- 博客(25)
- 收藏
- 关注
RSS订阅原创 Agent 长期记忆机制详解：从认知模型到工程实现
Agent需长期记忆以实现跨会话连续性，弥补LLM无状态缺陷。长期记忆分情景、语义、程序三类，依托向量数据库或知识图谱持久存储。工程上通过写入筛选、语义检索、更新冲突处理与遗忘衰减构建闭环管理。LangGraph等框架分离短期（Checkpointer）与长期（Store）记忆，支持高效复用。核心在于：外部存储 + 语义检索 + 生命周期闭环，而非简单堆砌历史。
2026-10-08 19:26:35
154
原创 大模型“黑话”入门：搞懂这5个词，你就超过了80%的人
本文以通俗方式解析LLM、Prompt、RAG、Agent与幻觉五大AI核心概念，揭示其本质与关联：LLM是语言生成基础，Prompt决定沟通效率，RAG弥补知识短板，Agent实现自主行动，幻觉则是需警惕的固有风险。五者构成从“会回答”到“能办事”的能力链，理解这一逻辑，才能真正掌握AI应用的核心。
2026-10-08 16:48:54
165
原创 LangGraph 多 Agent 协作：Handoffs 模式从原理到实战
用工具调用触发状态更新，用状态变量驱动行为切换，用 Command 完成节点跳转。三种能力缺一不可：没有工具，LLM 无法自主决策交接时机；没有持久化状态，交接后的 Agent 看不到上下文；没有 Command 跳转，状态更新了但执行流还停在原地。选择单 Agent 中间件还是多 Agent 子图，核心判断标准是交接复杂度和隔离需求。大多数场景从单 Agent 中间件起步即可，只有当一个 Agent 的职责已经复杂到需要独立的状态 schema 和调试边界时，再拆成子图。
2026-10-06 23:59:18
342
原创 LangGraph 中断-恢复机制详解：从原理到实践
LangGraph的中断-恢复机制基于检查点（Checkpointer）实现持久化执行。通过interrupt()抛出GraphInterrupt异常触发中断，运行时保存状态快照；恢复时使用Command(resume=...)和thread_id加载检查点，重新执行节点（注意：节点从头开始，前驱副作用需幂等）。关键依赖：配置持久化Checkpointer、避免包裹interrupt()、保持调用顺序一致。适用于人工审批、动态暂停等场景，是构建可中断、可恢复复杂工作流的核心能力。
2026-10-06 23:55:48
326
原创 别被“Java已死、AI取代程序员”带节奏：计算机人越早明白这3点越好 ---
面对技术焦虑，别被“语言之争”和“AI取代论”带偏。真正重要的是：选一门语言深耕，夯实算法与系统基础；学AI但不丢传统开发；专注一个方向做出项目，再横向拓展。别用勤奋掩盖战略懒惰，先深后广，方能走得长远。
2026-10-05 22:42:43
700
原创 LangChain第十一节-Agent的异步调用与流式输出
本文详解LangChain 1.2中Agent的异步调用与流式输出实战。通过ainvoke实现多外部工具并行执行，解决“慢”问题；利用stream模式实时输出生成内容，缓解用户“等”的焦虑。结合七种stream_mode及完整客户服务案例，展示如何构建高效、响应迅速的智能体，显著提升性能与用户体验。
2026-10-05 21:36:59
352
原创 LangChain第十节-Agent 结构化输出
本文介绍Agent结构化输出的实现方法，解决自然语言响应难以解析的问题。通过create_agent的response_format参数，支持Pydantic、Dataclass、TypedDict和JSON Schema四种格式，推荐使用ToolStrategy策略，兼容性强且可直接返回可执行对象。结合客户关系管理案例，演示如何生成带验证的结构化数据，实现与业务系统无缝对接。
2026-09-28 22:36:32
307
原创 高性价比人生指南：一份用「工程思维」重构人生的开源文档
《高性价比人生指南》是一本开源电子书，基于成本收益分析与证据等级，提供599条可执行的人生决策建议，涵盖健康、法律、财务等场景。内容结构化如技术文档，强调可验证、可复用，适合追求理性生活的读者。官方在线版免费可读，GitHub可下载源码，网盘提供离线PDF。
2026-09-28 17:41:50
9286
原创 AI Agent 开发三轮面试真题全解析：Function Call、MCP、RAG、多 Agent、沙箱与算法
