相关文章
289 篇高质量内容
上下文工程：LangGraph四大高效调度策略，Agent告别“记忆过载”！
LangGraph四大策略助你解决AI代理的“记忆过载”难题，让智能体更高效地处理复杂任务！ 核心内容： 1. 上下文工程的定义与挑战：LLM的短时记忆限制及常见问题 2. 四大核心策略详解：写入、选择、压缩、隔离的实战应用 3. LangGraph工具如何实现上下文调度，提升AI代理性能
LangChain教程——提示词模板
掌握LangChain提示词模板，轻松构建高效AI对话系统。 核心内容： 1. 提示词模板的基本概念与格式化原理 2. 字符串提示词模板的语法与应用场景 3. 聊天提示词模板的三种角色配置方法
继提示词工程、RAG技术浪潮后，LangChain领域中上下文工程正成为新的热门方向!
上下文工程正成为AI领域的新焦点，它通过动态系统为LLM提供精准信息与工具，大幅提升智能体任务处理能力。 核心内容： 1. 上下文工程的定义与核心价值 2. 动态系统构建的关键要素（信息、工具、格式） 3. 上下文工程在复杂智能体场景中的应用优势
LangChain教程——LangChain基本使用
LangChain框架让开发者轻松调用大语言模型构建智能应用，本文带你快速上手核心功能。 核心内容： 1. LangChain的核心组件与架构解析 2. 三种主流API接入方式实战演示 3. 从安装到第一个对话程序的完整指南
LangChain的OpenAI和ChatOpenAI，到底应该调用哪个？
LangChain开发必看！一文讲透OpenAI与ChatOpenAI接口的核心区别与适用场景。 核心内容： 1. completions与chat completions接口的功能差异解析 2. Base Model与Instruct Model的底层对应关系 3. 实际开发中的最佳实践与版本演进趋势
开发AI Agent到底用什么框架——LangGraph VS. LlamaIndex
AI Agent开发框架如何选？LangGraph与LlamaIndex深度对比，帮你理清思路。 核心内容： 1. LangGraph与LlamaIndex对Agent的不同抽象方式及设计哲学 2. 基于两个框架搭建Multi-Agent系统的实现路径 3. 关键特性对比：状态管理、接口易用性、并发支持等
LangChain ReAct 中文解析器实现
解决LangChain中文ReAct解析痛点，专为通义千问等中文大模型打造的解析器来了！ 核心内容： 1. LangChain原生ReAct解析器对中文支持不足的痛点分析 2. 中英文兼容的QwenReActOutputParser设计思路与架构 3. 关键字映射与解析逻辑实现方案
基于LangGraph多智能体框架的共享内存实现与探索
探索LangGraph多智能体框架中共享内存的前沿技术与实践，为开发者提供高效协同智能解决方案。 核心内容： 1. 多智能体系统中共享内存的理论基础与主流实现模型对比 2. Mem0.ai、开放内存等前沿技术与LangGraph的集成方式 3. 面向LangGraph的共享数据结构设计策略与实践案例
一、LangGraph基础入门
LangGraph框架助力构建智能协作应用，解锁多智能体系统的循环与分支控制能力。 核心内容： 1. LangGraph的核心架构与状态管理机制 2. 支持循环/分支/持久化的关键功能解析 3. 快速入门指南与工具集成实践
【LangChain 团队重磅实测报告】多智能体架构揭秘：谁才是性能之王？
LangChain团队实测三大智能体架构性能，揭秘如何通过简单优化将监督者架构表现提升近50%。 核心内容： 1. 多智能体架构的三大优势与主流类型对比 2. 三大架构在干扰环境下的性能实测数据 3. 监督者架构的三项关键优化策略与效果
大模型_百炼：MCP让我焦虑
MCP协议引发行业热议：是短暂热潮还是未来标准？LangChain联合创始人深度探讨这一关键问题。 核心内容： 1. MCP协议的核心价值与行业争议焦点 2. 百炼平台对MCP的两种接入方式解析 3. 智能体应用中MCP服务的实际应用案例
前端学AI之LangChain.js入门教程：实现智能对话机器人
前端开发者进军AI的捷径：用LangChain.js轻松打造智能对话机器人，结合本地与云端大模型能力。 核心内容： 1. LangChain.js框架的核心架构与模块化设计解析 2. 实战演示：基于Ollama和通义千问搭建对话机器人 3. 完整前后端代码实现与API调用最佳实践
Langfuse：重新定义LLM应用开发与运维的可观测性
Langfuse：为LLM应用开发和运维带来革新的可观测性平台。 核心内容： 1. Langfuse解决LLM应用开发中的监控难题 2. 模块化架构设计和关键组件介绍 3. 追踪与观测、提示词管理等核心功能详解
为 AI Agent 铺路：深度解析下一代应用的核心基建 LangGraph
下一代AI Agent时代来临，LangGraph作为核心基建项目，为构建复杂智能工作流提供强大支持。 核心内容： 1. LangGraph如何为AI Agent铺平道路 2. 状态图(StateGraph)：让Agent拥有“记忆” 3. 多智能体编排：从“独行侠”到“协作团队”
智能体框架怎么选？LangChain、Dify、CrewAI、AutoGen五大框架横向对比
深入解析智能体框架选择，为AI开发者提供框架选型指南。 核心内容： 1. 智能体开发框架的必要性与核心问题解答 2. 五大主流智能体框架的详细对比分析 3. 如何根据技术能力与应用目标选择合适的框架
一文看懂RAG、LangChain、Agent三者的关系
探索AI技术新趋势，深入了解RAG、LangChain和Agent如何协同工作。 核心内容： 1. RAG技术原理及应用场景解析 2. LangChain开源框架功能与优势 3. Agent智能体的核心特点与作用
吴恩达：别再纠结Agent定义，AI Agent开发者应关注这些要点
吴恩达博士在AI Agent领域最新见解，指导开发者如何构建智能体化系统。 核心内容： 1. 吴恩达提出"Agenticness"概念，减少对Agent定义的争论 2. AI Agent工作流从线性到复杂，商业机会广泛 3. 构建AI Agent需要掌握的关键技能：任务分解、构建Eval框架、调试优化等
使用 LangChain 与 MCP集成
探索MCP协议如何突破大型语言模型与外部数据源的连接壁垒，实现与AI智能体的无缝集成。 核心内容： 1. MCP协议的起源和目标：标准化LLM与多种系统间的连接 2. MCP协议的架构和优势：客户端-服务器模型、开源特性及社区支持 3. 实操指南：如何将MCP服务器连接到LangGraph智能体并使用MCP工具
AI Agent之LangChain多个案例实战
探索AI Agent的多样化应用与实践，深入了解LangChain等工具的实际案例。 核心内容： 1. AI Agent工作流编排对比分析 2. 工具调用与扩展性功能探讨 3. RAG技术应用及多模态部署策略 4. AI Agent选择指南与实战案例分享
基于Langchain框架的Agent智能体实现之工具集成
掌握智能体开发的关键技术，探索Langchain框架下的实用工具集成。 核心内容： 1. 智能体开发中工具调用的重要性与核心理念 2. Langchain框架下的工具集成与函数实现 3. 实例演示：基于pandas的智能数据分析工具开发过程