心在飞扬AI

LangGraph 学习总结 一、这是什么？（概念解释） LangGraph 是 LangChain 推出的用于构建有状态、多参与者（multi-actor）应用的框架。 ...

基于工具调用的智能体设计与实现 一、这是什么？（概念解释） 基于工具调用的Agent（Tool Calling Agent） 是利用LLM原生函数调用能力实现的智能体。 与...

基于ReACT架构的Agent智能体设计与实现 一、这是什么？（概念解释） ReACT（Reasoning + Acting） 是一种让LLM智能体同时进行"推理"和"行动...

多模态LLM执行函数调用的技巧 一、这是什么？（概念解释） 多模态LLM（Multimodal LLM） 是能够理解和处理多种类型输入（文本、图片、音频、视频等）的大语言模...

工具调用出错捕获提升程序健壮性 一、这是什么？（概念解释） 在工具调用过程中，可能会出现各种错误：参数类型错误、参数缺失、工具执行失败等。如果不进行错误处理，程序会直接崩溃...

函数调用快速提取结构化数据使用技巧 一、这是什么？（概念解释） 结构化输出（Structured Output） 是让大语言模型返回固定格式数据的能力，而不是普通的文本。 ...

不支持函数调用的大语言模型解决技巧 一、这是什么？（概念解释） 当使用不支持原生函数调用的大语言模型时（如 Moonshot、某些开源模型），无法像 GPT-4 那样使用 ...

LangChain 函数调用（Function Calling）学习总结 一、这是什么？（概念解释） 函数调用（Function Calling） 是一种让大语言模型（LL...

LangChain 工具创建方法总结 .@tool装饰器创建工具 这是什么 主要依赖库： from pydantic import BaseModel, Field fro...

LangChain中的工具与工具包 .DuckDuckGo搜索 这是什么 主要依赖库： from langchain_community.tools import Duck...

ReRank重排序提升RAG系统效果 Rerank (重排序) 这是什么 Rerank (重排序) 是 RAG 系统中的重要优化技术。它先使用向量检索获取候选文档， 然后使...

RAPTOR 递归文档树优化策略 这是什么 RAPTOR (Recursive Abstractive Processing for Tree-Organized Retr...

LangChain Parent Document Retriever (父文档检索器) 学习总结 知识要点 1️⃣ 这是什么 父文档检索器是 LangChain 中用于平...

这是什么? MultiVector（多向量索引）是 LangChain 的一种高级检索技术。它的核心思想是：为每个文档生成多个假设性问题，将这些问题向量化用于检索，但最终返...

一、SelfQueryRetriever SelfQueryRetriever（自查询检索器） 是 LangChain 中的一种高级检索器，它能够： 使用 LLM 自动理解...

一、是什么？ 语义路由是一种根据用户问题的语义，自动选择最合适提示词模板的技术。 与上一节「逻辑路由」不同，语义路由不依赖 LLM 做分类判断，而是直接通过计算问题与各模板...

RAG 进阶检索学习笔记 一、函数回调规范化输出 是什么？ 通过 with_structured_output() 让 LLM 的返回结果强制符合指定的 Pydantic ...

一、是什么？ HyDE（Hypothetical Document Embeddings，假设性文档嵌入）是一种 RAG 增强检索策略。 传统检索直接用用户的问题去匹配文档...

...