- 博客(10)
- 收藏
- 关注
RSS订阅原创 LangChain实战入门（五）：项目篇——构建企业级AI应用系统
本文介绍了一个企业级AI知识管理系统的完整实现方案。该系统整合了LangChain技术栈，包括Model I/O、Retrieval、Agents、Memory和Chains等核心模块，构建了支持多格式文档处理、智能检索问答、对话记忆和工具协作的完整解决方案。系统采用分层架构设计，包含配置层、服务层、数据层、业务层和会话层，实现了文档上传、向量化存储、语义搜索和智能问答等功能。文章详细展示了系统各模块的代码实现，包括文档处理引擎、向量存储系统、会话管理器和智能体系统等核心组件，并提供了交互式演示示例。
2026-04-02 08:30:00
839
原创 告别手写Bug！接入Claude 4.6 & GPT-5.4，开启全自动编程
告别手写Bug！接入Claude 4.6 & GPT-5.4，开启全自动编程
2026-03-31 17:00:54
672
原创 LangChain实战入门（四）：融合篇——打造有记忆、能协作的AI应用
本文介绍了如何构建具有记忆能力的智能AI助手，重点探讨了LangChain中的Memory和Chains模块。通过实现多层次的对话记忆系统（包括会话历史、实体记忆和摘要）和模块化工作流链（上下文分析、工具调用和响应生成），开发了一个能记住研究上下文、协调多种工具的研究助理。文章展示了从单次交互到连续对话的进阶过程，并提供了代码实例演示记忆感知的完整流程。最后还提出了分层记忆管理等高级优化思路，为构建更智能的上下文感知AI系统提供了实用方案。
2026-03-31 16:00:38
609
原创 LangChain实战入门（三）：Agents实战——让AI成为能思考、会行动的数字员工
本文介绍了如何构建能自主使用工具的AI智能体，实现从"回答问题"到"解决问题"的范式转变。文章详细讲解了智能体的核心组件（工具系统、决策引擎、执行器）和ReAct框架（思考-行动-观察循环），并通过实战项目演示了一个具备计算、时间查询、单位转换和信息搜索功能的个人助理智能体。该智能体能够理解复杂需求、自主选择工具、完成多步骤任务。文章还提出了连接真实API的高级扩展方案，并总结了构建智能体的关键技术要点，为开发能自主行动的AI应用提供了完整解决方案。
2026-03-23 08:30:00
882
原创 LangChain实战入门（二）：RAG实战——赋予大模型你的私有知识库
本文介绍了如何利用LangChain的Retrieval模块构建私有文档智能问答系统。通过RAG（检索增强生成）技术，系统能够将用户文档分割、向量化存储，并根据问题检索相关文本片段作为上下文提供给大模型生成精准答案。文章详细讲解了文档加载、文本分割、嵌入模型、向量数据库等核心组件，并提供了完整的Python实现代码，包括自定义HTTP模型、简易向量存储和RAG问答链。此外还介绍了混合检索、重新排序等高级优化技巧，帮助开发者构建基于私有知识库的智能问答应用。
2026-03-20 17:25:17
784
原创 LangChain实战入门（一）：从Model I/O开始优雅构建AI应用
本文介绍了LangChain框架的核心概念与应用，重点讲解Model I/O模块如何标准化大模型交互流程。作者将LangChain比作"乐高积木"，提供模块化组件（模型、提示模板、输出解析器）来简化AI应用开发。通过构建智能读书笔记生成器的实战案例，展示了如何结合HTTP请求与LangChain组件实现结构化输出。
2026-03-18 09:15:00
726
原创 函数调用：让AI学会使用工具，从“大脑”进化到“手脚”
本文介绍了大模型通过函数调用技术从"数字大脑"向"现实行动者"的进化。函数调用作为大模型与外部世界的桥梁，通过定义函数清单、模型决策请求、执行反馈三个核心步骤，使大模型能够处理实时数据和执行具体操作。文章通过智能天气助手和数据库查询机器人两个实战案例，展示了函数调用的实现过程，包括环境配置、工具函数定义、模型交互等关键环节。函数调用技术不仅拓展了大模型的能力边界，也为AI Agent和企业级应用开发奠定了基础，是连接自然语言与结构化操作的重要技术。
2026-03-17 09:00:00
490
原创 RAG实战：我让AI成了“老中医”，问诊开方有据可循！
本文介绍了检索增强生成系统（RAG）的原理与应用。RAG通过结合大语言模型与外部知识库，解决了AI"模型幻觉"问题，使其能够基于最新可靠信息作答。文章以中医感冒问诊为例，详细展示了RAG的工作流程：知识库准备（文本切分、向量化存储）和问答流程（检索-增强-生成）。实战部分提供了Python代码实现，演示了如何构建基于权威医书的中医RAG系统。RAG技术具有知识实时更新、答案准确可信等优势，可广泛应用于客服、企业知识库、法律顾问等专业领域，为构建可靠AI应用提供了有效解决方案。
2026-03-13 09:00:00
796
原创 上下文工程：让你的AI对话不再“失忆”
在大型语言模型（LLMs）领域，Context Engineering（上下文工程）是一项至关重要的精细艺术，尤其在构建高效能AI智能体时更显其价值。这项技术专注于精心筛选信息，并将其精准置入LLM有限的“内容窗口”中，为模型后续处理提供最优的信息环境。
2026-03-12 08:45:00
479
原创 提示词工程：这样跟AI说话，它才听你的！
提示词是与AI高效沟通的关键指令，直接影响输出质量。优质提示词应包含角色设定、明确任务、补充细节和指定格式四要素。通过分步思考、示例引导等技巧，可显著提升AI回答的精准度。避免模糊表述和一次性复杂要求，采用迭代优化方式能获得更佳效果。掌握提示词工程可充分发挥AI潜力，将其转化为得力的智能助手。
2026-03-12 08:30:00
579
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