℡听风ヾ-CSDN博客

原创 Seedance通用视频生成提示词模板

按时长分类，覆盖【视频类型】中的全领域，模板中【】为(可参考文末表格选用)，【@素材X】为用户上传的图片/视频/音频素材(可根据实际素材数量调整，需明确标注素材用途);核心优化:按视频类型适配镜头数量，标注分镜衔接方式，丰富细节描述，提升可执行性。

2026-03-03 17:45:25 390

真实照片质感, 薇尔莉特特写，灰色发丝蓬松凌乱透冷光，氛围梦幻，光影柔和，调皮青涩可爱，反光水润玻璃感晕染唇釉，魅惑又天真凝视镜头，电影级冷暖光对冲，明暗高对比，超精3D肌肤粒子（细腻肌肤/绒毛），柔焦虚化背景，胶片颗粒质感。超高清写实风格，一辆极致精致的豪华跑车，完美车身比例，流畅动感线条，金属漆面质感细腻，光影自然高级，细节丰富，轮毂精致，车灯锐利通透，8K 分辨率，电影级光影，商业摄影质感，干净背景，构图完美，极致细节，逼真渲染。色彩倾向：画面占主导的色彩基调，比如整体偏暖（红、橙、黄）或偏冷（蓝。

2026-02-25 17:08:13 821

原创 LangChain--Agent--Messages(2)

摘要：LangChain中的Message是对话消息的抽象结构，包含角色和内容，用于Chat模型交互。主要类型包括HumanMessage（用户输入）、AIMessage（AI回复）、SystemMessage（系统指令）和ToolMessage（工具返回结果）。在Agent应用中，Message驱动决策循环，通过ToolCalling实现工具调用与结果反馈。理解Message流转机制比单纯使用工具更重要，所有智能行为都体现在Message序列的交互中。

2026-01-21 15:29:35 305

原创 LangChain--Agent--简单介绍 (0)

类型作用。• 再次进入 Planning / Reasoning。当前任务中间状态（计划、变量、结果）• 函数（Python 函数、后端逻辑）• 或来自上游系统（如任务队列、业务触发器）Agent 与 LLM 最大的分水岭之一。• API（搜索、数据库、业务接口）• “根据制度文档，自动填写审批表”• “读取简历并匹配岗位，给出评分”• 是否连续调用多个工具。• 判断是否需要调用工具。• 无状态（或弱状态）

2026-01-12 09:16:00 460

原创 LangChain--Agent--Basic Agent (1)

【代码】LangChain--Agent--Basic Agent (1)

2026-01-09 17:29:26 133

原创 LangChain--RAG--模型调用生成(6)

此篇文章覆盖了一个简单的Simple RAG搭建，数据、代码齐全可自行测试，也可根据前文所写的文档加载方式、向量库的选取、文本切块等等进行自行测试，感兴趣的可以试试，后续也会扩展更多的功能模块。后续会在Simple RAG基础上添加引入很多东西，更深层次的理解RAG，灵活运用！下载，这边提前使用代码进行下载，若无提前下载，下面加载词嵌入模型时会自行下载。* embedding 建库（Chroma）* similarity_search 检索。* 换成 BM25 检索。* 换成 MMR 检索。

2025-06-06 16:46:02 272

原创 LangChain--RAG--检索方式选取(5)

以下是对RAG流程中词嵌入存储后的检索方法的系统性分析，结合主流技术（MMR、BM25、多路召回等）的原理、代码实现及优缺点对比。

2025-06-04 18:14:46 1060

原创 LangChain--RAG--向量库的选取(4)

📝 RAG流程中的向量库选择与实现对比摘要：文章详细分析了RAG（检索增强生成）流程中文本向量化存储的关键步骤，对比了主流向量数据库的优缺点及适用场景。FAISS适合本地快速部署，Chroma集成简单适合中小项目，Qdrant支持分布式适用于生产环境，Milvus则专为超大规模数据设计。通过具体代码示例展示了各向量库在LangChain中的调用方法，并给出选型建议：中小项目推荐Chroma，本地环境选FAISS，线上服务用Qdrant，亿级数据考虑Milvus/Weaviate。不同规模项目可根据检索速

2025-06-03 17:32:16 612

原创 LangChain--RAG--词嵌入Embeddings(3)

→ 优先 BAAI/bge-small-zh、text2vec-base-chinese。：在向量数据库中基于余弦相似度或 L2 距离进行近邻搜索，召回最相关的文档片段。：将文本（句子/文档片段）映射到高维向量空间，使得语义相似的文本向量距离更近。注意：若模型过大，CPU 上速度较慢；：把召回的向量对应文本拼接到 prompt，供大模型生成。特点：最简单，API 调用，自动分批、处理速率快。特点：本地推理，无调用费用，可选 CPU/GPU。注意：会产生调用费用，需设置好环境变量或参数。

2025-05-30 16:03:44 501

原创 LangChain--RAG--文档切分策略(2)

介绍了文档的一些加载方式，本章主要介绍对加载之后的文章进行chunks文档切分，主要介绍几种常见的切分功能。原理：按照 token 数量切分，考虑 tokenizer 后的 token 数，不是字符数。原理：按 Markdown 的标题结构（# 一级标题，## 二级标题）切分，保持结构上下文。原理：优先按结构化符号（如段落、句子、标点、换行）切分，不行再降级按字符切分。优点：适合有结构的技术文档、手册、API文档，语义非常完整，保留层级关系。原理：根据自定义分隔符（如章节编号、关键短语、正则表达式）切分。

2025-05-29 17:11:32 916