前言
上篇文章大模型训练全流程实战指南实战篇(十七)—— LlamaFactory 预训练实战:从语料到模型中,笔者使用76457条、约926M tokens的预训练数据集,完成了Qwen3-32B的LoRA增量预训练,并选定checkpoint-6250作为下一阶段的基座模型。
经过增量预训练后的基座模型有一个典型特点:面对用户提问时,它的回答更像“顺着文档继续写”,而不是“精准回答用户的问题”。例如,当用户提出:
我有一台对外暴露的 Redis 6.2,怀疑存在未授权访问。请告诉我怎么确认、具体改哪些配置、改完怎么验证。
增量预训练后的模型可能给出如下回复:
Redis 是一个广泛使用的高性能内存数据库,常用于缓存、消息队列和会话存储。由于默认配置较为宽松,
如果 Redis 直接暴露在公网,容易发生未授权访问漏洞。攻击者可以利用未授权访问写入恶意文件、植入
挖矿程序、窃取数据,甚至进一步控制服务器。建议用户设置强密码、绑定内网地址、禁用危险命令、
配置防火墙,并定期进行安全巡检。同时应关注 Redis 官方安全公告,及时升级到最新版本。
可以看到,这段回复读起来像一篇“Redis 安全加固文章”的开头:概念、风险和建议都有,但用户真正关心的是怎么确认、改哪些配置、怎么验证,而模型没有给出任何具体配置项和命令。换句话说,它是在顺着安全文档的调子“续写”,而不是在回答一个操作问题。那如何解决这个问题呢?就需要在预训练完成的基座模型上接着进行微调操作啦~
一、 为什么预训练后还需要微调?
笔者在《大模型训练全流程实战指南工具篇(五)——大模型训练全流程步骤详解与对应工具推荐》中已经讨论过这个问题,这里简单回顾一下。
预训练的核心目标是让模型学习语料中的知识和语言规律,解决的是“知道什么”的问题;微调则通过大量问答范例,让模型学习面对不同问题时应该采用怎样的结构、风格和粒度,解决的是“怎么回答”的问题。
因此到了微调阶段,数据形态也要随之变化:训练内容不再只是 text 知识段落,而是一问一答的问答对。问答对怎么出题、答案从哪里来、质量如何保证,就是本篇要解决的问题~
二、合格的问答对数据应该具备哪些内容?
2.1 什么算合格的问答对?
一条完整的问答对通常由三部分组成:问题、答案和用于溯源的元信息。问题与答案是训练必需内容,元信息则用于回查来源、定位坏案例和统计数据配比。
问题要明确。 好的问题通常只有一个意图,指向具体,并且贴近真实用户的问法。例如,“Log4j2 的 JNDI 注入在什么条件下触发?”就是一个明确的问题;而“谈谈网络安全”过于宽泛,模型只能学习一段四平八稳的综述。不要简单地把文档标题加个问号,那往往不是用户真正会问的问题。
答案要合理。 答案不能只是“看起来像个回答”,至少应满足三点:事实可信、结构清楚、长度合适。推荐采用“结论先行—分点展开—补充边界”的结构。长度以完整回答问题为准,专业操作类答案通常在 200~1200 字之间;简单事实题可以更短,不必为了凑字数重复表达。
元信息要回溯可查。 对专业领域数据,建议至少记录来源文档、原文切片、生成方式和引用位置。训练后如果发现“答非所问”的坏案例,可以顺着元信息回查原文;后续调整不同来源的语料配比,也有据可依。
| 组成 | 作用 | 关键要求 |
|---|---|---|
| 问题 | 触发模型的回答行为 | 指向具体、单一意图、贴近真实问法 |
| 回复 | 模型要模仿的目标输出 | 事实准确、结构清楚、可执行、有边界 |
| 元信息 | 溯源与可信验证 | 记录来源、生成方式、引用切片 |
2.2 专业领域问答对应该具备的规模
专业领域LoRA微调不需要像预训练那样准备海量语料,但几百条数据通常也难以覆盖一个领域的核心场景。下面给出笔者在垂直领域实验中的经验区间,仅供参考,实际的规模还要取决于基座模型能力、任务复杂度、数据覆盖度和答案质量。
| 实验目标 | 可参考的数据规模 | 重点关注 |
|---|---|---|
| 跑通流程、验证方向 | 500~2,000 条 | 数据格式、训练管线和初步效果 |
| 形成较稳定的垂直领域能力 | 3,000~10,000 条 | 核心知识点覆盖、答案准确性 |
| 覆盖多任务、多场景和多轮对话 | 10,000~50,000 条 | 场景分布、多轮数据占比、任务均衡 |
| 较大规模全参数 SFT | 通常需要数十万条或更多 | 数据多样性、质量控制和训练成本 |
对中小企业和个人实验来说,可以先把“约一万条高质量专业问答对”作为阶段性目标,但不要为了凑齐数目而牺牲问答对的质量。本次笔者同样构建了约一万条问答数据,下面就展开介绍具体做法。
三、微调问答对数据集构造方法
3.1 方法一:人工标注问答对
3.1.1 为什么一定要保留人工环节
有读者会说:“大模型已经这么强了,能不能完全不人工标注?” 如果大家只是想跑通训练流程,当然可以;但如果目标是构建可靠的专业领域大模型,人工环节仍然是必不可少的环节。
