hjxu2016的博客

本文介绍了LangGraph中持久化层和记忆机制的实现与应用。主要内容包括： 基本线程隔离持久化层：通过MemorySaver实现线程隔离的对话记忆，相同thread_id可保持多轮对话连续性，不同线程间记忆隔离。 跨线程持久化调用：引入InMemoryStore实现长期记忆存储，支持跨线程会话数据持久化和向量语义搜索。 记忆机制实现：包含短期记忆和长期记忆两种实现方式，通过不同存储策略满足不同场景需求。 记忆优化：采用总结技术对记忆内容进行压缩优化，提高记忆存储效率和检索性能。 文章通过代码示例展示了基础

本文介绍了LangGraph中的运行时配置和MapReduce并行执行机制。运行时配置允许动态切换模型、个性化Prompt和环境参数，通过RunnableConfig实现模型切换（如GPT-4/3.5）。MapReduce模式包含三步：1) Map阶段通过路由器节点动态生成Send对象分配子任务；2) Worker节点并行处理；3) Reduce阶段聚合结果。文中提供了代码示例，展示了如何定义状态、节点函数，以及通过Send对象实现动态任务分发。该机制支持运行时根据状态决定并行任务数量和输入数据，适用于需要

本文介绍了三种基于LangGraph的流程控制实现方法： 串行控制：通过定义State状态和节点函数，构建顺序执行的流程图（START→step1→step2→END），实现简单的线性流程。 普通分支控制：构建包含多个节点的流程图（A→B/D，A→C→D），演示了分支合并的工作流实现方式。 条件分支控制：通过add_conditional_edges方法实现条件路由，当count<3时循环执行A→B→A，count≥3时结束流程，展示了带条件判断的循环工作流。 每种方法都包含状态定义、节点函数、图构建

本文介绍了LangGraph框架的基本概念和使用方法。核心组件包括节点(Node)和图(Graph)，节点代表具体功能操作，图定义工作流程和节点连接关系。文章详细讲解了执行步骤：1)定义State消息格式；2)定义节点函数；3)构建图结构；4)可视化查看；5)运行并输出结果。最后提供了两个完整Demo示例，一个基于Langchain的问答对话系统，另一个是普通节点工作流，展示了从简单到复杂的不同应用场景。文中配有代码示例和流程图，帮助读者理解LangGraph的实际应用。

这里的多模态模型采用, deepseek暂时不支持。

主要介绍LCEL、Runnable interface、Stream的一些概念

Agent是使用LLM作为推理引擎的系统，用于确定应该采取哪些行动以及这些行动的输入应该是什么。然后可以将这些行动的结果反馈给代理，并确定是否需要更多行动，或者是否可以结束。

我们需要一个地方来存储和索引我们的分割（splits），以便后续可以对其进行搜索。如果你想构建能够对私有数据或模型介质日期后引入的数据进行推理的人工智能应用，你需要用特定信息来增强模型的知识。大语言模型可以对广泛的主题进行推理，但它们的知识仅限于训练时截止日期前公开的数据。检索适当信息，并将其插入模型提示的过程被称为检索增强生成(RAG)。：ChatModel使用包含问题和检索到的数据的提示来生成答案。除了文档检索外，还结合的大语言模型进行了增强。这里仅仅搜索最相近的向量，仅有文本搜索的功能。

是 LangChain 中用于为链（Chain）添加消息历史记录（即聊天记忆）的类。它通过包装另一个 Runnable 对象，并管理其聊天消息历史记录，从而实现对话状态的持久化。参数runnable：需要包装的底层 Runnable 对象。：一个可调用对象，根据 session_id 返回一个的实例。input_key：指定输入字典中用于获取最新消息的键，默认为 “input”。：指定输入字典中用于获取历史消息的键，默认为 “history”。output_key。

LangChain 提供了强大的多链功能，允许用户通过组合多个链（Chain）来实现复杂的任务。这些链可以按顺序执行，也可以并行执行，从而实现高效的模型协作和协调

提示词中包含交互样本的作用是为了帮助模型更好地理解用户的意图，从而更好地回答问题或执行任务。小样本提示模板是指使用一组少量的示例来指导模型处理新的输入。 这些示例可以用来训练模型，以便模型可以更好地理解和回答类似问题。

实现一个helloworld，跑通一个简单的对话。后面章节会正式介绍LangChain的各个功能。后台llm的端口可以任意选择，这里分别借助Ollama 和OpenAI实现一次简单的对话。

聊天信息提示词模板介绍

本学习系列以Ollama推理后端作为大语言模型，展开对LangChain框架的入门学习。模型采用。毕竟是免费开源的，下载过程耐心等待即可。如果可以连接外网，也可以通过OpenAI，来建立LLM模型。