妃型猿-优快云博客

原创 LangChain 中 LLM 的 bind_tools 原理

之前一直在写 agent，虽然知道如何使用 bind_tools，但是并不清楚底层原理。如果你也有困惑，这篇文章或许能够帮助你更好的理解 bind_tools 及其底层原理。

2025-11-10 21:44:48 926

原创 python项目比较好的包目录应该是怎样的？

本文介绍了一个标准化的Python包目录结构设计原则，以deepagent项目为例展示了推荐的项目组织形式。重点内容包括：1) 使用src/目录隔离核心代码；2) 采用pyproject.toml管理项目配置和依赖；3) 按照功能模块化组织代码；4) 分离脚本、测试、示例和文档目录。文章还提供了简化版结构适用于小型项目，并总结了项目组织的关键原则：核心包独立、配置先行和关注点分离。这种标准化结构可以解决常见的导入问题，提高代码可维护性和团队协作效率。

2025-11-05 15:46:45 924

原创理解 LLM 的 bind_tools 和 ReAct 智能体

之前有在写 agent 代码，只是直接用了 langgraph.prebuilt 的 create_react_agent 方法，为了搞清楚其中的逻辑关系，通过源代码学习的方式，了解到了底层逻辑。这篇发表于 ICLR 2023 的论文提出了 ReAct 范式，旨在将大型语言模型（LLMs）的推理和行动能力相结合，以提升其在各类任务中的表现。ReAct 的核心思想：ReAct 促使 LLM 以交错的方式生成推理轨迹和特定任务的行动，实现两者的协同作用。推理轨迹帮助模型诱导、跟踪和更新行动计划，处理异常情况。

2025-08-09 16:47:03 987