• 深入浅出LangChain4J
    深入浅出LangChain4J 1.走进LangChain 1.1.什么是LangChain4J？ LangChain4J就像Java的Spring框架一样，为LLM的接入提供了一套标准的接入能力。L
    LangChain Java LLM
  • 一文读懂OpenClaw核心特性与原理解析(文末附国产大模型+聊天软件接入OpenClaw视频教程地址)
    本文分享了OpenClaw核心特性与设计原理，并提供接入国产大模型与聊天工具的实用指南。OpenClaw通过独特的网关系统，四层记忆架构、并借助Agent Skills体系灵活扩展向着未来数字员工迈进
    人工智能 LangChain Agent
    一文读懂OpenClaw核心特性与原理解析(文末附国产大模型+聊天软件接入OpenClaw视频教程地址)
  • [拆解LangChain执行引擎] Channel——驱动Node执行的原力
    Pregel由Node和Channel这两个核心部件组成，Channel不仅维护了整个图的状态，还是驱动Node执行的 “原力”...
    LangChain
    [拆解LangChain执行引擎] Channel——驱动Node执行的原力
  • LangChain嵌入：从原理到实践
    前言 年底了，有几个项目的客户还在催着一些新提的需求在春节前上线 有几天没学习LangChain框架相关知识了，抽空继续学习研究 嵌入 嵌入（Embedding）可以将文本转换为向量表示，从而实现文本
    LangChain
    LangChain嵌入：从原理到实践
  • LangGraph 系列 · 第 7 讲：流式输出和监控调试（让智能体“可观测”）
    如何让你的 LangGraph 智能体“可视、可查、好调试”。流式输出和监控调试（让智能体“可观测”）
    后端 LangChain Python
    LangGraph 系列 · 第 7 讲：流式输出和监控调试（让智能体“可观测”）
  • 手把手搭建第一个 RAG 实战：实现本地文档智能问答
    本文将带领你从零开始搭建基于 RAG（检索增强生成）的知识问答系统，实现文档上传、内容解析与并基于检索文档内容进行智能问答。
    Agent LangChain
    手把手搭建第一个 RAG 实战：实现本地文档智能问答
  • LangChain 新老版本升级踩坑记录（0.1 → 0.2+）
    如果你在升级 LangChain 或跟着教程写代码时，遇到类似下面的错误： 那恭喜你——你踩中了 LangChain 0.2 版本升级后的“经典坑” 。 一、问题现象 老代码中常见的写法： 在新环境中
    LangChain
    LangChain 新老版本升级踩坑记录（0.1 → 0.2+）
  • RAG实战|8种RAG架构浅析
    因为项目的需要，之前研究了一段时间的RAG，于是本文总结 8 种 RAG 架构，对每种架构进行简要介绍，并用 langchain 实现其参考代码。
    AIGC LangChain
  • 大模型训练全流程实战指南工具篇（五）——大模型训练全流程步骤详解与对应工具推荐
    本篇系统分享了大模型训练数据、训练、评测三大核心阶段，为每个环节推荐了如EasyDataset、LLaMAFactory、EvalScope等关键实用工具，旨在帮助读者构建清晰的大模型训练路径。
    人工智能 DeepSeek LangChain
    大模型训练全流程实战指南工具篇（五）——大模型训练全流程步骤详解与对应工具推荐
  • [拆解LangChain执行引擎]以Actor模型的角度来看Pregel
    作为执行引擎，Pregel是整个LangChain/LangGraph体系最核心的部分，也可能大家最陌生的部分。新版本的LangGraph采用全新的设计重写了Pregel...
    LangChain
    [拆解LangChain执行引擎]以Actor模型的角度来看Pregel
  • LangGraph 系列 · 第 6 讲：人机交互（Human-in-the-loop）（让智能体“会协作”）
    智能体如何暂停让人介入并恢复？详解 LangGraph 的 HITL：interrupt() 暂停、checkpointer 持久化、Command(resume=...) 恢复。涵盖缺信息询问、审
    LangChain Agent 人工智能
    LangGraph 系列 · 第 6 讲：人机交互（Human-in-the-loop）（让智能体“会协作”）
  • LangChain V1.0 核心解析（五）：RAG、Agentic RAG
    LangChain框架搭建RAG 加载模型 文档加载 文档切分 文档向量存储与检索 创建向量存储（Faiss向量数据库） 加载并创建检索器 基础RAG链构建 Agentic RAG概述介绍   是一种
    后端 人工智能 LangChain
  • 构建“Git 提交 AI 神器”：从零打通 DeepSeek 混合架构全栈开发
    从零开始，构建一个 AI 驱动的 Git 提交神器，我们将采用经典的前后端分离架构，后端基于Node.js集成当下最火的开源推理模型DeepSeek-R1，前端采用React实现交互。
    React.js Ollama LangChain
    构建“Git 提交 AI 神器”：从零打通 DeepSeek 混合架构全栈开发
  • 【Python版 2026 从零学Langchain 1.x】（二）结构化输出和工具调用
    主流模型已普遍支持JSON格式化输出，通过ProviderStrategy和ToolStrategy。借助格式化输出，使工具调用更加可靠。本文还介绍了Function call和MCP区别。
    Python LangChain Agent
    【Python版 2026 从零学Langchain 1.x】（二）结构化输出和工具调用
  • Langchain学习笔记（一）：认识Langchain-调用LLM的正确姿势
    Langchain是一款开源框架，用于构建Agent，集成了众多大模型供应商和工具。 langchain主要负责与LLM交互，Tool，Rag，Memory，Agent等功能。 LangGraph负责
    人工智能 LLM LangChain
  • 【Python版 2026 从零学Langchain 1.x】（一）快速开始和LCEL
    本文介绍了LLM的背景知识（Transformer, CoT）和Langchain的LCEL (链表达式)。介绍了如何创建模型并进行AI对话。
    LangChain Agent Python
    【Python版 2026 从零学Langchain 1.x】（一）快速开始和LCEL
  • LangGraph 系列 · 第 4 讲：工具调用与外部系统集成
    本讲理解 Function Calling 核心流程；掌握工具定义与绑定；实现工具执行闭环；集成 API/数据库；加入错误处理、重试、权限控制与持久执行，打造可行动的多工具智能体。
    后端 人工智能 LangChain
    LangGraph 系列 · 第 4 讲：工具调用与外部系统集成
  • LangGraph Multi-Agent 实战：让智能体像团队一样协作
    - 有的任务需要“拆分 → 并行执行 → 汇总决策”； - 有的任务需要“一个总控来分配工作，多个 worker 去各自执行”； - 有的场景要“一个模型来生成，一个模型来评估 / 修改 / 打回重做
    后端 LangChain Agent
    LangGraph Multi-Agent 实战：让智能体像团队一样协作
  • langChain——Demo演示
    上上文章介绍了LangChain的概念与其模块组成——一文助你了解Langchain，本篇文章基于上上篇文章的基本概念，来实际开发一下，基于LacngChain搭建一个Agent 项目
    LangChain LLM Python
    langChain——Demo演示
  • LangChain 第三课：拒绝“只有七秒记忆”，给 LLM 装上大脑 (Memory)
    在开发基于 LLM 的应用（如聊天机器人）时，开发者很快会遇到一个核心痛点：大模型默认是“失忆”的。 LLM 的 API 调用本质上和 HTTP 请求一样，都是无状态（Stateless）的。这意味着
    LangChain Node.js LLM
    LangChain 第三课：拒绝“只有七秒记忆”，给 LLM 装上大脑 (Memory)