本文基于面试录音整理，系统解析了大模型Agent开发核心问题：厘清Workflow、Agent、Skill等概念差异，详解工具调用优化策略与按需调用约束机制；深入探讨长短期记忆实现、Agentic RAG与传统RAG对比、RAG分片与检索优化；涵盖SSE流式输出、Redis大Key处理、快排算法等工程实践，并强调安全防护与评测迭代。整体突出“目标驱动+能力封装+工程落地”的Agent系统设计思维。
2026-09-27 23:20:30
287
原创 LangChain第九节-Tools 工具全解析，让 Agent 真正“有手有脚”
本文详解LangChain中Tools如何赋予Agent外部交互能力，突破模型仅能“聊天”的局限。通过@tool装饰器、Pydantic模型与JSON Schema三种方式，实现查数据、调接口、执行计算等真实任务。重点演示了工具定义、参数校验、错误处理及异常兜底实战，助力Agent从“会说话”迈向“能干活”。
2026-09-27 23:11:03
352
原创 从0到1搭建你的第一个AI Agent：让大模型真正“动起来”
Agent不仅是会聊天的机器人，更具备规划、工具调用与记忆能力，能自主执行复杂任务。新手可从选择框架（如LangChain）、构建小场景（如周报生成）入手，通过实践积累经验。关键在于让模型“干活”而非仅对话，聚焦重复性任务自动化，落地价值远胜炫技。关注下期，手把手打造自动化周报Agent。
2026-09-26 23:57:05
199
原创 60天拿下AI应用开发offer！今天我们学习什么是RAG（小白秒懂版）
因为LLM虽然“懂很多”，但不知道你的私人资料，也不一定知道最新信息。📄 文档 → ✂️ 切分 → 🔍 检索 → 🧠 LLM生成。需要的时候，先把相关资料找出来，再交给LLM回答。RAG就是给LLM装了一个“随时可以查的知识库”。关注我，60天从0到1，一起拿AI开发offer！如果让你做一个AI知识库，你最想让它读取什么？RAG = 先查资料，再让LLM回答。🔍 从知识库找到“年假政策”🧠 LLM：负责思考和生成。“我们公司年假有几天？📚 RAG：负责找资料。🧠 把资料交给LLM。
2026-09-26 23:33:20
229
原创 【AI提效必看】世界下载量最高的10个 AI Skill 排行榜
（注：本文整理自网络热门榜单，数据来源：skills.sh | 数据更新时间：2026.09.25）在 AI 技术飞速发展的今天，如何让 AI 更懂你的业务、更具专业能力？就是给 AI 增加专业能力的插件！先看大家都在装什么，再看它有什么用。今天为大家整理了。
2026-09-25 23:37:52
489
原创 LangChain第八节-Agent 提示词与动态提示词
同一个模型，不同的提示词，输出质量天差地别；同一个 Agent，面对普通用户和 VIP 用户，本应给出不同风格的回答；你想让 Agent 专注某个领域，但它总是“跑题”。在 LangChain 中，提示词为 Agent 提供了任务背景、行为准则和操作指南。通过参数设置，它本质上定义了 Agent 的“角色”和“使命”。基础设置：创建 Agent 时传入一个固定的动态设置：根据运行时上下文或 Agent 状态，实时生成不同的提示词如何用字符串和设置基础提示词如何用中间件实现动态提示词。
2026-09-25 23:33:35
196
原创 秋招/春招必杀技！实时语音Agent项目，源码+文档免费领
前端（Vue3 + Web Audio API）+ 后端（FastAPI + LangChain + LangGraph），端到端流式 STT → LLM Agent → TTS。现在的岗位有多卷大家都知道，面试官一问“做过什么Agent项目”，很多人只能拿玩具Demo去讲，真的吃亏！：前端UI + 后端Agent + WebSocket封装，跑起来就是一个高颜值的实时对话助手。：从架构图、事件协议、数据流到核心设计模式，逐行代码拆解。找AI开发、Agent开发的工作，简历上是不是总觉得。
2026-09-24 23:55:58
460
原创 LangChain第七节-Agent 智能体入门，从“会说话”到“会做事”
本文详解 LangChain 1.2 中 Agent 智能体的实战应用，聚焦从“会说话”到“会做事”的跃迁。通过 ReAct 原理，展示 Agent 如何实现推理与行动循环，结合 DeepSeek 模型与工具调用，演示 create_agent 创建静态与动态模型智能体的方法。对比 LLM、工具调用与 Agent 的本质差异，揭示其在多步规划、状态管理与错误恢复上的优势，助力构建真正自主执行的 AI 系统。
2026-09-24 23:28:50
