​​引言​​ RAG（检索增强生成）通过融合外部知识库与LLM生成能力，解决了传统大模型的知识滞后性、幻觉问题。但RAG并非固定架构，而是一套可动态组合的技术体系。本文将拆解三类策略、17种实现方案，

LangChain 1.0 核心升级包括： create_agent、标准化接口及精简包结构。智能体开发从“原型玩具”迈向“生产级框架”，create_agent 通过中间件和结构化输出提升开发上限

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。

本文对MCP的标准化、与function calling相比优势进行深入分析，同时通过Python代码实践开发了MCP客户端和服务端代码，帮大家掌握MCP全貌，快速拥抱MCP这项大模型的革命性技术~

本期分享讲解了LangChain的核心概念—“链”，由易到难搭建了简单链、复合链和自定义节点链，同时了解提示词模板和结构化解析器的基本用法。通过实战代码让大家感受到LCEL语法的简洁性和实用性。

本篇分享从LangChain&LangGraph的核心概念、核心特性、与其它框架的对比以及热门项目四个方面带大家详细了解了LangChain和LangGraph框架特性，为后期系列分享奠定理论基础。

在我的个人博客上一篇博文中分析了卷积神经网络的结构与相关算法，知道了这些基本原理之后。这篇博文主要介绍在卷积神经网络的发展历程中一些经典的网络模型。 LeCun等将BP算法应用到多层神经网络中，提出LeNet-5模型[1]（效果和paper见此处），并将其用于手写数字识别，卷积…

本文盘点 2025 年 7 月 GitHub 十大热门项目，横跨多领域，展示最新技术创新，适合开发者与科技爱好者深入探索、积极贡献。

还在为RAG系统效果不佳而发愁？本篇文章从RAG系统三个核心环节出发，针对每个环节提出了诸如切片优化、提示词优化等详细的优化策略，大家可以尝试组合这些优化策略，预计可将现有RAG系统效果提高20%