djnccie

前言 之前了解到了AI Agent 相关的一些基础概念，例如定义，LLM基础，Prompt Engineering，以及调 OpenAI API 等，接下来将介绍 LangChain 框架的基础知识和

文章梳理 Agent 六阶段，从 ReAct、Autonomous Loops、Multi-Agent，到 LangGraph 状态机、Deep Agents 的 Computer Use，再到未来畅

一、遇见AI 不知不觉间，2025年已经结束，2026年正向我们昂首走来。 此刻，也许我们还在怀念DeepSeek-R1推理能力的高光时刻，也许我们还在对通用智能体Manus的出色表现念念不忘，也许我

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

因为项目的需要，之前研究了一段时间的RAG，于是本文总结 8 种 RAG 架构，对每种架构进行简要介绍，并用 langchain 实现其参考代码。

随着ChatGPT、DeepSeek等大模型（LLM）的崛起，开发者已不满足于简单的对话框交互，而是迫切希望将其深度集成到自己应用中，以构建更强大的智能应用。

Google最近发布了一篇关于Agent长达60页的文件： 《初创公司技术指南：AI Agents》 ，这份报告从宣传来说表达了自己与之前偏理论的文章不一样，他还是暴露了不少细节技巧，对正在做Agen

话不多说，今天，为大家介绍几款适合普通人使用的RAG平台，让你也能轻松打造专属AI知识库！直接上菜： 1. LangChain - ⭐️105k 作为LLM应用开发的“老牌框架”，LangChain在

LangChain v1 重大更新讲解 作者：吴佳浩 最后更新：2025-11-22 适用版本：LangChain v1.0+ 目录 📌 一、LangChain v1 为什么是一次“大版本革命”？ 🚀