LangChain和LangChainGraph入门实战飞书文档
一. LangChain学习笔记记录
-
uv add openai
-
uv add ipykernel
-
uv add python-dotenv
-
uv add langchain 添加langchain 外部依赖
-
uv add langchain-deepseek 集成deepseek
-
Agent工作原理
- LangChain 支持现在市面上大部分常见的大预言模型，并且提供了各个模型的对应依赖库.
- LangChain支持的模型提供商列表
- 查看模型的使用方式
- 模型安装和Api调用示例
-
LangChain中返回消息的类型
-
查看支持多模态的模型
- 阿里百炼查看多模态大模型
- LangChain官网查看多模态信息，支持输入图片,PDF文档,音频,视频.
- LangChain的预定义工具Tavily Search的使用
- Tavily工具的使用API
- 查看Tavily的详细文档
- 短期记忆（存储到内存） 封装程度从高到低(Deep Agents 依赖 LangChain 依赖 LangGraph)
-短期记忆（基于SQLite数据库持久）
- 记忆管理策略（超过上下文的限制，比如DeepSeek的上下文不能超过128K）
(1).修剪消息
(2).删除消息
(3).总结消息摘要
二. LangSmith学习笔记记录
1.申请API_KEY
2用LangGraph本地部署
(1).添加langgraph依赖
uv add langgraph-cli[inmem]
(2).启动langgraph调试页面
uv run langgraph
(3).Chat聊天界面展示，开启工具展示.
(4).Graph调试界面,清晰查看每一步的调用流程.
(5).在Graph调试界面，以JSON格式查看发给大模型的数据.
