langchain

大志说编程

LangChain框架入门17：手把手教你创建LLM工具大语言模型（LLM）是基于训练数据进行预测并生成结果的，它无法掌握训练数据之外的知识。这一点在前面的文章中已经多次提到，通过 RAG 检索的方式，可以在一定程度上缓解这一问题。

LangChain 设计原理分析¹⁵ | AI 编排平台的演化方向主题：Observability、调试、评估、AgentOps目标：展望 LangChain 的工程化能力版图，并给出“离线可跑”的最小实践样例，帮助你为生产环境做好准备。

20_LangChain多数据源生成随着大语言模型(LLM)应用场景的不断扩展，从多种数据源获取和处理信息的能力变得越来越重要。LangChain框架提供了丰富的数据加载器，可以从各种来源加载数据，包括CSV、HTML、Markdown、PDF等多种格式。本教程将详细介绍如何使用LangChain加载和处理不同类型的数据源，以便在下游任务中使用。

19_LangChain结合SQL实现数据分析问答随着大语言模型(LLM)在各领域的应用不断深入，将LLM与结构化数据库结合已成为数据分析的重要趋势。本教程将介绍如何使用LangChain框架结合SQL数据库，构建一个能够通过自然语言查询和分析数据的问答系统。通过这个系统，用户可以使用自然语言或直接的SQL语句查询数据库，获得相关的数据分析结果。

LangChain 设计原理分析¹⁴ | 模拟实现一个精简版 LangChain主题：从零开发小框架，逐步搭建核心能力目标：综合运用前文知识，动手复刻核心原型我们实现一个最小可用（MVP）版本，覆盖 LangChain 的核心理念：

LangChain 设计原理分析¹³ | LangChain Serve 快速部署主题：LangServe、FastAPI、流式返回目标：学会把任意 Runnable（链 / Agent / 检索链）一键发布为可调用的 HTTP API，并掌握同步、流式、批量等调用方式。

前端双越老师

【干货】使用 langChian.js 实现掘金“智能总结” 考虑大文档和 token 限制大家好，我是双越。前百度滴滴资深前端工程师，慕课网金牌讲师，PMP。我的代表作有：我最近整理了一些 AI Agent 开发相关的资料，有兴趣的同学可以加入分享和讨论～

Spring AI RAG 检索增强应用首先我们先理清楚什么是RAG（检索增强）是一种信息检索技术结合AI进行内容生成的混合架构，可以有效解决大模型产生幻觉

LangChain 多任务应用开发Q: LangChain dify coze是竞品关系都是AI Agent搭建平台，dify和coze 属于低代码，langChain属于高代码，coze优于dify

大志说编程

LangChain框架入门16：智能客服系统RAG应用实战在前面几篇文章中，介绍了什么是 RAG 以及其工作流程。在 RAG 的准备阶段，学习了如何使用文档加载器对文档进行加载；文档加载完成后，需要通过文本分割器将长文档分割成适合大小的文档片段。

从零开始，亲手开发你的第一个AI大模型（一）基础知识本文较长，建议点赞收藏。更多AI大模型开发学习视频籽料，都在这>>Github<<我们将使用 Google 开源的 Agent Development Kit（ADK），结合 Gemini 大语言模型和 MCP 工具协议，从零构建一个智能航班查询 Agent，实现以下功能：

15_LangChain自定义Callback组件在构建LLM应用时，我们常常需要监控应用的运行状态、收集性能指标或实现流式输出等功能。LangChain提供了强大的回调系统，允许开发者连接到应用程序的各个阶段，实现日志记录、监控、流式处理等功能。本教程将深入探讨LangChain的回调系统，并通过实例演示如何创建和使用自定义回调组件。

东方不败之鸭梨的测试笔记

智能测试用例生成工具设计设计一个结合公司历史测试用例和AI能力的智能测试用例生成工具知识传承：将历史测试用例转化为可检索的知识库

LangGraph实践-构建AI工作流:创建一本大模型应用开发书籍原文如果你想使用dify，coze以及n8n构建你的工作流，那基本上非常轻松，拖拽组件即可完成，但是因为基本上都是低代码平台，因此你可以操作的空间非常小，当然据我了解n8n是可以支持js或者python添加节点的，这为工作流的灵活性开了窗口，使可以会写代码的人有了自由发挥的空间，但是如果全流程想要代码实现，那就得用LangGraph这样的框架去实现了。

大志说编程

LangChain框架入门15：深度解析Retrievers检索器组件在上一篇文章中，介绍了 VectorStore 接口的常用方法，以及 VectorStore 接口的常见实现类，并以 WeaviateVectorStore 为例，演示了如何使用 WeaviateVectorStore 进行向量数据库的存储和检索。本文将继续介绍如何使用检索器组件 Retrievers 进行高效的数据检索。

Google Agent白皮书：深度解析生成式AI Agent原文在人工智能飞速发展的今天，我们已经习惯了与各种AI模型互动。但你是否想过，如果AI不仅仅是生成文本或图片，还能像人类一样，根据目标自主思考、规划，并调用各种“工具”来与真实世界互动，那会是怎样一番景象？

ai绘画-安安妮

零基础学LangChain：核心概念与基础组件解析目录本系列分为以下四篇，本篇为本系列的第一篇本篇目标：掌握 LangChain 的核心概念和最常用的基础模块，能够构建简单的 LLM 应用。

13_LangChain向量管理高阶指南在人工智能和大语言模型应用中，向量数据库已成为构建智能应用的核心基础设施。本教程将深入探讨向量存储的底层原理，并详细介绍几种主流向量数据库的使用方法，帮助开发者选择和优化适合自己项目的向量管理解决方案。

langgraph开发Deep Research智能体-项目搭建大家都说2025年是AI Agent元年，自然agent智能体开发也非常热门。很多公司的所谓的智能体其实是通过扣子、dify这种平台配出来的。就像是通过低代码平台配置出来的web页面一样，虽然能用，但是如果你的需求很复杂，往往平台就无法满足你的需求。作为程序员所以我们还是得需要自己动手来实现智能体，这篇文章我们来讲讲如何使用langgraph搭建一个node.js项目来实现一个Deep Research智能体。

大志说编程

LangChain框架入门14：深入解析向量存储组件VectorStore在上一篇文章中，我们了解了什么是向量数据库，并以开源向量数据库Weaviate为例，介绍了它的使用安装和基本使用方法。