老陈说编程

摘要： 做 AI 应用开发的人应该都有过这种经历：明明在提示词里写了一大堆要求，大模型还是会输出不符合预期的内容，甚至一本正经地胡说八道。这时候，与其继续堆砌文字说明，不如试试 LangChain 里的 FewShotPromptTemplate—— 用几个简单的示例，就能让大模型瞬间明白你想要什么。视频在 阅读全文

摘要： 多模态 AI 是具备全感官交互能力的智能系统，集感知、理解、内容生成于一体，全面支持文本、图片、音频、视频等多类型信息的输入输出。 喜欢看视频的，请看《16. LangChain ChatPromptTemplate多模态应用实战》 在实际开发过程中，LangChain框架为多模态交互提供了便捷的支 阅读全文

摘要： 在使用LangChain与AI交互时，想要让对话更有条理、适配多角色、多轮次的沟通场景，ChatPromptTemplate这个工具绝对少不了。它本质上就是一个用来构建聊天消息列表的提示模板，能帮我们规范AI的交互逻辑，让每一次对话都更贴合预期。 如果你喜欢看视频学习，就看 《15. LangCha 阅读全文

摘要： 在 AI 应用开发中，很多开发者都会犯一个共同的错误：把提示词直接写死在代码里。这种做法看似简单快捷，但随着应用功能的扩展，问题会迅速暴露。固定的提示词就像一把只能开一把锁的钥匙，严重限制了大模型的适用范围。 为了解决这个普遍存在的痛点，LangChain框架提供了一个核心基础组件 ——Prompt 阅读全文

摘要： 很多人用 AI，总觉得它答非所问、输出的内容永远差一口气，其实问题大多不在 AI 本身，而在于你没跟它说清需求 —— 提示词，就是你和 AI 高效沟通的核心语言。它本质上是给 AI 的一套完整行动指令，核心要讲透三件事：你到底想要什么、这件事要按什么逻辑和标准做、你最终期待拿到什么样的结果。 如果喜 阅读全文

摘要： 做 AI 应用开发的朋友都有体会，不同业务场景对大模型的调用方式，要求天差地别。为了适配各类开发需求，帮大家省去重复造轮子的麻烦，LangChain 针对大模型对话交互，封装了 6 种核心调用模式，几乎覆盖了绝大多数开发场景。 invoke/ainvoke 是单次调用、一次性返回全部结果，前者同步会 阅读全文

摘要： 在 AI 应用开发中，当我们需要集成并调用不同 AI 大模型来实现文本生成、代码补全、语义理解等多样化功能时，为了避免不同模型的配置参数（如 base_url、api_key 等）相互混淆，可通过 config_prefix 进行清晰的命名空间区分。 如果喜欢看视频学习的，可以看这个《11. Lan 阅读全文

摘要： 在 AI 应用开发中，若需动态切换大模型、调整温度等参数，可通过 init_chat_model 函数的 configurable_fields 核心配置字段实现。它支持在运行时动态修改模型参数，可基于配置规则精准控制参数的开放修改边界，配置生效后函数将返回 _ConfigurableModel 可 阅读全文

摘要： 在使用 init_chat_model 构建大模型应用时，为了适配不同的业务场景（如本地模型调试、第三方代理接入、创意内容生成、高并发接口调用等），我们通常会将最核心的 6 个参数放在 **kwargs 里透传，精准控制接口请求、鉴权及模型生成效果。 喜欢看文章的接着往下看，习惯看视频的看这里《9. 阅读全文

摘要： 模型调用场景中，用户常会根据个人使用习惯指定偏好的AI大模型厂商及名称。比如阿里巴巴的 qwen3.6-plus、qwen3.5-max，字节跳动的 doubao-pro等国产主流旗舰型号，以及OpenAI的gpt-4o、Anthropic 的claude-3.5-sonnet等海外型号，都是用户会 阅读全文