mingchen_peng的博客

边负责连接节点，定义工作流的方向。最简单的边是常规边，它指定了一个节点的输出总是流向另一个固定的节点。而 LangGraph 最强大的功能在于。

后续补充后续补充后续补充。

本文介绍了现代智能体的核心能力与实现方法，重点探讨了三种经典架构范式：ReAct、Plan-and-Solve和Reflection。智能体通过结合大语言模型的推理能力与外部工具调用，能够自主完成任务，但仍面临幻觉问题、推理循环等挑战。文章详细阐述了环境准备步骤，包括依赖库安装、API配置和基础LLM调用封装，并以ReAct范式为例，说明了"思考-行动-观察"的循环机制。通过从零实现这些范式，开发者可以深入理解智能体设计原理，从而从框架使用者转变为创造者。

语言模型 (Language Model, LM) 是自然语言处理的核心，其根本任务是计算一个词序列（即一个句子）出现的概率。一个好的语言模型能够告诉我们什么样的句子是通顺的、自然的。在多智能体系统中，语言模型是智能体理解人类指令、生成回应的基础。本节将回顾从经典的统计方法到现代深度学习模型的演进历程，为理解后续的 Transformer 架构打下坚实的基础。（1）统计语言模型与N-gram的思想在深度学习兴起之前，统计方法是语言模型的主流。其核心思想是，一个句子出现的概率，等于该句子中每个词出现的条件概率

智能体发展史

hello-agent 第一章初识智能体