langchain

LangChain v0.3 ReAct Agent 原理浅析其实去年就想写这篇文章，但因为拖延症就拖到了26年。本文主要介绍 LangChain v0.3 版本中 create_react_agent 所创建的 ReAct Agent 的工作原理。在准备这篇文章之前，LangChain 就已经发布 v1.0 版本了，但继续继续研究 v0.3 版本仍然具有意义：

langchain入门（五）- 用mongodb管理提示词以及以restful service暴露在 LLM 应用从原型走向产品化的过程中，一个常被低估但至关重要的环节是“提示词管理”。早期开发中，提示词往往直接硬编码在 Python 脚本里，看似方便，实则埋下隐患。一旦进入多环境部署、A/B 测试或多团队协作阶段，这种做法会迅速导致配置混乱、版本失控和调试困难。真正健壮的 LLM 应用，其核心竞争力往往不在于模型本身，而在于对提示词、参数和上下文的精细化控制能力。

weixin_46244623

从零搭建AI关系图生成助手：Chainlit 结合LangChain、LangGraph和可视化技术在AI快速发展的今天，如何将文本中的技术信息自动整理成可视化关系图，是很多开发者和数据分析师面临的需求。本文将分享一个完整项目案例——AI关系图生成助手，它基于 LangChain、LangGraph 和 Chainlit 构建，能够自动抽取实体关系三元组并生成 Graphviz 和 Mermaid 可视化图表。

人工干智能

LangChain 中的「工具（Tool）」和「工具包（Toolkit）」漫谈在LangChain的生态体系中，工具（Tool）与工具包（Toolkit）是撑起大模型落地应用的核心骨架，也是让大模型从“能说会道”走向“能做实事”的关键桥梁。如果说大模型是LangChain应用的“大脑”，负责思考、决策与推理，那么工具就是延伸大脑能力的“手脚”，是连接虚拟大模型与现实世界、业务系统的唯一枢纽。没有工具的加持，大模型终究囿于自身的预训练知识边界，无法触达实时数据、本地业务资源，也无法完成具体的业务操作，LangChain作为“大模型应用开发框架”的落地价值也会大打折扣。可以说，工具是L

看langchain理解python中的链式调用先看两段langchain调用模型的代码核心代码为这是 LangChain（或类似现代 Python AI 框架，如 LlamaIndex、Haystack）中典型的**链式调用（Chaining）**写法。其核心原理是利用 Python 的 __or__ 魔术方法（即 | 运算符重载）实现管道式（pipeline）组合。

04｜Langgraph | 从入门到实战 | 进阶篇 | 流式传输本系列为Langgraph文章，最终以实现企业级项目。💟 我们已经上线了一版本初稿，欢迎各位体验 https://ai.sofreight.com/ 💟

Langchain4j 系列之二十二 - Embedding Models上一个系列讲了Spring AI得到反馈效果不错，有人私信我说这个和Langchain4j有什么区别。如果站在使用方面，都是基于Java的大模型应用研发的工具，本质上没太大区别。但是从细节层面来说还是有很多不同之处，所以索性借此机会，给大家分享一下Langchain4j框架。在本系列中会按照Spring AI系列的顺序来写Langchain4j，这样的好处是可以对比两者不同的细节。

LangChain × LlamaIndex：解锁复杂AI工作流与自定义工具集成的终极指南在AI技术迅猛发展的浪潮中，LangChain与LlamaIndex已悄然成为构建智能应用的两大基石。然而，许多开发者仍停留在调用单一API的初级阶段，未能真正释放它们的协同威力。

人工干智能

LangChain的提示模板template中的{tool_names}和{agent_scratchpad}与一般程序不同：LangChain的提示模板template中的{tool_names}和{agent_scratchpad}变量并不需显示指定，它们会自动被填充。

LangChain 第二课：拒绝“废话”，用 Zod 强制 AI 输出标准 JSON摘要：在人工智能应用开发中，最让人头疼的不是 AI 不够聪明，而是它“太爱说话”。本文将深入浅出地介绍如何利用 LangChain 的 JsonOutputParser 和 Zod，给 AI 戴上“紧箍咒”，将它从一个随意的聊天对象，变成一个精准的结构化数据生成器。

AI应用开发框架对比：LangChain vs. Semantic Kernel vs. DSPy 深度解析在AI应用开发领域，选择合适的框架就像选择一把趁手的工具。LangChain、Semantic Kernel和DSPy各有千秋，但哪个才是你的最佳选择？

weixin_46244623

使用 Chainlit +langchain+ LangGraph + MCP + Ollama 构建可视化 AI 工具 Agent（完整实战）随着大模型能力的提升，单纯的对话已经无法满足实际工程需求。越来越多的场景需要模型具备调用外部工具、访问系统能力、执行复杂任务的能力。

南_山无梅落

create_deep_agent vs create_agent 的区别目录1. create_agent - LangChain 标准函数2. create_deep_agent - DeepAgents 高级函数

红鼻子时代

第9篇：Middleware中间件上回咱们学会了Agent智能代理，让AI能自主决策和调用工具。但你可能会想，Agent虽然智能，但有时候也需要"约束"和"控制"——比如安全检查、性能监控、错误处理等。

老蒋每日coding

大模型应用开发入门：用VSCode跑通第一个LangChain程序Python安装：VSCode安装：访问 https://code.visualstudio.com 下载安装

学Linux的语莫

基于ollama、llamafile部署的大模型使用部署方式：见本地部署ollama博客内容步骤（linux环境）vim /etc/systemd/system/lamafile-qwen-1.6b-cpu.service

万里不留行

【LangChain V1.0学习】第二课：批处理与持久化对话（通过完成情感机器人多轮对话进行学习）我们在上一节课学习了LangChain V1.0的模型调用与基础对话，今天这节课我们来学习大模型的批处理对话，我们通过制作简单的带有简易记忆机制的对话机器人，来学习并熟练掌握该用法。

从玩具到工具：LangChain 入门 (一)本文所用可运行langchain已经按照生产级框架配置，位于csdn的资源下载：从玩具到工具：LangChain 入门教程代码demo

LangChain：构建大语言模型应用的革命性框架深度解析LangChain 是一个开源框架，专门用于构建基于大语言模型（LLM）的智能代理和应用程序。作为当前最流行的 AI 应用开发框架之一，LangChain 通过提供标准化的接口和模块化组件，极大地简化了 LLM 应用的开发流程。该框架的核心价值在于能够将各种 AI 组件（如模型、工具、向量数据库等）有机地连接起来，形成高效的工作链，同时确保应用能够适应快速发展的 AI 技术生态。

西柚小萌新

【人工智能:Agent】--6.Langchain工作流目录1.LCEL--表达式语言2.Runable interface--运行界面2.1.输入和输出2.2.Stream