人工标注最难替代的价值是定义标准:什么问题值得问,哪种表述符合行业规范,哪些答案“看着对、其实有坑”,往往需要一线专业人员判断。大模型可以帮忙扩写和提效,但不应该自己出题、自己答题,再把答案当成无可争议的标准。
3.1.2 基本标注流程
第一步:协定标注规范
人工标注的第一步是要设立一个基本的标注规范,避免不同人员按照自己的风格写。可以从以下五个维度入手:
| 维度 | 要求 | 正例 | 反例 |
|---|---|---|---|
| 问题长度 | 10~60 字,单一意图 | "Log4j2 的 JNDI 注入在什么条件下触发?" | "谈谈网络安全" |
| 答案长度 | 60~1,200 字,能完整闭环 | 先说触发条件,再列三类入口,末句交代不适用场景 | 只写"升级版本即可" |
| 事实依据 | 必须能对应到原文切片 | "受影响版本为 2.0-beta9 至 2.14.1(见 chunk_8f21c3)" | 凭印象写版本号 |
| 结构 | 结论 + 展开 + 边界说明 | "结论:需同时满足两个条件……;不适用的情况:……" | 大段无分层叙述 |
| 安全性 | 利用类问题只给检测与防御视角 | "可在日志中检索 JNDI 关键字定位可疑请求,并升级至 2.17.1" | 给出完整攻击载荷 |
第二步:选择题源
在 大模型训练全流程实战指南实战篇(十四)——网络安全大模型数据获取 中笔者介绍过不同的数据来源。标注时可以按“来源—类别—知识点”拆分任务,分配给不同人员,保证每个核心知识点至少覆盖一次,避免大家都盯着同一批热门题目反复标注。
第三步:编写问题与答案
标注人员按照规范编写问题和答案。问题保持单一意图,答案结论先行、分点展开;涉及命令或配置时,尽量给出可执行示例。下面是一个简化示例:
问:Log4j2 的 JNDI 注入在什么条件下触发?
答:需要同时满足两个条件。一是应用使用的 Log4j2 版本落在 2.0-beta9 至 2.14.1 区间;二是日志语句里拼接了用户可控的内容,并且被 `${}` 占位符解析。常见的触发入口有三类:请求头、请求参数和用户输入的用户名(逐条展开,各给一句说明)。如果已升级到 2.17.1 及以上,或通过配置关闭了 JNDI 查找,则不受该问题影响。
元信息:ref=chunk_8f21c3`、`source=manual`、`annotator=张三
这个示例问题只有一个意图,答案先给判断框架,再补充排查边界,元信息也能回溯到具体切片。
第四步:交叉复核
可以安排不同专家交叉复核彼此的数据,优先保留多方认可的样本。如果某位标注人员的通过率长期低于 80%,建议由第三人仲裁,并检查问题究竟出在标注人员,还是规范本身存在歧义。
3.1.3 人工标注多少条比较合适
预算充足时,提高人工标注和复核比例通常更稳妥,但不必追求某个特定比例(一般来说至少一半需要人工标注)。人手有限时,可以先标注100~300条高质量样本,作为定义问题写法、答案结构和边界的种子标准集;并使用方法二的思路进行扩展。
3.2 方法二:知识库+种子问题
3.2.1 核心思路:出题与答题分离
方法二是笔者比较推荐的一种规模化方法,既可以兼顾问答对的质量,又可以最大程度节约人工标注的成本,它的思路有三步:
- 人工提出 300~500 个高质量种子问题,覆盖主要知识点;
- 让大模型围绕种子问题扩展新问法,充当“出题员”;
- 让大模型结合知识库作答,答案必须基于检索到的原文,并保留引用。
3.2.2 第一步:准备人工种子问题
种子问题的量在300~500个即可,但一定要保证高质量且覆盖核心知识点,建议直接保存为 jsonl:
{"q": "Log4j2 的 JNDI 注入漏洞触发条件是什么?", "tag": "漏洞原理/Log4Shell"}
{"q": "WAF 误拦截正常业务请求时,应该按什么顺序排查?", "tag": "安全运营/WAF"}
{"q": "Kerberoasting 攻击在日志里有哪些可观测特征?", "tag": "内网安全/域渗透"}
3.2.3 第二步:扩展问题
笔者在工作中常用以下五个方向扩展种子问题,用来模拟真实用户的提问分布:
| 方向 | 做法 | 示例 |
|---|---|---|
| 换角色 | 运维、开发、渗透测试、合规审计各问一遍 | "作为运维,我怎么快速确认是否受影响?" |
| 加约束 | 限定版本、环境、日志条件 | "在只有 Nginx 日志的情况下如何判断?" |
| 多跳 | 需要两步以上推理 | "这个漏洞的根因对应哪类 CWE?如何统一防护?" |
| 对比 | 相似方案、相似漏洞对比 | "Log4Shell 和 Spring4Shell 的利用条件有何不同?" |
| 反向 | 从现象倒推原因 | "业务日志出现大量 JNDI 报错,可能是什么问题?" |