577
原创 LangChain第六节-模型工具调用（了解）
大模型工具调用（Tool Calling）使模型能与外部系统交互，突破纯文本生成限制。在LangChain中，通过bind_tools()绑定工具，模型可生成工具调用请求，开发者需手动执行工具并传回结果，再由模型生成最终回复。支持单次或多工具调用，适用于需外部数据的复杂任务，但需自行管理调用循环。
2026-09-23 21:48:00
99
原创 Agent 开发学习路线：从零到 大厂Offer
2026年AI应用岗核心能力已转向“造Agent”。该路线分六阶段：夯实基础（Python/FastAPI/Prompt）、掌握核心（RAG/MCP/Tool Calling）、实战企业项目（多场景落地）、进阶组件认知（Hermes/OpenClaw）、工程化训练（调试/安全/降级）、求职冲刺（八股+真题）。每阶段强调动手、指标与复盘，确保项目可讲、问题可答。关键在于从“会用”到“能造”，构建可生产、可评测、可面试的完整能力链。
2026-09-23 15:30:07
765
原创 LangChain第五节-模型结构化输出，让大模型乖乖返回 JSON
本文详解如何让大模型稳定输出结构化数据（如JSON、Pydantic模型等），解决自然语言输出导致程序解析困难的问题。介绍三种定义输出结构的方式：Pydantic模型（推荐）、TypedDict和JSON Schema，以及两种获取结构化结果的方法：with_structured_output与输出解析器。针对国内模型不支持该功能的情况，提供替代方案，并演示如何同时获取结构化结果与原始AI回复，提升应用可靠性与自动化水平。
2026-09-22 21:52:32
267
原创 LangChain 1.2 第四节-流式、批量、异步一篇讲透
本文系统讲解LangChain 1.2中流式、批量与异步调用的核心用法。通过stream实现打字机式实时输出，提升用户体验；利用batch与batch_as_completed并行处理多任务，显著提升吞吐量；结合ainvoke、astream、abatch实现非阻塞异步调用，避免主线程阻塞，适用于高并发场景。三者协同可大幅提升应用性能与响应性，是构建高效LLM应用的关键技能。
2026-09-22 15:26:08
307
原创 LangChain第三节-init_chat_model
在 LangChain 中，模型调用（Invocation）是指通过特定方法触发大语言模型生成输出的过程。它的工作模式是阻塞式的，即程序会等待模型完全生成整个响应后，再一次性将结果返回给用户。同样，如果使用的模型供应商没有对应的 provider，但是该模型供应商支持标准 OpenAI 访问，那么可以设置。方法非常灵活，支持三种形式的输入：单条消息、消息列表（字典格式）、消息列表（消息对象格式）。该方式是最简单的方式，直接传入一个问题或指令，适用于不需要保留对话历史的简单生成任务。
2026-09-21 17:52:58
215
原创 LangChain第二节-model
本文系统讲解LangChain模型初始化方法，涵盖OpenAI、Anthropic、DeepSeek、Ollama、腾讯混元、通义千问、智普AI等主流模型的配置与调用。通过环境变量管理API密钥，使用ModelClass或统一init函数实现多模型实例化，并提供测试代码验证连接。支持OpenAI兼容接口，便于扩展非官方模型。附各平台API获取指南，助力快速上手多模型开发。
2026-09-21 16:35:31
139
原创 从零开始带你学LangChain
LangChain是一款2022年诞生的开源框架，由哈里森·蔡斯创建，旨在通过链式架构连接大语言模型与外部工具、数据源和记忆机制，突破LLM在知识时效性、外部交互和状态保持方面的局限。其核心特性包括统一模型接口、模块化设计、智能体与工具调用、记忆管理，广泛应用于RAG、智能体构建、对话系统、数据处理等场景。2025年发布v1.0.0版本，标志着框架成熟，支持基于LangGraph的统一智能体编排，为企业级应用提供稳定基础。
2026-09-19 19:20:09
334
【自然语言处理】大模型核心技术全解析：从Transformer架构到RAG与Agent系统的综合知识体系构建
2026-10-08
人工智能基于GraphRAG与多模态融合的智能问答系统：知识图谱构建、向量检索与RAGAS评估框架集成研究
2026-10-08
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人