精灵vector

随着大语言模型在复杂任务处理中的应用日益广泛，如何提高Agent系统的执行效率和降低计算成本成为了关键挑战。本文介绍了LLMCompiler架构的实现，创新Agent设计，旨在通过并行执行任务和减少冗

基于视觉的网页浏览Langraph Agent 这篇文章给大家讲一个好玩的东西——WebVoyager ，它是一个具备视觉功能的网页浏览智能体，能够控制鼠标和键盘来自动执行网页操作任务。这个智能体通过

在软件开发领域，编程方式正在发生重大变化——从以往死板、手动的编码方式，逐步转向更加灵活、由 AI 辅助的编程形式。**Vibe Coding（氛围编程）**就是这种转变的一个典型代表。 这个概念由知

在本篇文章中，我们将通过LangGrah构建一个检索代理。我们让大语言模型（LLM）能够自主决定是从向量库中检索上下文，还是直接响应用户。大概的流程是：获取并预处理用于检索的文档；对这些文档进行语义搜

这一篇文章我们来介绍一下如何构建可以回答企业数据库SQL问题的agent。我们的sql agent 大致流程如下： 从数据库中获取可用表 确定哪些表与问题有关 提取相关表的结构 根据问题和数据库表结构

在之前的文章我们有讲过状态可以由 checkpointer 在图形执行的每一个步骤写入线程，从而实现状态持久性。而图形执行时这只是其中一个线程，但如果我们想跨线程保留一些信息怎么办？加入有一个聊天机器

今天给大家讲一下关于Agent长期对话的几种持久化存储方式，之前的文章给大家说过短期记忆和长期记忆，短期记忆基于InMemorySaver做checkpointer（检查点），短期记忆 （线程级持久性

开始这篇文章之前，引用一句话。“即使是最复杂的模型也受限于其与数据的隔离，特别是当被困在信息孤岛和传统系统之后。所以上下文集成很重要“。 今天的大型语言模型（LLMs）在真空环境中非常智能，但一旦需要

下面我将详细介绍如何在 LangGraph 中为包含子图的图结构添加线程级持久化功能，步骤清晰明了。在我们代码开发之前，我先给大家讲述两个关于状态图的概念： 状态历史的本质 在 LangGraph 中