扩展之后还要去重。几千条数据可以先用简单的字符级Jaccard相似度做近重复过滤;数据达到几万条以上,再考虑用SimHash或MinHash降低比较成本。需要注意,字符相似度只能发现表面近重复,语义相同但措辞不同的问题,还需要向量聚类或人工抽检。
# 以阿里云百炼平台的大模型api为例
import os, re, json
from openai import OpenAI
client = OpenAI(api_key=os.getenv("DASHSCOPE_API_KEY", ""),
base_url="https://dashscope.aliyuncs.com/compatible-mode/v1")
FENCE = "`" * 3
def parse_json(text):
# 模型偶尔会把 JSON 包在 Markdown 代码块里,先去掉围栏
return json.loads(text.replace(FENCE, "").strip())
EXPAND_PROMPT = """你是网络安全领域的资深从业者。请围绕给定主题,基于种子问题扩展出 {n} 个新的中文问题。
要求:
1. 覆盖不同认知层次:概念、原理、场景判断、排障修复、方案对比
2. 问法具体,禁止"请介绍…""请论述…"这类空泛表述
3. 至少 2 个问题需要结合真实场景或多步推理
4. 不得与种子问题语义重复,不得给出答案
只输出 JSON:{{"questions": ["问题1", "问题2"]}}"""
def expand(seed, n=6):
prompt = EXPAND_PROMPT.format(n=n) + f"\n主题:{seed['tag']}\n种子问题:{seed['q']}"
resp = client.chat.completions.create(
model="qwen-plus", temperature=0.7,
response_format={"type": "json_object"},
messages=[{"role": "user", "content": prompt}])
data = parse_json(resp.choices[0].message.content)
return [{"q": q.strip(), "tag": seed["tag"], "from_seed": seed["q"]}
for q in data.get("questions", []) if 10 <= len(q.strip()) <= 80]
def norm(q):
return re.sub(r"[^\w\u4e00-\u9fa5]", "", q)
def jaccard(a, b):
A, B = set(a), set(b)
return len(A & B) / max(1, len(A | B))
def dedupe(items, th=0.8):
kept = []
for it in items:
key = norm(it["q"])
if len(key) < 6 or any(jaccard(key, norm(k["q"])) > th for k in kept):
continue
kept.append(it)
return kept
3.2.4 第三步:用知识库对问题进行回答
为了让答案有据可查,可以把前面收集的文档载入知识库,由知识库负责切分、向量化和召回。这样一来,检索这件“脏活累活”交给专门系统,大家只需要关注出题和质检。
笔者在工作中常用的是 RAGFlow。它支持 Docker 部署,提供文档解析、检索测试和对话助手等能力。具体部署步骤可以参考 RAGFlow 官方文档,这里重点介绍如何把它接入问答数据生产流程。
准备工作一般分为三步:
- 建库:在 RAGFlow 中新建数据集,上传整理好的Markdown文档。通用文档可先选择General解析方式(部分旧版本称为
naive),chunk大小可先以512~1,024 tokens做小范围测试,再根据检索结果调整。等文档解析完成后,抽查切片是否完整。 - 建对话助手:基于数据集新建对话助手(Chat),绑定大模型,并在系统提示词中写清三条规则:只能依据知识库回答;关键结论标注引用;资料不足时明确回答“无法确定”。
- 获取凭证:复制 API Key,并获取对话助手的
chat_id。密钥应放在环境变量中,不要写进代码或公开数据集。
之后大家即可调用RAGFlow的OpenAI兼容接口,并在extra_body中设置reference: true,同时获取答案和引用切片。下面示例按照当前官方文档中的 /api/v1/openai/<chat_id>/chat 路径编写:
import os
from openai import OpenAI
RAGFLOW_URL = "http://localhost:9380" # 改成你的 RAGFlow 地址
RAGFLOW_API_KEY = os.getenv("RAGFLOW_API_KEY", "")
