LLM
关注
分享
扫一扫
文章平均质量分 87
本专栏聚焦大型语言模型（LLM）的实际技术开发与应用，而非底层研究原理。内容涵盖 LLM 部署、性能优化、高效微调、提示工程（Prompt Engineering）以及与外部工具和知识库的集成（如 RAG 架构）。我们深入探讨如何构建稳定、可扩展、低延迟的 LLM 应用，解决实际工程。
W_Meng_H
希望是本无所谓有，无所谓无的！
这正如地上的路，其实地上本没有路，走的人多了，也便成了路！
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
LangChain Agent - 火山引擎大模型推理与回答的完整流式输出
尽管 LangChain 是构建 LLM 应用的强大框架，但在直接对接 火山引擎（Volcano Engine）的大模型服务时，可能会遇到一个核心痛点：如何实现模型的 思考过程（Reasoning） 和 最终回答（Final Answer） 的完整流式输出，就像在控制台或 Chat 应用中看到的那样？原创 2025-12-10 14:00:00 · 1706 阅读 · 0 评论 -
LangChain Agent - 通义千问+工具 (流式输出)
在现代 Web 应用中，流式输出 (Streaming) 是提升用户体验的关键技术。本文将承接之前的 Agent 构建工作，详细介绍如何将基于 LangChain 和阿里通义千问 (Qwen-Plus) 的智能旅行顾问 Agent 升级为支持流式响应的版本。我们将重点关注模型和 Agent 的初始化配置，以及如何正确迭代处理 agent.stream 的输出，实现实时显示 Agent 的思考过程和最终回复。原创 2025-12-06 08:00:00 · 753 阅读 · 0 评论 -
LangChain Agent - 通义千问模型+工具 (文本输出)
本文将详细介绍如何利用 LangChain 框架，结合 阿里通义千问 (Qwen-Plus) 模型的能力，搭建一个具备工具调用 (Tool-Calling) 能力的智能 Agent，并利用 动态系统提示 (Dynamic Prompt) 实现基于用户角色的个性化响应。我们将以一个“智能旅行顾问”为例，实现天气查询功能，并确保模型在不同情境下能做出准确的决策。原创 2025-12-05 10:19:41 · 1304 阅读 · 0 评论