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
posted @ 2026-04-13 10:36
万笑佛
阅读(152)
评论(2)
推荐(1)
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
posted @ 2026-04-10 12:24
万笑佛
阅读(116)
评论(0)
推荐(0)
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
posted @ 2026-04-09 11:15
万笑佛
阅读(167)
评论(0)
推荐(0)
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
posted @ 2026-04-07 16:56
万笑佛
阅读(179)
评论(0)
推荐(0)
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
posted @ 2026-04-03 11:01
万笑佛
阅读(182)
评论(2)
推荐(0)
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
posted @ 2026-04-02 13:18
万笑佛
阅读(135)
评论(0)
推荐(0)
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
posted @ 2026-04-01 11:14
万笑佛
阅读(145)
评论(0)
推荐(0)
浙公网安备 33010602011771号