随笔分类 - python
摘要：LangGraph：AI 智能体开发进阶方案 一、前言 在基于 LangChain 开发大模型应用时，绝大多数开发者入门阶段，都会采用原生链式调用的开发模式。 通过拼接提示词模板、大模型实例、输出解析器与自定义工具，搭配硬编码条件判断，就能快速实现基础问答、单步工具调用等轻量化需求。 这种开发方式逻
阅读全文
摘要：基于LangChain与DeepSeek实现Plan-and-Execute Agent，让AI学会“先规划后行动” 在AI Agent开发领域，“如何让模型高效完成复杂多步任务”一直是核心痛点。传统Agent常陷入“走一步看一步”的局限，面对多步骤协作任务时容易偏离目标、效率低下。而Plan-an
阅读全文
摘要：基于LangChain实现OpenAI Functions风格Tool Calling智能助手 在大模型应用开发中，“工具调用（Tool Calling）”是让模型突破自身能力边界的关键——它能让模型根据用户需求，自动调用外部工具（如计算器、时间查询、API接口等），完成单纯语言生成无法实现的任务。
阅读全文
摘要：LangChain 实战：面向对话场景的 Conversational ReAct 智能助手实现 在构建具备推理能力与交互体验的智能助手时，ReAct 框架凭借「思考 - 行动 - 观察」的闭环推理逻辑，成为大模型 Agent 领域的经典范式。而Conversational ReAct 作为 Lan
阅读全文
摘要：LangChain 实战：Structured Chat ReAct 智能体原理与实现（对比 ZeroShot ReAct） 在基于大模型构建智能体（Agent）的过程中，ReAct 作为经典的推理 + 执行范式，被广泛应用于工具调用、逻辑推理、多步任务编排等场景。而 LangChain 内置的两种
阅读全文
摘要：LangChain实战：ZeroShot_ReAct Agent 从零搭建，无需训练也能灵活调用工具 在大模型应用开发中，“让AI自主判断、灵活调用工具”是实现智能化的关键一步。而ZeroShot_ReAct Agent作为LangChain中最易用、最基础的智能代理方案，无需提前训练样本，仅通过工
阅读全文
摘要：基于RunnableWithMessageHistory实现多会话隔离与持久化记忆 在构建LLM对话应用时，多会话隔离与对话历史持久化是从demo走向生产级的关键。本文基于ReAct智能体实践，拆解RunnableWithMessageHistory的会话隔离实现，及可扩展的数据库持久化方案，助力快
阅读全文
摘要：LangChain ReAct智能体实战：给会话历史添加ID，实现多会话隔离 在LangChain构建智能体的过程中，多轮对话的上下文管理是提升用户体验的关键。很多开发者在实现ReAct智能体时，会遇到一个常见问题：无法区分不同用户或不同会话的历史记录，导致对话上下文混乱，智能体“记混”对话内容。
阅读全文
摘要：LangChain ReAct Agent 实现会话记录功能：让智能体拥有“记忆” 在基于LangChain构建智能体（Agent）的过程中，很多开发者都会遇到一个常见问题：默认的ReAct Agent缺乏会话记忆能力，每一次交互都是孤立的，无法记住上一轮的对话内容，导致多轮对话体验生硬，甚至无法完
阅读全文
摘要：LangChain ReAct Agent 实战：Tool 描述才是工具调用的 “灵魂” 最近在折腾 LangChain 的 ReAct 智能体（Agent）时，踩了个不少新手都会踩的坑：明明代码逻辑看着没问题，工具却要么不调用、要么乱调用，折腾了半天才发现，问题根源竟在Tool 的描述信息上！ 今
阅读全文
摘要：终于讲到langchain如何注册自定义的tool，以及如何在agent里使用自定义的tool LangChain入门：自定义Tool注册全解析，3步实现工具集成 在LangChain的Agent体系中，Tool是连接大语言模型与外部功能的核心桥梁，也是扩展模型能力边界的关键组件——它本质上就是给L
阅读全文
摘要：基于上节的内容如何将流程改为如下： LangChain 并行执行实战：三步高效生成高质量长文 在大模型应用开发中，我们经常需要同时生成多个关联内容，再基于这些内容完成最终的复杂任务。传统的串行执行方式效率低下，而 LangChain 提供的并行执行能力，能完美解决这个问题，大幅提升内容生成的效率与逻
阅读全文
摘要：现在有这样一个需求，要求使用AI智能化完成这个任务。 1、先处理大纲：构建大纲提示词 → 获得大纲内容 2、再处理注意事项：构建注意事项提示词 → 获得注意事项内容 3、最后整合生成文章：整合所有信息 → 构建最终提示词 → 获得完整文章 流程图如下： 代码实现： from langchain_op
阅读全文
摘要：LangChain PythonREPL + 大模型：让 AI 直接生成并执行 Python 代码 在大模型的实际应用中，我们经常遇到一个痛点：大模型擅长理解和推理，但在精准计算、逻辑运算上容易出错。 而 LangChain 实验性工具库中的 PythonREPL，完美解决了这个问题。它能让大模型直
阅读全文
摘要：极简高效！LangChain + Milvus 快速搭建企业级语义检索系统 在 RAG 大模型应用开发中，向量数据库 + 嵌入模型的组合是实现精准语义检索的核心，而 LangChain 与 Milvus 的搭配，堪称轻量化、高效率的最优解。无需复杂配置，无需手写海量向量处理逻辑，就能快速搭建出稳定、
阅读全文
摘要：LangChain高效加载 Excel 数据为文档，解锁大模型数据处理新能力 在大模型应用开发中，我们经常需要将结构化的 Excel 数据转化为大模型可理解的文档格式，而 LangChain 作为大模型应用开发的主流框架，提供了极简且高效的解决方案，完美适配 Excel 数据的加载与转换需求。 一、
阅读全文
摘要：EasyOCR 应用 在日常办公、数据处理、资料整理中，我们经常会遇到图片转文字的需求：截图里的文案无法复制、PDF 扫描件不能编辑、证件信息需要手动录入、外文图片需要提取文本…… 传统手动录入效率极低，而专业 OCR 工具要么收费，要么配置复杂。 今天给大家分享一款零门槛、高性能、免费开源的 Py
阅读全文
摘要：上一篇博客介绍了，加载pdf按页分割的方法，今天讲讲如何自定义分割pdf文件。 LangChain 实战：PDF 文档智能加载与自定义文本分割 在基于大模型的 RAG 应用开发中，PDF 文档加载与精细化文本分割是核心基础环节。分割的质量直接决定了后续向量检索的精准度和大模型回答的效果。今天给大家分
阅读全文
摘要：加载 PDF 原始页面，保留完整内容不分割 在基于 LangChain 处理 PDF 文档的场景中，很多开发者默认使用的加载方式会自动将文档内容分割成小块，虽然便于后续检索，但有时我们更需要保留 PDF 原始页面的完整内容 —— 比如解析出团通知书、合同类 PDF 时，按页码完整提取内容才能保证信息
阅读全文
摘要：文档中的文字加载后，就要向量化存在向量数据库里，提供给后面的业务逻辑使用，但是在这之前还需要对文本进行分割，分割后的结果在进行向量化，今天主要讲一讲langchain常用的几种文本分割。 LangChain 文本分割：从基础到进阶的实战指南 在基于大模型构建知识库、RAG 等应用时，文本分割是核心前
阅读全文
浙公网安备 33010602011771号