- 博客(19)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 开篇：从“能工巧匠”到“架构师”的思维跃迁
如果说入门篇是教你如何打造一辆可以行驶的卡丁车，那么进阶篇的目标，就是和你一起设计并调校一辆能赢得比赛的F1赛车。我们将不再满足于“功能实现”，而是开始系统性地拷问应用的性能（Performance）、鲁棒性（Robustness）和可观测性（Observability）。这是从开发者到架构师的关键一步
2025-06-13 08:11:33
41
原创 章节四：“不撞南墙不回头”的DFS探秘 - (深度优先搜索 / DFS)
本文介绍了深度优先搜索（DFS）算法的核心思想和实现。DFS是一种"不撞南墙不回头"的探索方式，会沿着一条路径尽可能深入，直到尽头才回溯。
2025-06-12 22:26:50
255
原创 最终章：从脚本到服务 —— 你的AI应用上线之路
本章将简要介绍LangServe，展示如何轻松地将你用LangChain构建的链或代理，打包成一个可供调用的REST API，为你的AI应用走向生产环境铺平道路。
2025-06-11 18:00:00
585
原创 第十章：毕业项目 —— 构建你的个人知识助理
我们将整合Chains、Memory、RAG和Agents，打造一个功能更全面的“个人知识助理”。它既能基于你的本地文档回答问题，也能在需要时上网搜索，还能进行流畅的多轮对话。
2025-06-11 09:30:00
644
原创 DeepSeek加持，告别低效循环？一文解锁AI如何给你的工作“提速增智”！
DeepSeek 作为一款理解和生成代码及自然语言的大模型，在代码生成与优化、技术文档撰写、学习新技术和日常办公自动化等四大核心场景中展现出巨大潜力。它能辅助编写代码、生成注释、解释复杂逻辑、提供学习路径建议，甚至帮助撰写报告和方案
2025-06-10 23:22:45
621
原创 章节三：图上涟漪：BFS层层推进解迷宫 - (广度优先搜索 / BFS)
本文介绍了广度优先搜索（BFS）算法的核心概念与应用。通过迷宫探险的生动比喻，阐述了BFS如何利用队列实现层级扩散搜索，确保找到无权图中的最短路径。文章详细解析了BFS的工作原理、时间复杂度（O(V+E)）和空间复杂度（O(V)），并通过流程图直观展示搜索过程。最后提供了Java和Python的代码实现示例，展示如何使用邻接表完成BFS遍历。该算法适用于社交网络分析、路径规划等多种场景，是图论中最基础且重要的遍历方法之一。
2025-06-10 22:04:02
494
原创 第九章：智能代理 (Agents) —— 赋予AI使用工具的能力
这是最酷的部分！智能代理（Agents）能让LLM像人一样思考，并决定使用哪些“工具”（如搜索引擎、计算器、API）来完成复杂任务。我们将构建一个能上网查询实时信息并回答问题的智能代理。
2025-06-10 13:00:00
573
原创 第八章：知识检索（下）—— 构建一个本地知识库问答机器人
理论结合实践！我们将利用上一章的知识，亲手搭建一个完整的RAG应用。你将学会如何加载一篇本地文档（如PDF或Markdown），并创建一个能精准回答该文档相关问题的智能问答机器人。
2025-06-10 12:00:00
962
原创 第七章：知识检索（上）—— 为AI外挂一个知识库
LLM的知识有边界，如何让它基于你自己的文档来回答问题？这就是RAG的魔力。本章将介绍构建RAG系统的四大组件：文档加载器（Document Loaders）、文本分割器（Text Splitters）、文本嵌入（Embeddings）和向量数据库（Vector Stores）
2025-06-10 11:00:00
2503
原创 VS Code：我是如何让编码效率翻倍的？我的提效秘籍与心路历程
大家好，我是阿扩。在编程世界摸爬滚打多年，我深知工具对效率的重要性。今天，我将分享Visual Studio Code (VS Code) 如何成为我效率翻倍的秘密武器。文章深入剖析了VS Code的几大提效亮点：它强大的代码导航与重构功能，让我在复杂代码库中游刃有余；革命性的远程开发体验，让我能以本地舒适度操作远程代码；海量的插件生态，助我打造专属开发环境；集成的终端与任务系统，告别窗口切换；以及强大的调试器，让Bug无处遁形。结合我的个人故事和实践心得，我将展示VS Code如何从多个维度提升开发效率。
