化文件(如 CSV)中。

yansideyucsdn的博客 956
上一篇: 别再只会聊天了!带你搞懂 AI Agent + Function Calling 全流程
下一篇: 清华大学:大模型安全实践白皮书(附完整PDF下载)
我爱学大模型
博客等级 码龄3年 7883粉丝 687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