稀土掘金 稀土掘金
    • 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
        • 写文章
        • 发沸点
        • 写笔记
        • 写代码
        • 草稿箱
        创作灵感 查看更多
    • vip
      会员
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
    • 老周聊大模型
    • 3.9k
    • 12
    LangChain 人工智能 MCP
    LangChain已死?不,是时候重新思考AI工程范式了
  • 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
    • 老周聊大模型
    • 1.2k
    • 1
    LLM LangChain Agent
    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 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。
    • ALLINAI
    • 52
    • 点赞
    LangChain
    LangChain 设计原理分析² | Runnable 和 LCEL 是如何实现的
  • 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
    • 老周聊大模型
    • 1.4k
    • 1
    MCP LangChain Agent
    大模型如何突破“认知茧房”?RAG+MCP构建外部脑接口​
  • 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。
    • AI大模型
    • 44
    • 点赞
    LLM LangChain Agent
  • 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?
    • 大志说编程
    • 39
    • 1
    LangChain
     LangChain框架入门02:开发环境配置
  • ⚡ 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
    • 聚客AI
    • 2.3k
    • 6
    人工智能 LangChain LLM
    ⚡ 突破LLM三大局限:LangChain架构核心解析与最佳实践​​
  • 🎯 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
    • 聚客AI
    • 1.9k
    • 4
    人工智能 LangChain LLM
    🎯 RAG系统工业级部署指南:六步实现<3%幻觉率的问答系统
  • 🔥 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
    • 聚客AI
    • 1.5k
    • 2
    人工智能 LangChain Agent
    🔥 大模型开发进阶:基于LangChain的异步流式响应与性能优化​
  • 📚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
    • 聚客AI
    • 1.4k
    • 5
    人工智能 LLM LangChain
    📚LangChain与LlamaIndex深度整合:企业级树状数据RAG实战指南
  • 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。
    • 数据智能老司机
    • 76
    • 点赞
    LLM LangChain AIGC
    基础图谱增强检索生成(GraphRAG)——智能代理式 RAG
  • 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
    • 青Cheng序员石头
    • 51
    • 点赞
    AIGC LangChain LLM
  • 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?
    • ak啊
    • 99
    • 2
    Python LangChain
  • 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
    • 数据智能老司机
    • 41
    • 点赞
    LLM LangChain AIGC
    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
  • 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
    • 数据智能老司机
    • 43
    • 点赞
    LLM LangChain AIGC
    构建由 LLM 驱动的 Neo4j 应用程序——揭开 RAG 的神秘面纱
  • 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
    • 数据智能老司机
    • 52
    • 点赞
    LLM LangChain AIGC
  • 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
    • 数据智能老司机
    • 51
    • 点赞
    LLM AIGC LangChain
    构建由 LLM 驱动的 Neo4j 应用程序——LLM、RAG 与 Neo4j 知识图谱简介
  • 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
    • 数据智能老司机
    • 37
    • 点赞
    LLM LangChain AIGC
  • 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。
    • ALLINAI
    • 55
    • 点赞
    LangChain
    LangChain 设计原理分析¹ | 架构总览:现代 AI 应用的基石
  • 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
    • Android小码蜂
    • 92
    • 1
    面试 人工智能 LangChain
  • 下午好!
    点亮在社区的每一天

    推荐话题 换一换

    #挑战每日一条沸点#
    #挑战每日一条沸点#

    19.0m

    #Trae叕更新了?#
    #Trae叕更新了?#

    567k

    #金石焕新程#

    3.0m

    #每日快讯#

    8.8m

    #MCP 怎么玩#

    517k

    #每天一个知识点#

    38.9m

    #工作中做得最正确的一件事#
    #工作中做得最正确的一件事#

    308k

    #新人报道#

    32.8m

    #掘金一周#

    614k

    #金石计划征文活动#
    #金石计划征文活动#

    35.5m

    查看更多
    • 用户协议
    • 营业执照
    • 隐私政策
    • 关于我们
    • 使用指南
    • 友情链接
    • 更多人工智能文章
    • 举报邮箱: feedback@xitu.io
    • 座机电话: 010-83434395
    • 京ICP备:18012699号-3
    • 京ICP证:京B2-20191272
    • police 京公网安备11010802026719号
    • ©2025 稀土掘金