2025-06-10 08:30:49
604
原创 章节二：有序数组的“导航犬”：二分查找 - (二分查找 / Binary Search)
本文介绍了二分查找算法（Binary Search），这是一种在有序数组中高效搜索特定元素的算法。其核心思想是通过不断将搜索范围对半分割来快速定位目标，时间复杂度为O(log n)。文章通过字典查找的类比生动说明算法原理，并详细图解了搜索路径。性能分析指出二分查找在大型数据集上的显著优势，同时比较了迭代与递归实现的空间复杂度差异。最后提供了Java和Python的迭代实现代码示例，展示了算法的实际应用。该算法适用于有序数据，能极大提升搜索效率。
2025-06-09 23:53:14
699
原创 章节一：排序界的“闪电侠”为何快？- (快速排序 / Quick Sort)
俗话说得好，天下武功，唯快不破。在算法江湖里，排序算法的地位举足轻重，而提到“快”，有一个名字几乎是所有开发者绕不开的——那就是快速排序 (Quick Sort)！这家伙就像排序界的“闪电侠”，凭借其卓越的平均性能，在各种面试和实际项目中频频亮相。
2025-06-09 23:33:04
886
原创 第六章：记忆 (Memory) —— 赋予AI短期记忆
如何构建一个能连续对话的聊天机器人？关键在于记忆（Memory）。本章将探讨不同类型的记忆组件，教你如何让Chain具备上下文感知能力，从而实现真正的多轮对话。
2025-06-09 12:00:00
796
原创 第五章：链 (Chains) 与LCEL —— 搭建你的第一条AI流水线
本章是里程碑！我们将学习如何使用LangChain表达式语言（LCEL），将前面学到的模型、提示模板和输出解析器优雅地“链接”起来，形成一条自动化的处理链（Chain）。这是构建复杂应用的基础。
2025-06-09 11:45:00
926
原创 第四章：输出解析器 (Output Parsers) —— 让AI说人话
LLM的回答通常是自由文本，但我们的程序需要的是JSON、列表或自定义对象。本章将学习输出解析器（Output Parsers），它能像翻译官一样，将模型的原始输出格式化为我们需要的任何结构。
2025-06-08 10:29:48
779
原创 第三章：提示模板 (Prompt Templates) —— 精准的沟通艺术
模型的能力再强，也需要清晰的指令。本章将聚焦于提示模板（Prompt Templates），教你如何动态地构建、管理和复用给模型的指令。这是让AI应用变得可控、可预测的关键一步。
2025-06-08 10:26:51
1081
原创 第二章：模型 (Models) —— AI应用的大脑
深入了解LangChain中**模型（Models）**的概念。我们将学习如何接入不同的大语言模型（LLMs）和聊天模型（Chat Models），并理解它们之间的差异。本章将以阿里通义千问为例，展示如何配置和调用模型。
2025-06-08 10:22:32
669
原创 第一章：AI与LangChain初探 —— 你的第一个“智能”程序
什么是LangChain？它解决了什么痛点？我们将快速配置好开发环境，并用短短几行代码，调用通义千问（Qwen）模型，完成一个最简单的问答程序。让你亲眼见证“Hello, World!”到“Hello, AI!”的奇妙转变。
2025-06-08 10:19:07
605
原创 引言：你好，AI新世界
欢迎来到LangChain的世界！本引言将解释为什么大语言模型（LLM）正在改变世界，LangChain又在其中扮演了怎样一个“粘合剂”和“工具箱”的关键角色。我们将一起探讨，学习LangChain能为你的技术栈带来怎样的飞跃。
2025-06-08 10:15:44
376
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人