RAGFLOW_CHAT_ID = os.getenv("RAGFLOW_CHAT_ID", "") # 对话助手的 chat_id
rag_client = OpenAI(
api_key=RAGFLOW_API_KEY,
base_url=f"{RAGFLOW_URL}/api/v1/openai/{RAGFLOW_CHAT_ID}",
)
def answer_with_kb(question):
resp = rag_client.chat.completions.create(
model="qwen-plus", # 助手绑定的大模型,随便填,服务端会解析
messages=[{"role": "user", "content": question}],
temperature=0.0,
stream=False,
extra_body={"reference": True},
)
msg = resp.choices[0].message
answer = (msg.content or "").strip()
refs = (msg.reference.chunks if msg.reference else {}) or {}
citations = [
{"doc": v.get("document_name"),
"similarity": round(v.get("similarity", 0), 3),
"snippet": (v.get("content") or "")[:200]}
for v in refs.values()
]
refused = ("无法确定" in answer) or ("资料不足" in answer)
return {"instruction": question, "output": answer,
"meta": {"source": "kb_seed",
"citations": citations,
"refused": refused}}
返回结果中,answer是知识库辅助生成的答案,citations记录答案依赖的文档、相似度和原文片段,refused用于标记拒答样本。
这里有两个设计必须保留:强制引用和允许拒答。强制引用让答案能够回查,允许拒答则让模型学会在证据不足时停下来。真实用户总会问到知识库覆盖不到的内容,与其强行编造,不如把“我不知道”也教给模型。
3.3 方法三:模型蒸馏
3.3.1 模型蒸馏原理与做法
蒸馏是让能力更强的教师模型生产问答数据,学生模型通过拟合这些数据进行学习。教师可以是闭源大模型,也可以是更大参数量的开源模型。
笔者在《大模型训练全流程实战指南实战篇(十四)——网络安全大模型数据获取》中介绍过如何使用Easy Dataset获取网络安全领域数据;不熟悉该工具文档处理流程的读者,也可以参考《大模型训练全流程实战指南工具篇(七)——EasyDataset 文档处理流程》。
本节不再重复 Easy Dataset 的操作,而是介绍一种更精细的 API 蒸馏方法:多路采样+一致性投票。
3.3.2 带投票蒸馏的基础代码
多路采样+一致性投票的思路是同一个问题让教师模型以较高温度采样5次,如果至少3次答案一致,就暂时保留,分歧过大则丢弃,这种方法能过滤一部分不稳定输出,减少被蒸馏模型幻觉带来的问题。
下面代码为了控制篇幅,用归一化后的前 80 个字做近似比对,仅适合演示。工程中应改为向量相似度聚类,并结合关键事实抽取,避免不同答案因为开头相似而被误判为一致。问题可以直接复用方法二中扩展后的问题。
import re
from collections import Counter
DISTILL_PROMPT = """你是资深网络安全专家。请回答下面的问题,并给出可复核的推理过程。
要求:先给出 reasoning(分析思路、依据、边界条件),再给出最终 answer。
只输出 JSON:{"reasoning": "...", "answer": "..."}
问题:{q}"""
def norm_ans(s):
return re.sub(r"[^\w\u4e00-\u9fa5]", "", s).lower()[:80]
def distill(q, n=5):
cands = []
for _ in range(n):
try:
resp = client.chat.completions.create(
model="qwen-max", temperature=0.9,
response_format={"type": "json_object"},
messages=[{"role": "user", "content": DISTILL_PROMPT.format(q=q)}])
d = parse_json(resp.choices[0].message.content)
if d.get("answer"):
