构建智能体的难点在于如何让它们具备足够的可靠性。上下文工程是解决这个问题的关键钥匙。LangChain的智能体抽象层经过独特设计，为上下文工程的实施提供便利。中间件是实现上下文工程的重要手段。

深入掌握 LangChain Agent 的工具扩展机制，全面解析自定义 Tool 与 Agent 中间态控制流程。

本文将以我编写的一个 Go Agent Demo 为例，穿透各类框架的表层封装，回归其工程本质。我将首先分析其核心的 ReAct 循环，并展示这个看似简单的循环是如何通过模块化设计，演进为一个结构化、

本文将介绍如何通过整合阿里云向量检索服务Milvus版、阿里云百炼DashScope Embedding模型以及阿里云PAI（EAS）模型服务，构建一个基于大型语言模型（LLM）的问题解答应用，并详细

【本文正在参加金石计划附加挑战赛——第一期命题】 什么是LangChain？ LangChain 是一个用于构建基于大语言模型（LLM）的应用程序的框架。它为开发者提供了一组工具和模块，以简化与语言模

LangChain中的Retrieval Chain介绍以及基本使用，通过一个小示例跑通整个流程，具体可以看文章详细内容

LangChain 提供了一系列实用工具，用于在基于大型语言模型（LLM）的应用程序中添加记忆功能。记忆系统的核心是能够读取和写入信息，这样系统就可以在对话中引用之前的交互内容

LangChain 是一个开源 Python 框架，利用 LangChain，开发人员能够非常方便的开发基于大型语言模型的应用程序。使用LangChain、Milvus、千帆大模型平台搞定RAG应用

代码地址: https://github.com/electroluxcode/react-langchain-starter/ 成品效果: 首先介绍一下langchain，这个库是一个整合了ai模型