首页
AI Coding
数据标注
NEW
沸点
课程
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
LangChain1.0智能体开发教程
FreeCode
创建于2025-11-07
订阅专栏
本专栏分享使用LangChain1.0框架开发智能体系统基础知识和实践经验。
等 4 人订阅
共35篇文章
创建于2025-11-07
订阅专栏
默认顺序
默认顺序
最早发布
最新发布
智能体设计模式:规划与执行模式(Plan and Execute)
1. 模式定义 Plan and Execute(规划与执行)是一种面向复杂任务处理的AI智能体设计模式,其核心思想是将复杂目标拆解为可执行的子任务序列,通过“先规划、再执行、强反馈、动态调整”的闭环
智能体设计模式解析:交接模式(Handoffs)
一、交接模式(Handoffs)定义 在交接模式中,系统行为会基于状态动态变化。其核心机制为:工具会更新一个可跨轮次持久化的状态变量(例如current_step(当前步骤)或active_agent
一文带你了解LangChain数据容器及其使用
在LangChain生态中,**State**、**Runtime**、**RunnableConfig** 是三个核心概念,分别承担状态数据容器、环境数据容器、配置数据容器的角色。使用它们开发智能体
智能体设计模式解析:监督者模式(Supervisor Pattern)
监督者模式(Supervisor Pattern)是多智能体系统(Multi-Agent System)设计中最为经典实用的设计模式之一。它由一个中心化的监督者智能体和多个专用子智能体组成。
智能体设计模式解析:ReAct模式
ReAct模式是智能体系统设计中一种经典的设计模式。它由普林斯顿大学和谷歌的研究者在2023年发表的ICLR论文提出。它使得智能体可以在解决问题的过程中进行迭代思考和决策,同时与外部环境交互。
智能体设计模式解析:反思模式(Reflection Pattern)
反思模式是智能体开发中,用于提升智能体任务执行质量与自主优化能力的核心设计方法。 该模式通过模拟人类“自我复盘”的思维,构建“生成 - 评估 - 优化”的闭环工作流,赋予智能体元认知能力和迭代改进能力
一文了解LangGraph智能体设计开发过程:Thinking in LangGraph
本文分享如何规划使用LangGraph构建智能体(Agents)。 使用 LangGraph 构建智能体时,你首先需要将其拆解为多个独立的步骤,这些步骤被称为 “节点”(nodes)。接着,你要定义每
LangGraph1.0智能体开发:底层核心能力
LangGraph专注于构建智能体编排和运行时所需的底层核心能力。本文探讨这些核心能力以及它们的实现方式。 持久化能力(Persistence)、持久化执行、流传输、中断、时间回溯、记忆、子图。
LangGraph1.0智能体开发:运行时系统
LangGraph底层类Pregel(借鉴谷歌Pregel图计算模型实现)实现了LangGraph的运行时功能,负责管理 LangGraph应用程序的执行流程。 编译状态图(StateGraph)或创
LangGraph1.0智能体开发:Functional API概念与设计
阅读本文您将获得: - 函数式API的基础构成 - 入口点@entrypoint的定义及执行 - 任务@task的定义及执行 - 函数式API的使用约束 - 函数式API与图API的核心差异
LangGraph1.0智能体开发:Graph API概念与设计
一、图(Graphs) 从核心来看,LangGraph将智能体(agent)的工作流程建模为 “图”。你可以通过以下三个关键组件来定义智能体的行为: 状态(State):一种共享数据结构,用于表示应用
LangGraph1.0智能体开发:选择API
LangGraph提供两种不同的API用于构建智能体工作流:Graph API和Functional API。这两种API共享相同的底层运行时环境,且可在同一应用中搭配使用,但它们针对不同的使用场景。
LangGraph1.0:智能体开发有什么不一样吗?
一、 初识LangGraph LangGraph受到诸多引领智能体(agent)未来发展的企业信赖,包括 Klarna、Replit、Elastic等。 它是一款底层编排框架与运行时环境,用于构建、管
LangSmith Studio 调试智能体
本文分享如何使用LangSmith Studio调试智能体。 一、Studio支持的智能体 LangSmith部署界面中的Studio(工作室)功能支持连接两种类型的图(Graph)智能体: 部署在云
基于LangSmith的提示词工程
提示词工程(Prompt Engineering)是指设计、测试并优化给大模型的指令,以使其生成可靠且有用的响应的过程。LangSmith提供了用于创建、版本控制、测试提示词以及进行协作的工具。
独立部署智能体
本文将向你展示如何在不使用LangSmith用户界面或控制面板的情况下,部署独立的智能体服务器(Agent Servers)。对于将一个或多个智能体,这是最轻量的自托管方案。
LangSmith本地部署LangGraph应用
本文将向你展示如何使用LangSmith在本地部署LangGraph应用,以便进行测试和开发。你需要LangSmith账号和密钥。
使用LangSmith评估智能体
评估(Evaluations)是衡量大模型应用程序性能的一种量化方式。LLM 的行为可能存在不确定性,即便对提示词、模型或输入做出微小调整,也可能对结果产生显著影响。而评估能够提供一种结构化方法。
使用LangSmith追踪智能体运行
LangSmith提供用于开发、调试和部署大型语言模型(LLM)应用程序的工具。它能帮助你在同一个平台中完成请求追踪、输出评估、提示词测试以及部署管理等操作。
LangChain1.0智能体开发:长期记忆
本文分享LangChain长期记忆组件。LangChain智能体借助LangGraph的持久化功能实现长期记忆,通过工具访问长期记忆。LangGraph将长期记忆以JSON文档的形式存储在存储系统中。
下一页