首页
沸点
课程
数据标注
HOT
AI Coding
更多
直播
活动
APP
插件
直播
活动
APP
插件
搜索历史
清空
创作者中心
写文章
发沸点
写笔记
写代码
草稿箱
创作灵感
查看更多
登录
注册
确定删除此收藏集吗
删除后此收藏集将被移除
取消
确定删除
确定删除此文章吗
删除后此文章将被从当前收藏集中移除
取消
确定删除
编辑收藏集
名称:
描述:
0
/100
公开
当其他人关注此收藏集后不可再更改为隐私
隐私
仅自己可见此收藏集
取消
确定
langchain
订阅
beibei
更多收藏集
微信扫码分享
微信
新浪微博
QQ
3篇文章 · 0订阅
MCP + 数据库,一种比 RAG 检索效果更好的新方式!
在今天这一期,我们将一起学习一种基于 MCP 提高大模型检索外部知识精度的新思路,实测比 RAG 效果要好很多。
LangChain不支持AgentSkills?那就从0到1实现一个!
针对智能体工具过多导致性能下降的问题设计了一种仿ClaudeSkills的解决方案,通过双层工具架构、状态驱动与中间件拦截机制,实现工具的按需动态加载,显著降低Token消耗并提升模型调用工具的准确性
LangChain DeepAgents 速通指南(一)—— 一文详解DeepAgents核心特性
DeepAgents是LangChain团队开发的框架,封装任务规划、子代理管理、文件系统等通用能力,通过create_deep_agent函数让开发者仅需数行代码即可构建复杂智能体,实现搭积木式开发