cands.append(d)
except Exception:
continue
if len(cands) < 3:
return None
votes = Counter(norm_ans(d["answer"]) for d in cands)
best, cnt = votes.most_common(1)[0]
if cnt < max(2, n // 2): # 多数不一致,说明教师本身拿不准
return None
chosen = next(d for d in cands if norm_ans(d["answer"]) == best)
return {"instruction": q, "output": chosen["answer"],
"reasoning": chosen["reasoning"],
"meta": {"source": "distill", "votes": f"{cnt}/{n}"}}
reasoning 字段可以保存教师模型输出的分析依据,方便审核员检查答案是否有推导过程,也可以按训练目标决定是否用于 CoT 数据构建。如果在微调时不打算引入思维链,构造 LLaMA-Factory 数据集时去掉该字段即可。
需要特别强调:投票一致不等于事实正确。同一个模型可能稳定地重复同一个错误,因此蒸馏数据仍然要抽样质检。CVE编号、版本号、命令和配置项等硬事实,必须增加规则校验或回查知识库,避免被蒸馏模型的胡编乱造。
3.4 方法四:结构化知识转换
3.4.1 基本思路
网络安全领域有一批天然结构化的数据:CVE、CWE、ATT&CK和产品安全公告。这些数据的字段本身就是“半成品答案”,只需要按用户视角改写成问题。
例如一条CVE记录可以拆成四类问法:是什么、影响谁、怎么检测、怎么修。一条记录对应多个问题,事实均来自官方字段,示例代码如下:
import json
def first_text(node, key, lang="en"):
for d in node.get(key, []):
if d.get("lang", "").startswith(lang):
return d.get("value", "")
return ""
def cve_to_qa(path):
rec = json.load(open(path, encoding="utf-8"))
cve = rec["cveMetadata"]["cveId"]
cna = rec["containers"]["cna"]
desc = first_text(cna, "descriptions")
affects = cna.get("affected", [])
vendor = affects[0].get("vendor", "") if affects else ""
product = affects[0].get("product", "") if affects else ""
versions = [v["version"] for a in affects for v in a.get("versions", [])
if v.get("status") == "affected"][:5]
solution = first_text(cna, "solutions")
items = [
(f"{cve} 是什么漏洞?影响哪些版本?",
f"{desc}\n受影响版本:{', '.join(versions) or '以厂商公告为准'}"),
(f"{vendor}/{product} 存在 {cve},攻击者能造成什么影响?", desc),
(f"如何检测系统是否受 {cve} 影响?",
f"先确认是否使用了 {vendor}/{product} 的受影响版本"
f"({', '.join(versions) or '见厂商公告'}),再结合厂商公告中的检测规则排查。"),
]
if solution:
items.append((f"如何修复 {cve} 漏洞?", solution))
return [{"instruction": q, "output": a,
"meta": {"source": "cve", "cve": cve}} for q, a in items]
如果需要中文问答,可以在保留原始字段和引用的前提下增加翻译与改写步骤,并重点抽检漏洞编号、版本范围和厂商名称,避免改写时引入事实偏差。
3.4.2 结构化转换优缺点
以上这种结构化转化方法的优点是事实来源清晰、便于增量更新、容易按唯一编号去重,适合持续扩充数据。
缺点也很明显,问法容易模板化。大量“某某是什么漏洞”“某某怎么修”会让模型学到公式化表达。大家可以复用方法二中的角色、场景和约束扩展,把模板问题改写成更自然的用户问法。
3.5 方法五:真实场景数据回流
3.5.1 数据从哪里来
