AI Agent 的学习与实战笔记

深入剖析 LangChain 未来演化方向，解读 LangSmith、LangGraph 与 AI 编排平台在可观测性、调试、评估与 AgentOps 中的系统化价值。

从零实现一个精简版 LangChain，亲手搭建架构、Runnable 与 Agent 核心机制，在实践中理解框架本质，夯实 AI 应用开发的底层能力。

借助 LangServe 与 FastAPI，将 LangChain 应用一键发布为可调用 API，支持流式输出，轻松实现从原型到生产的快速落地。

全面解析 LangGraph 的持久化机制与多智能体协作流程，掌握长流程任务管理、状态同步和分段执行的核心方法与实践技巧。

深入解读LangGraph图式Agent架构，全面掌握节点状态机与图调度核心机制，助力构建复杂智能工作流。

深入剖析 FAISS、Chroma 与 Retriever 机制，带你掌握高效语义搜索与内容召回的核心实现。

深度剖析 RAG 源码，全面解密 Retriever、Embedding 与 ChainType，助你从原理到实战构建高效 RAG 系统。

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。

本文深入解析 LangChain Agent 的决策循环机制，剖析 ReAct 模型与工具调用的执行流程，助你构建具备推理能力的智能体系统。

LangChain 的 Memory 系统实现了对话历史的维护与注入，支持缓冲、窗口、摘要等多种策略，助力构建具备上下文感知的智能链。

深入解析 PromptTemplate 的运行机制与高级用法，掌握上下文注入、变量绑定与链式组合的核心能力。

介绍了 LangChain 中 BaseLanguageModel 抽象接口及其核心子类 BaseLLM 和 BaseChatModel，深入剖析多模型适配设计模式。

本文深入解析 LangChain 的核心抽象 Runnable，通过从零构建一个可组合、可扩展的逻辑模块，带你掌握 LCEL 表达式链的底层机制与实现技巧。

从控制流到组合流，深入理解 LangChain 如何用 Runnable 和 LCEL 重塑 LLM 应用的执行方式。

LangChain 已不是一个简单调用 LLM API 的 SDK，而是一套有系统设计、可维护、可实践、可扩展的 LLM 应用平台架构。

知识库问答（RAG）是 Langchain-Chatchat 最核心的能力之一，它以模块化设计方式将文档解析、向量化、检索与提示词拼接串联起来，实现了一个“接入你自己知识”的智能问答系统。

Xinference是由Xorbits团队开发的一套本地大模型推理和服务框架，目标是让你像用数据库一样简单地使用LLM和Embedding模型。

拆解 LangChain 的 Prompt、Retriever、Agent、Memory 等底层模块，构建属于你的智能系统。

本文全面解析 Langchain-Chatchat 项目的架构与能力，带你快速理解一个支持中文本地部署的智能问答系统是如何构建和运行的。

LangSmith是AI的"X光机"，LangGraph像"智能指挥官"，这对搭档让LangChain从玩具变身工业级系统！