战点-CSDN博客

原创 LangGraph中状态设计模式

LangGraph的核心优势在于其强大的状态管理能力，通过共享状态对象驱动整个图的执行。其StateGraph API采用显式状态管理，需要预先定义状态结构（TypedDict），各节点通过更新状态实现信息传递。这种设计支持复杂决策逻辑、循环执行和回溯，提升可调试性。相比函数式API，状态设计模式更适合构建需要记忆和多步决策的复杂代理系统，而函数式模式则适用于简单线性工作流。LangGraph的状态管理机制为构建智能多步推理的LLM代理提供了独特优势。

2025-09-22 17:16:35 893

原创 langGraph中StateGraph API与functional API的区别

特性核心思想状态驱动，通过一个显式的全局状态对象管理信息流。函数驱动，通过函数链式调用或直接连接传递输入输出。状态管理显式且集中，所有节点共享和更新一个状态。隐式且分散，每个节点的输入是前一个节点的输出。适用场景复杂的、多轮次的、需要维护上下文的代理（如：对话机器人、多步骤任务执行）。简单、线性的、或节点间输入输出关系清晰的工作流。代码复杂性初始设置需要定义状态类，但后续节点逻辑清晰。无需额外设置，但如果工作流复杂，逻辑可能分散在多个函数间。可调试性优秀。可以随时检查和修改全局状态。良好。

2025-09-22 17:04:44 575

原创 LandChain架构及核心模块概览【一文读懂langchain】

Memory 是实现对话连贯性的核心。从 ConversationBufferWindowMemory开始，它适用于 80% 的场景，是性能和资源消耗的最佳平衡点。如果需要更精细地利用上下文窗口，选择 ConversationTokenBufferMemory。只有在需要处理非常长的对话，并且能够接受额外成本和延迟时，才使用 ConversationSummaryBufferMemory。务必确保memory_key和 Prompt 中的占位符变量名一致，这是最常见的错误来源。

2025-08-05 22:13:31 1206

原创 RAG 工作机制详解

RAG（检索增强生成）技术通过"先检索后生成"的方式解决传统知识库的瓶颈问题。其流程分为准备和回答两阶段：准备阶段对文档分片并建立向量索引；回答阶段通过检索-重排-生成三步生成精准答案。关键技术包括文档分片、向量索引构建、相似度召回、cross-encoder重排和大模型生成五个环节，有效突破了上下文限制，降低了计算成本，显著提升了智能问答系统的准确性和响应效率。该技术已广泛应用于企业知识客服等场景。

2025-07-27 16:50:16 935

原创 AI Agent：智能时代的新生产力引擎

**AI Agent（人工智能代理）**是一种自主感知环境、推理决策并采取行动的软件实体，具有目标导向、自主性、感知-决策-行动闭环以及学习适应能力等特征。其核心模块包括感知模块（多源输入处理、语义理解与检索增强）、推理与决策模块（链式思考、任务规划与协同推理）、执行模块（工具调用与反馈调整）以及记忆与学习模块（持久存储与上下文维持）。AI Agent可分为路由型、状态机型和自主型三种运行模式，适用于不同复杂度任务。开发框架如LangChain和LangGraph支持多步推理、工具调用及复杂流程构建，广泛应

2025-07-27 15:44:16 1131