前四种方法多少都带点“造”的成分,真实场景数据则来自用户已经发生的提问:安全运营工单、客服对话、社区问答、CTF Writeup、线上 badcase 和搜索日志。
它最大的价值是分布真实,直接回答了“用户到底会怎么问”这个其他方法只能推测的问题。线上 badcase 尤其值得保留,因为它们往往对应模型当前最薄弱的场景。
3.5.2 基本处理流程
将真实场景处理为问答对数据的基本流程主要有如下四步:
- 抽取:保留“用户问题+最终解决方案”,中间反复确认的过程可按需压缩;如果目标是多轮训练,则应保留必要的上下文,而不是一律删除。
- 脱敏:口令、密钥和 token 直接删除;IP、手机号、邮箱、账号等按业务要求脱敏或伪匿名化,并检查答案和元信息中是否有残留。
- 规范化改写:把口语描述补全为上下文完整的问句。可以使用模型辅助,但必须抽检,避免改写时改变用户原意。
- 答案补全:工单中的方案往往只有操作步骤,需要专家补充原理和边界条件,或通过知识库补齐引用。
四、统一质检
通过上面五种方法,可以得到“问题、答案、元信息”结构统一的原始数据。但来源统一、格式统一,不代表质量已经合格。入库前还需要经过统一质检:
- 规则筛:长度越界、乱码、空答案、重复字段、敏感信息残留等问题,直接剔除或退回修复;
- 近似与语义去重:先用 SimHash 等方法筛查近重复样本,保留引用更完整的一条;需要识别“措辞不同但语义相同”的样本时,再增加向量相似度聚类;
- 模型评分:按正确性、完整性、可执行性、表达四个维度打分。可以先把“任一项低于 6 分则淘汰”作为初始规则,再用人工标注结果校准阈值;
- 污染检查:与评测集做 n-gram 或向量重叠检查,防止评测题及其近义变体泄漏进训练集。
规则筛和语义去重的基本代码如下:
import hashlib, jieba
def simhash(text, bits=64):
v = [0] * bits
for tok in jieba.cut(text):
h = int(hashlib.md5(tok.encode()).hexdigest(), 16)
for i in range(bits):
v[i] += 1 if (h >> i) & 1 else -1
return sum(1 << i for i in range(bits) if v[i] > 0)
def hamming(a, b):
return bin(a ^ b).count("1")
# 按 hamming 距离 <= 3 聚成一簇,每簇保留引用最完整的一条
模型评分提示词可以按下面的思路设计。评分时要把问题、答案和参考资料一起提供给评审模型,否则它很难判断事实是否正确:
JUDGE_PROMPT = """你是SFT数据审核员,请从四个维度给这条问答对打分(0-10):
1. 正确性:是否存在事实错误,是否与参考资料矛盾
2. 完整性:是否真正回答了问题,而非泛泛而谈
3. 可执行性:步骤、命令、配置是否具体可用
4. 表达:是否结构清晰、术语规范、无口水话
只输出 JSON:{"correct": 0, "complete": 0, "usable": 0, "style": 0,
"keep": true, "reason": "简短理由"}"""
是否保留样本,建议由程序根据四项分数统一计算,不要直接相信模型自行输出的keep。对于高风险操作、关键漏洞版本和修复命令,即使模型评分很高,也应保留人工抽检。
四道质检过完,剩下的才是一批结构统一、来源可查、质量相对可靠的问答数据。至于如何继续扩充数据,以及如何转换成 LLaMA-Factory 能直接读取的格式,笔者会在后续 SFT 实战文章中继续展开,大家敬请期待~
五、总结
本篇承接预训练结果,给出了五种互补的问答对构建方法:
- 人工标注:100~300 条种子数据定标准;
- 知识库 + 种子问题:人工出题、模型扩题、知识库作答,是规模化主力;
- 模型蒸馏:多路采样加一致性投票,补推理与表达;
- 结构化转换:CVE、CWE、ATT&CK 字段直接变问答,保证事实准确;
- 真实回流:从工单、对话、badcase 挖掘,对齐真实分布。
五种数据最终都要汇入同一条质检流水线:规则筛、近似与语义去重、模型评分、污染检查。问答数据构建真正难的地方,不是让模型多生成几万条,而是让每一条都经得起回查。
除大模型训练外,笔者也在同步更新《深入浅出LangChain&LangGraph AI Agent 智能体开发》免费专栏,该专栏适合所有对 LangChain 感兴趣的学习者,无论之前是否接触过LangChain。该专栏基于笔者在实际项目中的深度使用经验,系统讲解了使用LangChain/LangGraph如何开发智能体,目前已更新 50 讲,并持续补充实战与拓展内容。欢迎感兴趣的同学关注笔者的掘金账号与专栏,也可关注笔者的同名微信公众号大模型真好玩,每期分享涉及的代码均可在公众号私信: LangChain智能体开发免费获取。