alannero

摘要： 数据库要三步走 1. 不能直接生成SQL 最直接的想法是：用户问题 -> 大模型生成 SQL -> 执行 SQL 这看起来简单，但非常容易出错。 模型可能不知道真实表名，就编一个 medicine 表；不知道字段名，就编一个 stock_count 字段，所以数据库助手要让模型先获得真实上下文。 2 阅读全文

摘要： Description: 写清什么时候找我 网络搜索助手的 description 要解决的是路由问题：主智能体看到用户任务后，能不能判断该不该把任务交给它 比如用户问：查询 2025 年某医药政策的最新公开信息。这类问题需要外部公开资料，应该交给网络搜索助手。 但如果用户问：查询公司数据库里布洛芬 阅读全文

摘要： 中间件的英文是 Middleware。它不是最终执行业务的对象，而是站在“调用方”和“被调用方”之间的一层处理逻辑 常见能力： 能力 说明 典型场景 日志追踪 记录模型、工具、子智能体什么时候被调用 排查 Agent 执行过程 参数改写 在真正调用工具前修改参数 统一补默认值、参数脱敏 结果改写 在 阅读全文

摘要： 三个子智能体 子智能体 负责内容 典型工具 网络搜索助手 查询公开网络资料，适合最新信息、公开网页、外部知识 Tavily 搜索工具 数据库查询助手 查询企业业务数据库，读取表名、表结构、数据预览并执行 SQL 查表、查结构、执行 SQL RAGFlow 助手 查询企业内部知识库，先获取可用助手，再 阅读全文

摘要： checkpointer 不是长期记忆。它关注的是：这次任务执行到哪一步了？中断后应该从哪里继续？ Backend 关注的是另一件事：Agent 写入的文件、生成的资料、长期需要保存的信息，最终存到哪里？ 类型 主要保存什么 典型用途 本章对应概念 短期记忆 一次调用的执行过程、节点状态、中断位置 阅读全文

摘要： 之前Agent 调用工具时都是自动执行的，但在企业生产中有很多高风险动作，比如：删除数据库表；删除文件；发送邮件；提交订单。模型可能理解错用户意图，也可能选错参数。一旦工具真的执行，可能造成数据丢失或业务事故 所以 DeepAgents 提供了人机协作能力，也就是常说的 HITL：Human In 阅读全文

摘要： CompiledSubAgent: 作用就是把已有图、Agent 或 Runnable 封装成 DeepAgents 可以调度的子智能体 已经写好的 LangGraph 图或 LangChain Agent，不用推倒重写，可以通过 CompiledSubAgent 接到 DeepAgents 主智能 阅读全文

摘要： 1. 先判断，该用智能体还是工具 主智能体先通过 task 派活，子智能体拿到独立任务后自己完成推理和工具调用，最后只把结果交回主智能体。这样主智能体不用背着所有细节继续往下推理。 写子智能体之前，先问一个很实际的问题：这件事是否值得单独拆出一个助手？ 如果答案是“是”，才继续配置它的 name、d 阅读全文

摘要： 1. 创建搜索工具 import os from typing import Literal from dotenv import load_dotenv, find_dotenv from langchain.tools import tool # tavily联网搜索能力 from tavily 阅读全文

摘要： API文件可以先把它们分成五层： 层次文件主要职责 入口层 main.py 创建 FastAPI 应用，注册生命周期和路由 HTTP 层 query_router.py 定义 /api/query，接收请求，返回流式响应 业务层 query_service.py 创建 State / Context 阅读全文