老陈说编程

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

摘要： 在 LangChain 生态中，LCEL（LangChain Expression Language）是一种新的编程范式。它用一个简单的|，改变了 AI 应用的构建方式。曾经需要编写大量胶水代码才能串联起来的提示词、模型和输出解析器，现在只需要一行代码就能完成： chain = prompt | m 阅读全文

摘要： 提到 Python 中的|，绝大多数开发者的第一反应都是按位或运算，5 | 3 = 7 是我们初学编程时就烂熟于心的基础。但很少有人知道，| 还能像这样用： 动画视频在《21. “|”不只是按位或，90%的人不知道》。 chain = AddOne() | MulTwo() | ToStr() pr 阅读全文

摘要： ​做 AI 应用开发时，我们经常需要处理大模型的输出文本。大模型生成自然流畅的人类语言能力很强，但要把这些非结构化的自然语言，精准转换成能直接存入数据库、能安全传给下游接口的标准 JSON 格式，却是一件非常棘手的事情。好在 LangChain 为这个行业普遍存在的痛点提供了优雅的解决方案 —— 通 阅读全文

摘要： 做AI应用开发最头疼的事之一，就是大模型的输出永远不按你想要的格式来。明明要求返回一个列表，结果它要么加一堆无关的开场白和结束语，要么格式五花八门，手动写正则处理不仅麻烦，还经常漏各种边界情况。 其实 LangChain 早就为我们准备好了现成的解决方案 ——ListOutputParser 系列解 阅读全文

摘要： 在实际开发AI应用时，我们常会遇到一个很实际的问题：大模型的输出大多是自然语言文本，但我们搭建的应用程序，往往只能处理字符串、JSON、列表这类结构化数据。两者格式不匹配，就会导致大模型的输出无法直接被应用调用，而LangChain内置的输出解析器，正是为了解决这个痛点而生的。视频看这里《18. 动 阅读全文

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