精灵vector

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

LangGraph 内置了一个持久化层，通过检查点(checkpointer)机制实现。当你使用检查点器编译图时，它会在每个超级步骤(super-step)自动保存图状态的检查点。这些检查点被存储在一

这一节我们讲讲langgraph图的递归限制 Recursion Limit，递归限制设置了图在单次执行过程中可以执行的最大超级步骤数。一旦达到该限制，LangGraph 将引发 GraphRecur

在工作流许多使用场景中，我们可能希望我们的节点具有自定义的重试策略，例如在调用API、查询数据库或调用LLM等情况下。这里我给大家介绍一种方式叫 RetryPolicy。 默认情况下，retry_on

这一节我们重点来聊聊 Function Calling（函数调用），它在 LLM（大语言模型）应用中至关重要，首先就是让 LLM 具备心动能力，传统的大模型只能生成文本，但无法直接执行操作。 Func

有时我们希望在调用代理时能够对其进行配置。这包括配置使用哪个语言模型（LLM）等例子。下面我们将通过一个示例来详细介绍如何进行这样的配置。 在介绍 configurable 之前我们先介绍一下 Lan

大家知道 AlphaCodium 吗， 它提出了一种利用控制流进行代码生成的方法。它的核心思想就是通过迭代的方式逐步构建和改进代码答案。它不仅仅依赖于一次性生成代码，而是通过多次测试和修正来优化生成的

这篇文章我们将 LangGraph中的控制流（边）和状态更新（节点）结合起来使用。比如，我们希望同时执行状态更新并决定下一步要转到哪个节点，且这些操作在同一个节点中完成。而正好 LangGraph 提