weixin_54688252的博客

原创 使用 LangChain 和 LangGraph 构建 SQL 数据库交互Agent代理

从数据库中获取可用的表。根据问题确定相关的表。获取相关表的 DDL（数据定义语言）。基于问题和 DDL 信息生成查询语句。使用大型语言模型（LLM）检查查询语句中的常见错误。执行查询并返回结果。根据数据库引擎反馈的错误信息修正查询，直到查询成功。基于查询结果生成响应。：获取数据库中的可用表。：获取表的 DDL。：执行查询并返回结果或错误信息。手动定义@tool我们使用 LangGraph 来定义代理的工作流。首先调用获取可用表。根据问题和表信息选择相关表。

原创 使用 LangGraph 构建分层Agent团队

通过使用 LangGraph 构建分层代理团队，我们可以更高效地分配和处理复杂任务。研究团队负责信息收集，文档写作团队负责内容生成，而顶层监督节点则负责协调两个团队的工作。这种分层架构不仅提高了任务处理的效率，还增强了系统的可扩展性和灵活性。

原创 基于langgraph的大模型多agent架构

在多智能体系统里，监督器有着重要作用。就如同一个团队需要管理者来协调成员工作一样，多智能体监督器负责管理和协调不同智能体之间的任务分配与协作。上一个示例根据初始研究员智能体的输出自动路由消息，而我们也能够选择使用大语言模型（LLM）来协调不同的智能体。下面我们就来看看如何创建一个智能体组，并使用一个智能体监督器来帮助分配任务。

原创 Adaptive-RAG

论文标题：《Adaptive-RAG: Learning to Adapt Retrieval-Augmented Large Language Models through Question Complexity》

原创 Llama3系列模型简介

Llama3基于Llama2架构推出了四个新的开放型大语言模型。这些模型分为两种规模：8B和70B参数，每种规模都提供预训练基础版和指令调优版。所有版本均可在各种消费级硬件上运行，并具有8000 Token的上下文长度。：8B基础模型：8B基础模型的指令调优版。针对对话和聊天场景：70B基础模型：70B基础模型的指令调优版。

原创 常用开发工具命令指南：Pip 和 Git 使用详解

在日常开发过程中，Pip 和 Git 是两个非常重要的工具。Pip 用于管理 Python 的依赖包，Git 则是版本控制系统的标配。熟练使用这两者，能够有效提升开发效率。本文将从 Pip 和 Git 的核心命令入手，逐一讲解它们的用法，并通过场景化的描述帮助你更好地理解和应用这些工具。

原创 spark思维导图总结

spark 知识点思维导图汇总

原创 Spark基础入门概念的一些总结

原创 PPG信号的初步认识

只有充分了解PPG信号产生原理，对PPG信号进行初步可视化分析，才能再做下一步预处理、特征提取和其他建模的工作。

原创 大数据项目实战Hive on Spark电信用户行为分析

对于我们常用的关系型数据库, 对于数据一致性要求比较高, 基本都是我们的OLTP系统，而对于我们常见的数据分析系统, 主要是根据已有的业务数据进行统计分析, 比如管理驾驶舱数据统计分析,比如做BI报表, 做机器学习等, 这些我们会专门在一个数据分析系统OLAP系统进行统计分析。首先用户行为产生的日志数据通过Flume采集到HDFS集群中，接下来是hive数仓搭建工作，最后将应用层数据使用DataX同步到MySQL数据库中，通过QuickBI展示出相应的指标，如下图所示。下图为集群启动成果后的效果。