AI Agent 的学习与实战笔记

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！

本篇实战指南手把手教你构建支持多工具、多模态输入、文档检索与 FastAPI 部署的一站式 LangChain 智能体，全面提升你的 AI 应用开发能力！

本篇深入剖析RAG技术原理，结合代码实战讲解如何让AI Agent具备阅读文档、检索并回答专属知识的问题能力。

本篇文章深入讲解提示工程方法，通过实际代码示例，展示了如何设计和调整提示来提高 Agent 的智能反应能力。

深入剖析 ReAct 原理，结合实战构建 LangChain 智能体，全面掌握 AI Agent 开发核心技术！

本文通过示例介绍如何用 LangChain 构建具备联网搜索能力的 AI Agent，结合 DeepSeek 模型与 DuckDuckGo 实现中文问题自动回答。

AI Agent 是 AI 的进化版，不仅会聊天，还能自主思考、规划并执行任务，让智能真正动起来。它能自动处理事务、优化决策，甚至适应新情况，彻底改变我们的工作和生活方式。