Langchain学习笔记

LangSmith监控工具 LangSmith核心概念详解   大模型的行为往往存在不确定性，尤其在开发复杂的AI Agent应用程序时，过程中常包含众多子步骤。若希望掌握每一步的执行状态与结果，一方

LangChain框架搭建RAG 加载模型 文档加载 文档切分 文档向量存储与检索 创建向量存储（Faiss向量数据库） 加载并创建检索器 基础RAG链构建 Agentic RAG概述介绍   是一种

Agent 记忆管理 概述 核心要素 State (状态): 定义用来存储消息的结构（通常是 MessagesState） Checkpointer (检查点保存器): 负责在每一步结束后把状态保存下

自定义tool工具使用 @too装饰器 概述 自动参数推断：基于函数签名自动生成工具的参数schema 简化配置：只需提供工具名称和描述即可快速创建 同步执行：默认支持同步函数调用，异步需要单独定义

不同角色Message 提示词模板 PromptTemplate partial_variables固定变量 ChatPromptTemplate LangChain Hub模板库

初始化模型 不同模型提供商提供自己的依赖包 设置密钥系统环境变量 2.DeepSeek DashScope 3.GLM Ollama Vllm (拓展) 统一入口 总结 RateLimit 模型速率限