老陈说编程

摘要： 在完成 LangChain 的基础学习后，不少开发者会陷入相似的成长瓶颈：掌握了框架的基本用法，却难以将零散的知识点串联成可落地的工程能力，不知道下一步该往哪个方向深耕，才能真正完成从 “会用工具” 到 “搭建体系” 的跨越。 想要突破这一层瓶颈，开源项目 DeerFlow 是一个极具价值的深耕方向 阅读全文

摘要： 大语言模型凭借强大的生成能力在诸多领域展现出价值，但始终面临两大核心局限：一是知识截止问题，模型训练数据存在时间边界，无法获取实时更新的信息；二是领域盲区问题，难以覆盖企业内部文档、私有数据等垂直领域的专属知识。为解决这两个痛点，RAG（Retrieval-Augmented Generation， 阅读全文

摘要： 在构建 AI Agent 的过程中，如何让 Agent 具备特定领域的专业能力是一个核心问题。传统的做法是将所有功能硬编码到 Agent 中，但这种方式缺乏灵活性和可复用性。Skills 技能系统的出现，为这个问题提供了一种优雅的解决方案。 动画视频在《30. AI Skills 技能系统，让 Ag 阅读全文

摘要： 在AI应用开发中，我们经常需要让大模型与外部工具和数据源交互。过去，每个开发者都在用自己的方式解决这个问题，导致代码难以复用、维护成本高昂。MCP（Model Context Protocol，模型上下文协议）的出现，正是为了统一这种交互方式。 MCP是一个开源协议，它标准化了大语言模型与外部工具、 阅读全文

摘要： Agent 跑起来之后，大多数时候我们希望它一气呵成把活干完。但总有些场景不太一样——比如 Agent 要调用一个会删文件的工具，你总得让人确认一下再动手吧？LangGraph 的 interrupt 机制就是干这个的：在指定节点前或节点后暂停执行，等人给了信号再接着跑。 动画视频在《28. Age 阅读全文

摘要： 你有没有遇到过这种情况：Agent 跑得好好的，你想加个日志看看它到底在干嘛，或者想加个安全检查防止它搞出危险操作，结果发现不知道往哪儿插？ Middleware 就是来解决这个问题的。说白了，它就是一个"拦截器"，让你在模型调用前后插入你自己的逻辑。听起来是不是挺简单的？别急，咱们直接上手写代码， 阅读全文

摘要： Agent 通过 Checkpointer 记住对话上下文不是什么难事，但要是想让它存点“业务数据”——比如用户偏好、任务进度、历史操作记录这类东西——光靠 Checkpointer 就有点力不从心了。对话线程之间彼此隔离，换个线程就像失忆一样，之前积累的信息全用不上。Store 机制就是来解决这个 阅读全文

摘要： 你有没有遇到过这种令人抓狂的情况？和 AI 智能体聊了半天，它帮你计算了复杂数据、处理了多个文件，结果你下一句问 "刚才算的结果是多少？"，它却一脸茫然地说 "抱歉，我不记得之前的对话了"。 这就是 AI 最让人头疼的 "先天性失忆症"——默认情况下，所有大模型和智能体都是无状态的。每次 API 调 阅读全文

摘要： 为了大幅提升大语言模型应用开发效率，主流框架 LangChain 提供了数百款开箱即用的标准化工具，全面覆盖信息检索、文件操作、数据库处理、网络访问、代码执行、API 集成等核心场景。这些工具统一接口规范，内置完善的错误处理与数据转换逻辑，避免重复开发；同时支持快速封装自定义工具，并能与链、智能体、 阅读全文

摘要： 很多人觉得AI智能体高深难懂，其实它的原理非常朴素。不同于只会被动聊天的普通AI，AI智能体是一套能够自主思考、判断、调用资源、完成任务的智能系统。简单来说，它不再等人一步步指令，而是拿到目标后就能自己想办法把事做完。 动画视频在：《23. AI 智能体真的很难吗？动画 + 代码一次性讲明白》。 支 阅读全文