langchain

LangChain1.0智能体开发：MCP阅读本文您将获得：模型上下文协议（Model Context Protocol, MCP）是一种开放协议，用于标准化应用程序向大语言模型（LLM）提供工具和上下文的方式。LangChain智能体可借助langchain-mcp-adapters库，使用在MCP服务器上定义的工具。

在 DigitalOcean GPU 云服务上使用 LangChain 构建Serverless AI 应用当你在构建 AI 应用时，合适的工具往往能起到决定性的作用。LangChain 多年来一直是开发者首选的框架之一，它丰富的集成生态系统能帮助开发者从创意快速走向生产落地。

LangChain1.0智能体开发：上下文工程众所周知，上下文工程是构建企业级可靠的智能体的关键。阅读本文您将获得：构建智能体（或任何大模型应用）的难点在于如何让它们具备足够的可靠性。这类应用或许能在原型阶段正常运行，但在实际应用场景中却常常出现故障。

“负拾捌”

LangChain 中 ChatPromptTemplate 的几种使用方式ChatPromptTemplate是创建聊天消息列表的提示模板。它比普通 PromptTemplate 更适合处理多角色、多轮次的对话场景。

学历真的很重要

LangChain V1.0 Messages 详细指南基于官方文档 https://docs.langchain.com/oss/python/langchain/messages 的完整中文总结

AI 实战篇：用 LangGraph 串联 RAG+MCP Server，打造能直接操控 Jira 的智能体大家好，我是CV君，一个在AI技术领域持续深耕的老司机。在日常开发中，Jira是我们绕不开的项目管理工具。但不知道你有没有这样的痛点：

LangChain1.0智能体开发：运行时（Runtime）基于LangChain1.0创建的智能体是运行在LangGraph的运行时（Runtime）之上。LangChain可以通过LangGraph对外暴露的运行时对象访问上下文、存储以及流写入器。

LangChain1.0智能体开发：安全防护机制防护机制是所有基于大模型的部署方案中的关键组件。设计完善的防护机制，为你的智能体实现安全检查与内容过滤功能，有助于管理数据隐私风险和声誉风险。阅读本文您将获得；

LangChain.js 完全开发手册（十八）AI 应用安全与伦理实践大家好，我是鲫小鱼。是一名不写前端代码的前端工程师，热衷于分享非前端的知识，带领切图仔逃离切图圈子，欢迎关注我，微信公众号：《鲫小鱼不正经》。欢迎点赞、收藏、关注，一键三连！！

兴趣使然黄小黄

【AI-agent】LangChain开发智能体工具流程开发一个智能体，本质上就是让AI具备"思考-行动-反馈"的循环能力。简单来说，我们需要让AI能够：下面，我们将从“查询城市天气”的例子出发，看下如何使用LangChain开发一个简单的智能体

AI 编程工具Claude Code 介绍概述由 Anthropic推出的 Claude Code是一款运行在开发终端中的 AI 编程助手，将 Claude 系列模型的能力直接带到命令行与 IDE。它通过自然语言理解项目上下文，支持跨文件编辑、运行测试、提交代码等工作流，强调对大型代码库的深度理解与可控的自动化。模型侧可接入 Claude Opus 4、Sonnet 4、Haiku 3.5等，并可结合 MCP（模型上下文协议）扩展外部工具与数据源，既可在本地终端高效工作，也能与 VS Code、JetBrains等主流 IDE 协作。

构建智能知识库问答助手：LangChain与大语言模型的深度融合实践在人工智能迅猛发展的今天，大语言模型（Large Language Model，简称 LLM）已成为智能问答、文本生成与知识推理的重要技术基石。从 ChatGPT 到 Claude，再到各类国产语言模型，这些模型凭借强大的语言理解与生成能力，在众多领域展现出了非凡的潜力。然而，尽管 LLM 能回答多领域的通用问题，但其知识主要来源于预训练语料和指令微调数据，无法直接访问企业内部文件、专业论文或私有数据库。这就导致当问题涉及到特定领域知识时，模型往往出现“知识盲区”或“幻觉式回答”。

“负拾捌”

LangChain提示词模版 PromptTemplatePrompt Template 是LangChain中的一个概念，接收用户输入，返回一个传递给LLM的信息(即提示词prompt)。

langchain agent的中间件中间件使agent开发人员能够实现对agent执行中每一步的细粒度控制，其实现机制与Java spring中的AOP相同。正如AOP可以让开发人员在目标方法执行前、执行后、返回后、抛出异常时及环绕目标方法执行插入逻辑一样，langchain中的中间件也可以让开发人员在agent调用前后、模型调用前后、工具调用前后、围绕工具调用和围绕模型调用插入逻辑。中间件强化了agent能力，具体包括：

工藤学编程

零基础学AI大模型之LangChain Embedding框架全解析前情摘要 1、零基础学AI大模型之读懂AI大模型 2、零基础学AI大模型之从0到1调用大模型API 3、零基础学AI大模型之SpringAI 4、零基础学AI大模型之AI大模型常见概念 5、零基础学AI大模型之大模型私有化部署全指南 6、零基础学AI大模型之AI大模型可视化界面 7、零基础学AI大模型之LangChain 8、零基础学AI大模型之LangChain六大核心模块与大模型IO交互链路 9、零基础学AI大模型之Prompt提示词工程 10、零基础学AI大模型之LangChain-PromptTe

赋范大模型技术社区

LangChain 1.0 实战： NL2SQL 数据分析 Agent在企业级数据分析场景中，“自然语言问数据” 已经成为新一代智能 BI 的主流趋势。本文教你如何使用 LangChain 1.0 的 ReAct Agent 架构，实现 NL2SQL 数据分析，使业务人员能够以对话式交互高效获得数据洞察。本文将带你完整了解：

深入浅出：Tongyi DeepResearch技术解读阿里通义团队于9月重磅开源的高性能智能体（Agent）模型——Tongyi DeepResearch，专为处理复杂、长周期的信息检索任务而设计，具备优异的多步推理与工具调用能力。是首个在性能上可与OpenAI DeepResearch相媲美、并在多项权威benchmark测试中取得领先的开源Web Agent。

Langchain 和LangGraph 为何是AI智能体开发的核心技术LangChain 和 LangGraph 是当前大语言模型（LLM）应用开发中非常重要的两个技术框架，它们在AI领域的技术底座落地中扮演不同角色，各有明确的应用场景和优势。以下从技术架构、应用场景和核心优势三个维度进行深度解析：

大模型真好玩

LangChain1.0速通指南（三）——LangChain1.0 create_agent api 高阶功能上篇分享LangChain1.0速通指南（二）——LangChain1.0 create_agent api 基础知识笔者带大家学习了 create_agent API 的基本构建要素、消息机制与流式输出等核心操作。然而，create_agent 作为 LangChain 1.0 中新一代智能体构建的标准 API，其能力远不止于此。从工具调用的精细化控制，到记忆机制的灵活运用，再到细粒度的逻辑控制，它都提供了丰富而强大的高阶功能。本文作为该系列第三篇，将继续深入 create_agent 的相关知识体系，

LangChain1.0智能体开发：结构化输出阅读本文您将获得：结构化输出能让智能体以特定、可预测的格式返回数据。无需解析自然语言响应，你就能直接获取JSON对象、Pydantic模型或数据类（dataclasses）形式的结构化数据，供应用程序直接使用。LangChain的create_agent接口会自动处理结构化输出。用户只需设置所需的结构化输出模式（schema），当模型生成结构化数据后，该数据会被捕获、验证，并最终在智能体状态的structured_response键中返回。