langchain

LangChain实战快速入门笔记（三）--LangChain使用之ChainsChain: 链，用于将多个组件（提示模板、LLM 模型、记忆、工具等）连接起来，形成可复用的工作流，完成复杂的任务。

将你的LangChian Agent可视化在使用 LangChain + LangGraph 构建智能体（Agent）后，我们可以通过 LangGraph 内置的 get_graph() 方法生成该 Agent 工作流的可视化流程图。这是 LangGraph 官方推荐的方式，适用于调试、文档和展示。本文就总结下生成 LangChain Agent 流程图的几种方法。

工藤学编程

零基础学AI大模型之LangChain核心：Runnable接口底层实现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-PromptTemplat

LangChain实战快速入门笔记（二）--LangChain使用之Model I/OModel I/O 模块是与语言模型（LLMs）进行交互的核心组件，在整个框架中有着很重要的地位。所谓的Model I/O，包括输入提示(Format)、调用模型(Predict)、输出解析(Parse)。分别对应着Prompt Template，Model 和Output Parser。

【连载】零基础跟我学做AI Agent（第3课：用LangChain开发一个做题Agent）本文较长，建议点赞收藏。更多AI大模型应用开发学习视频及资料，在这里。今天讲第3课，用一个做Agent的经典框架——LangChain，开发一个做数学题的Agent。

micro_cloud_fly

langchain langgraph历史会话的 json序列化你说得非常对！使用 langchain_core.messages 提供的工具函数确实是最佳实践。这种方式既官方又可靠，能正确处理所有消息类型和内部结构。

工藤学编程

零基础学AI大模型之LangChain Retriever1、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-PromptTemplat

聊天QQ:27699885

用Selfattention - LSTM网络实现锂电池SOC估计[电池SOC估算案例]: 使用Selfattention-lstm网络多特征联合SOH来实现锂电池SOC估计的算法（基于matlab编写） 1.使用NASA锂离子电池数据集来完成特征和soc以及soh提取。 2.使用NASA数据集中提取的特征为：当前处理的放电循环次数，放电过程中测量的电流值，电压值，温度值，放电过程中每个测量点之间的时间差值，累积放电容量。同时引入每个放电循环的健康状态soh来对剩余电量百分比soc值进行联合预测。 3.建立了Selfattention-lstm模型，引入了多头注意力机

用户37783304349

（教学）Agent 构建 Prompt（提示词）4. 提示词模板 (初级到高级的应用提示词)本手册汇集了面向各专业领域的 LangChain 专用提示词，充分利用大语言模型能力，同时兼顾领域专业性与行业规范。

汗流浃背了吧，老弟！

ChatGLM-整合数据库该代码实现了一套基于大语言模型（GLM-4）的自然语言转SQL查询问答系统，核心目标是让用户通过中文自然语言提问，系统自动完成「生成SQL语句→执行SQL查询→返回自然语言答案」的全流程。具体能力包括：

大模型十大高频问题之五：如何低成本部署大模型？有哪些开源框架推荐？高频原因：推理成本是落地最大障碍。热门工具链：vLLM（高吞吐推理）；llama.cpp（CPU/手机端部署）；

Everything is Context:Agentic 文件系统来了，让 AI 智能体像管理文件一样管理记忆和工具把智能体的「记忆」装进文件系统？这篇论文让大模型像操作系统一样管理上下文！https://www.arxiv.org/pdf/2512.05470

工藤学编程

零基础学AI大模型之LangChain+Milvus实战：相似性搜索与MMR多样化检索全解析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-PromptTemplat

Lvan的前端笔记

入门FastAPI和uvicorn以及和LangChain、LangGraph的简单结合随着 AI 技术的爆发，越来越多的团队开始在后端引入 Python，用来承载如 LangChain、LangGraph、向量检索、Embedding、LLM 调用等 AI 能力。但对于前端工程师或非 Python 后端开发来说，如何快速搭建一个高性能、易扩展的 Python API 服务，是进入 AI 开发的第一步。

LangChain 与其他大语言模型框架有什么区别LangChain 定位是LLM 应用层编排框架，核心聚焦“连接”（LLM + 工具/知识库/数据），而非模型训练/底层推理，这与其他框架形成本质区别。以下是与典型框架的对比：

langchain基础教程(6)---构建知识库--②向量数据库-milvusmilvus和chromadb有一点不一样案例代码:

用户37783304349

（教学）Agent 构建 Prompt（提示词）6. 输出修正解析器 OutputFixingParser在 LangChain 中的 OutputFixingParser 提供了一种自动化的机制，用于纠正在输出解析过程中可能出现的错误。

工藤学编程

AI Ping 赋能：基于 Kimi-K2-Thinking + LangChain 打造网盘在线文档总结助手本文介绍一款基于 AI Ping 平台搭建的网盘在线文档总结助手，通过集成 Kimi-K2-Thinking 大模型与 LangChain 框架，实现网盘文档 “上传即总结” 的智能体验。应用采用前端轻量化架构，依托 AI Ping 提供的性能评测、统一 API 与智能路由能力，解决开发者在模型选型、多平台适配、成本管控上的痛点，完成从文档上传、AI 解析到总结生成的全流程自动化，为网盘用户高效处理海量文档提供新方案。

大模型教程

GitHub 12w Star神器！一文详解大模型集成框架LangChain本文较长，建议点赞收藏。更多AI大模型应用开发学习视频及资料，在这里。随着ChatGPT、DeepSeek等大模型（LLM）的崛起，开发者已不满足于简单的对话框交互，而是迫切希望将其深度集成到自己应用中，以构建更强大的智能应用。因此，市场上涌现出诸多大模型集成框架，如LangChain（LangChain4j、LangChainJS）、LlamaIndex、Spring AI、Semantic Kernel、Eino等。其中，其中LangChain是这些框架中出现最早，且最成熟的框架，已成为LLM开发中最

【LangChain】【Python】【NL2SQL】sql解释器简单实现大模型对于编写SQL语句的能力是很强的，只需要提供一份数据库表的说明文档，大模型就可以为我们生成对应的SQL语句。现在就使用大模型接口的function_call功能来实现一个带数据库查询的智能体。