LangChain学习笔记(二)

一、Agent 核心

核心公式

Agent = Model(大脑)+ Harness(脚手架)

Agent 本质:模型循环思考、按需调用工具,直至任务完成;脚手架承载整套运行环境。

create_agent = 可自由配置的脚手架,整合提示词、工具、中间件、上下文能力。

1. 四大基础组成
  1. model :格式 厂商:模型名,兼容 Gemini、GPT、Claude 等
  2. tools :@tool 装饰器定义函数,依靠类型注解 + 文档注释让模型读懂用途
  3. system_prompt:定义 AI 人设、行为规则
  4. structured_output:绑定 Pydantic 模型,强制模型返回结构化 JSON,避免解析报错
2. 会话调用区分
  1. thread_id:绑定对话检查点,保存完整对话历史,实现多轮连贯聊天
  2. context:单次调用临时数据(user_id、密钥),会话之间不保留
  3. 调用方式
    • invoke:阻塞等待完整结果
    • stream_events:流式输出,实时打印思考过程、工具调用动作
3. 中间件 Middleware(脚手架扩展能力,插拔式组合)
  1. 上下文类:文件系统、历史摘要压缩、持久记忆、按需加载技能
  2. 任务调度:代办清单、子 Agent 委派拆解复杂任务
  3. 容错防护:模型重试、工具调用重试
  4. 安全护栏:敏感信息拦截、指令防护
  5. 人机协同:关键操作暂停,人工审批后继续执行
4. 三者层级关系
  1. LangGraph:底层编排框架,用来搭建复杂自主工作流
  2. create_agent:中层封装,高度自定义 Agent
  3. Deep Agents:上层成品,预装记忆、子 Agent、文件等全套中间件

二、Model 模型层

1. 初始化

init_chat_model("厂商:模型名称") 统一接口对接全平台大模型。

2. 三大调用方法
  1. invoke:单次完整请求
  2. stream:流式逐块输出,优化交互体验
  3. batch:批量并发请求,提升效率、节约成本
3. 核心常用能力
  1. bind_tools:绑定工具,让模型具备工具调用能力
  2. with_structured_output:约束输出结构,搭配 Pydantic 做格式校验
  3. 多模态:支持图文音视频输入
  4. 推理控制:reasoning_effort 调节思考深度(低/中/高)
4. 高频配置参数
  • temperature:随机性,越低回答越严谨
  • max_tokens:限制输出长度
  • max_retries:网络异常自动重试
  • rate_limiter:限流,防止触发厂商封禁

三、Messages 消息体系(上下文最小单元)

四、Tools 工具体系

五、小结

相关推荐
kaixin_啊啊4 小时前
【三种鲑科鱼类比较基因组学分析鉴定出参与细胞内寄生菌鲑立克次体抗性的功能候选基因】论文学习
学习
一条破秋裤5 小时前
【1117】【内存资源管控】【笔记】
android·笔记
CappuccinoRose6 小时前
Redis 学习文档
redis·后端·学习·缓存·session·非关系型数据库·gossip
qingwufeiyang_5307 小时前
Docker学习笔记2
笔记·学习
Z21-X8 小时前
云原生运维学习笔记:从操作系统底层到 Kubernetes 集群的深度实践
运维·笔记·学习·云原生·kubernetes
Century_Dragon8 小时前
把高压回路“看透” 新能源汽车动力系统拆装与检测实训MR软件
学习
星恒随风8 小时前
MySQL 从零入门(七):索引原理与 B+ 树详解——从磁盘 I/O 到 InnoDB 聚簇索引
linux·服务器·数据库·笔记·mysql
希和202720 小时前
江科大 51 单片机笔记:DS18B20 温度传感器 + LCD1602 显示代码详解
笔记·单片机·mongodb
电科_银尘1 天前
【深度学习项目实战·22】灰度图像着色:用小型U-Net学习从灰度到RGB
人工智能·深度学习·学习
GISer_Jing1 天前
GitHub热点I
后端·ai·langchain