- 博客(7)
- 收藏
- 关注
RSS订阅原创 BEV Fusion 复现 --- 环境与数据集部署篇
本文介绍了BEVFusion环境配置的基础步骤，包括：1)使用conda创建Python3.8环境并安装PyTorch2.1.0和CUDA12.1；2)安装mmcv-full预编译包及其他依赖组件；3)配置CUDA环境变量。详细说明了项目编译方法、数据集处理流程（含解压脚本示例）以及模型测试验证步骤，包括预训练模型下载和测试命令。最后提供了标准项目目录结构规范，包含数据目录、预训练模型等关键文件路径说明。
2026-03-16 20:37:52
131
原创 实战｜基于 LangGraph 快速构建可观测的 AI Agent 智能助手
本项目实现了一个轻量级AIAgent方案，基于LangGraph框架搭建支持工具调用和执行追踪的智能助手系统。技术栈采用Python+FastAPI后端，搭配智谱GLM大模型和HTML+TailwindCSS前端，实现了标准化工具封装、LangGraph回调追踪和前后端联调。核心功能包括：通过@tool装饰器规范工具接口；利用LangGraph原生Callback实时捕获工具调用状态；开发轻量前端展示执行过程。项目解决了大模型应用中工具对接不规范、执行过程不透明的问题，具有代码精简、可扩展性强等特点，适合作
2026-01-28 01:43:20
1372
原创 从零搭建 LangGraph Agent（适配 DeepSeek-Chat）：1.x 版本详解
本文提供LangGraph 1.0.0+版本的极简项目模板，重点解析核心配置规范与常见坑点。关键点包括：1）强制使用.src目录存放核心代码（名称不可更改）；2）langgraph.json必须指向.src目录下的文件；3）适配DeepSeek-Chat时推荐使用OpenAI兼容模式调用。项目仅需保留.src/agent.py、.env和langgraph.json三个核心文件，通过@tool装饰器定义工具函数时需包含完整docstring。特别强调.src目录的不可替代性，任何命名或路径错误都会导致Age
2026-01-27 01:53:14
1046
原创 LangChain 1.x 实现 LLM 结构化 JSON 输出：两种实用方法详解
LangChain 提供了 “通用适配” 和 “原生支持” 两类结构化 JSON 输出方案，核心差异在于是否依赖模型的原生能力。实际开发中，可根据所用模型的特性选择对应方法：通用场景用，高性能场景用。两种方法的核心目标都是将 LLM 的非结构化输出转为结构化数据，降低后续数据处理的成本。
2026-01-24 19:34:17
852
原创 玩转 LangChain 1.x 速率限制：给 DeepSeek API 调用装上 “节流阀”
本文介绍了API速率限制的实现方法，通过InMemoryRateLimiter设置每秒0.1次请求（即每10秒1次）的调用频率，并配置0.1秒的检查间隔和最大10个请求的桶容量。同时展示了如何将速率限制器应用于LangChain 1.0的聊天模型初始化，包括设置模型参数（deepseek-chat）、API密钥、基础URL和温度值（0.5）。这种机制能有效控制API调用频率，防止超出接口限流。
2026-01-24 18:10:45
314
原创 LangChain 入门：使用 PromptTemplate 高效构建提示词
在自然语言处理应用中，文本风格转换是一个常见需求。通过大语言模型（LLM）我们可以实现将原始文本转换为特定风格的表达，这在商务沟通、内容创作等场景尤为实用。本文将展示如何使用LangChain框架与DeepSeek模型实现这一功能。
2026-01-23 20:07:47
91
原创 基于langchain的Agent开发-环境搭建
摘要：解决conda安装运行报错（退出代码-1066598273）的方案：1）更新conda并修复损坏包；2）改用pip安装指定版本依赖（langchain-openai 0.1.14等）；3）成功运行DeepSeek API调用示例，包含环境变量设置、消息构建和错误处理。关键点：更换包管理工具解决兼容性问题，添加/v1修正API路径，通过traceback增强错误排查能力。
2026-01-22 20:43:37
110
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