Langgraph在自主软件工程AI应用中的使用。 我们现在想达到这种目的，通过langgraph倒回去纠正一些错误并尝试不同的方案，以后我们使用 agent 的时候肯定会非常普遍存在这个问题，毕竟大

在上一次给大家展示了基本的 Rag 检索过程，着重描述了增强检索中的知识精炼和补充检索，这些都是 crag 的一部分，这篇内容结合 langgraph 给大家展示通过检索增强生成（Retrieval-

有时我们希望在调用代理时能够对其进行配置。这包括配置使用哪个语言模型（LLM）等例子。下面我们将通过一个示例来详细介绍如何进行这样的配置。 在介绍 configurable 之前我们先介绍一下 Lan

大家知道 AlphaCodium 吗， 它提出了一种利用控制流进行代码生成的方法。它的核心思想就是通过迭代的方式逐步构建和改进代码答案。它不仅仅依赖于一次性生成代码，而是通过多次测试和修正来优化生成的

这次给大家展示 LangGraph 不一样的功能，crag。大家知道crag是什么吗，我给大家提前小科普一下，Corrective RAG (CRAG) 是一种改进的 RAG（Retrieval-Au

先问大家一个问题，在很多应用程序中，不管是开发或者使用，其实我们都是用大模型在做响应，但是如果出现了一些场景，需要和其他API平台或者数据库交互，该怎么办呢？ 这里我们就可以用到工具，使用工具调用来请

分词器和词嵌入的那些故事 我们在调用大模型之前，往往会进行分词器分词，进行分词器分词后，然而还需要嵌入。其中的原因在于它们的功能和作用是相辅相成的。分词器的任务是将文本转化为模型可以处理的离散单位，而

【LangGraph】强大的功能人类和agent的交互(下) 前面我们通过中断和状态更新实现对 agent 的控制，模拟人机交互过程，到现在为止，我们依赖的是 LanGraph 一个简单的状态（当然它

【LangGraph】手把手实现人类怎么和agent的交互 LangGraph 是一个使用 LLM 构建有状态、多参与者应用程序的库，用于创建代理和多代理工作流。与其他 LLM 框架相比，它具有以下核