首页
AI Coding
NEW
沸点
课程
直播
活动
AI刷题
APP
插件
搜索历史
清空
创作者中心
写文章
发沸点
写笔记
写代码
草稿箱
创作灵感
查看更多
会员
登录
注册
关注
综合
后端
前端
Android
iOS
人工智能
开发工具
代码人生
阅读
排行榜
综合
后端
排行榜
前端
Android
iOS
人工智能
开发工具
代码人生
阅读
全部
人工智能
AI编程
LLM
AIGC
后端
前端
MCP
程序员
算法
展开
全部
人工智能
AI编程
LLM
AIGC
后端
前端
MCP
程序员
算法
Python
OpenAI
Agent
深度学习
Trae
LangChain
暂无数据
推荐
最新
LangChain已死?不,是时候重新思考AI工程范式了
当LangChain成为技术债:你的AI架构还撑得过明年吗? 引言 在过去的18个月里,LangChain无疑成为AI工程领域的耀眼明星——GitHub星标爆炸性增长、开发者峰会座无虚席、各种基于La
LangChain替代框架深度横评:轻量化、企业级、垂直专精的技术博弈
LangChain帝国裂变:轻量化 vs 企业级 vs 垂直专精,四大框架技术霸权争夺战 随着大模型应用分层化趋势加剧,LangChain的"大而全"架构已非唯一选择。本文基于技术架构特性,对比分析四
LangChain 设计原理分析² | Runnable 和 LCEL 是如何实现的
从控制流到组合流,深入理解 LangChain 如何用 Runnable 和 LCEL 重塑 LLM 应用的执行方式。
大模型如何突破“认知茧房”?RAG+MCP构建外部脑接口
RAG与MCP:AI大模型进化的黄金双翼 引言: 在大型语言模型(LLM)日臻成熟的今天,如何突破其固有限制成为关键议题。检索增强生成(RAG)与多模态上下文处理(MCP)技术正成为驱动大模型能力跃升
LangChain框架入门01:LangChain是什么?
LangChain 就出现了,它可以帮助开发者把模型调用、提示词管理、记忆模块、外部工具调用等等模块标准化,不同的模块可自由组合。
LangChain框架入门02:开发环境配置
在上一篇文章中,我们系统地了解了 LangChain 是什么、能做什么、核心模块有哪些,现在你可能有以下疑问: 项目环境该怎么搭建? 各个包之间有什么依赖关系?
⚡ 突破LLM三大局限:LangChain架构核心解析与最佳实践
一、LangChain 基本理论与架构 1.1 核心设计思想 LangChain 通过模块化组件连接大语言模型(LLM)与外部系统,解决LLM的三大局限: 无状态性:通过 Memory 管理上下文 知
🎯 RAG系统工业级部署指南:六步实现<3%幻觉率的问答系统
一、LangChain搜索工具实战:集成DuckDuckGo实现实时信息查询 核心场景:解决大模型知识滞后问题,通过搜索引擎获取实时信息 1.1 基础集成方案 1.2 高级配置(含元数据过滤) 1.3
🔥 大模型开发进阶:基于LangChain的异步流式响应与性能优化
详细介绍LangChain如何高效串联搜索、记忆与工具调用功能,实操Prompt设计、Agent构建与决策链路,快速打造智能、高效、灵活的自动化AI工作流
📚LangChain与LlamaIndex深度整合:企业级树状数据RAG实战指南
本文首次公开结构化树状数据的RAG全链路优化方案,通过独创的路径感知混合嵌入算法和动态子树分块策略,成功在工业级场景中将召回率提升25-40%、延迟降低30-50%。我们将深度拆解七层优化架构:从智能
基础图谱增强检索生成(GraphRAG)——智能代理式 RAG
本章内容包括: 什么是智能代理式RAG(Agentic RAG) 为什么我们需要智能代理式RAG 如何实现智能代理式RAG 在前面的章节中,我们已经了解了如何使用不同的向量相似度搜索方法找到相关数据。
Prompt Engineering vs Vibe Coding vs Context Engineering
- 上下文工程正成为AI辅助开发的核心技能,其“动态信息编排”能力将重塑人机协作边界。 - 开发者需掌握工具链(如LangGraph管理状态)、理解信息压缩策略,以应对更复杂的系统需求
LangChain:让语言模型成为你的应用逻辑组件
LangChain:让语言模型成为你的应用逻辑组件 近年来,OpenAI、Anthropic 等公司的模型不断刷屏,但如果你是一名开发者,真正的问题是:我怎么把这些能力稳定、系统地接入到我的产品中?
构建由 LLM 驱动的 Neo4j 应用程序——使用 Neo4j 和 Haystack 实现强大搜索功能
在本章中,我们将开始探索如何将 Haystack 与 Neo4j 集成,结合大语言模型(LLMs)和图数据库的能力,构建一个 AI 驱动的搜索系统。Haystack 是一个开源框架,支持开发者利用现代
构建由 LLM 驱动的 Neo4j 应用程序——揭开 RAG 的神秘面纱
上一章中,我们探讨了大型语言模型(LLMs)的演进及其如何改变了生成式人工智能(GenAI)的格局,同时也讨论了一些其存在的缺陷。本章将介绍如何通过检索增强生成(Retrieval-Augmented
构建由 LLM 驱动的 Neo4j 应用程序——使用电影数据集构建你的Neo4j图数据库
在前几章中,我们了解到知识图谱作为一种变革性工具出现,提供了一种结构化方式连接多样化的数据点,支持更智能的搜索、推荐和推理能力,应用范围广泛。 知识图谱擅长捕捉实体间复杂关系,是需要深度上下文理解的应
构建由 LLM 驱动的 Neo4j 应用程序——LLM、RAG 与 Neo4j 知识图谱简介
人工智能(AI)正从小众和专业领域逐渐走向大众,更加易于使用,能够辅助日常任务。其中最典型的例子便是生成式人工智能(Generative AI,简称 GenAI)的爆发式发展。近年来,GenAI 以其
构建由 LLM 驱动的 Neo4j 应用程序——构建智能应用的知识图谱基础理解
在上一章中,我们了解了什么是RAG,以及如何结合大型语言模型(LLMs)实现一些简单的RAG流程示例。本章将聚焦于知识图谱的概念,以及图结构如何提升检索增强生成(RAG)的效果。我们将探讨如何构建知识
LangChain 设计原理分析¹ | 架构总览:现代 AI 应用的基石
LangChain 已不是一个简单调用 LLM API 的 SDK,而是一套有系统设计、可维护、可实践、可扩展的 LLM 应用平台架构。
LangChain链的调试与故障排查深度解析(30)
LangChain链的调试与故障排查深度解析 一、LangChain链的基本架构与运行原理 1.1 LangChain的核心组件概述 LangChain作为构建语言模型驱动应用的框架,其核心由一系列可