#LangChain
共 79 篇相关文章
教程攻略2025年大模型转型路线图：基础→框架→实战三阶段规划
系统梳理2025年AI大模型应用开发转型路线，涵盖Python基础、Transformer架构、LangChain与LlamaIndex框架、RAG检索增强生成、Agent开发、模型微调三大核心技能，附实战项目建议，助你2-3个月完成转型。
教程攻略TypeScript实现LangGraph：从零拆解AI Agent框架核心原理
深入解析如何用TypeScript从零实现LangGraph核心设计思想，涵盖状态图驱动、节点化编排、ReAct模式等AI Agent开发范式，帮助前端工程师掌握智能体框架的底层原理与实战技巧。
教程攻略企业级Deep Research Agent落地指南：架构设计与核心痛点解决方案
深度解析企业级Deep Research Agent的完整落地流程，涵盖工具失控、上下文污染、成本控制等十大开发痛点及解决方案，详解基于LangChain框架的智能研究系统架构设计与定制化实践。
教程攻略LangChain多模态实战：用ChatPromptTemplate实现图片识别
详解LangChain框架中ChatPromptTemplate的多模态用法，支持URL、Base64、本地路径三种图片输入方式，附实战代码演示与PySide6桌面应用集成方案，快速上手多模态AI开发。
深度解读MCP协议详解：取代Function Calling的智能体通信新标准
深入解析MCP（Model Context Protocol）协议的核心概念、三种通信机制（Stdio/SSE/Streamable HTTP）及生态现状。了解MCP如何取代Function Calling，实现智能体与工具的标准化远程调用，打破企业数据孤岛。
教程攻略AI Agent学习路线图：LangChain到企业级落地的完整指南
深度解析GitHub热门开源项目ai-agents-from-zero，涵盖LangChain、LangGraph、RAG、MCP等主流技术栈，提供从零基础到企业级AI Agent开发的系统化学习路径、实战项目与面试题库。
产品体验Aix-DB开源框架：自然语言查询数据库的多智能体实战方案
深度解析Aix-DB开源项目，基于LangChain/LangGraph和MCP协议构建多智能体协作架构，实现自然语言到SQL查询、数据分析与可视化的端到端转换，附核心技术架构与应用场景分析。
教程攻略测试工程师用5大工具搭建18个AI Agent实战指南
详解测试工程师如何用Coze、LangChain、Dify、Cursor、Skills五大工具搭建18个AI Agent，覆盖需求分析、用例生成、脚本编写、回归测试全流程，零基础也能上手，日均节省2小时以上。
产品体验2026年AI Agent框架怎么选？四大主流方案优缺点对比
深度对比2026年四大主流AI Agent框架：扣子Coze、AutoGen、CrewAI、LangChain和AutoGen Studio的优缺点，从编程门槛、私有化部署、商业化能力等维度帮你找到最适合的智能体开发方案。
产品体验2025年AI Agent框架选型：Coze/AutoGPT/LangChain/AutoGen优缺点对比
2025年四大主流AI Agent框架深度对比：扣子Coze适合入门体验，AutoGPT/LangChain/MetaGPT适合程序员，微软AutoGen适合企业私有化部署。从技术门槛、部署方式、适用场景三个维度帮你快速选定最合适的智能体开发框架。
深度解读Agentic RAG完整指南：原理解析与代码实现
深入解析Agentic RAG与传统RAG的核心区别，详解工具调用、多步迭代、Query改写等关键机制，附LangChain和LangGraph代码实现，帮助开发者构建具备自主决策能力的智能检索增强生成系统。
教程攻略Agentic RAG实战教程：用LangGraph实现智能检索增强生成
深入讲解Agentic RAG的原理与代码实现，对比传统RAG的局限性，通过LangChain和LangGraph演示如何将检索能力工具化，让大模型具备自主决策、多轮迭代检索的智能体能力。
教程攻略Agentic RAG实战：原理剖析与LangChain代码实现指南
深入对比传统RAG与Agentic RAG的架构差异，解析Agentic RAG的规划、工具调用、多步迭代三大核心能力，并基于LangChain和LangGraph提供完整的ReAct Agent代码实现，附ChatBoss开源项目实战案例。
科技前沿DeepAgents：LangChain基于LangGraph打造的深度智能体开发框架
DeepAgents是LangChain团队基于LangGraph发布的开源智能体开发框架，支持多步推理、状态管理和多Agent协作。本文深入解析其技术架构、核心特性与适用场景，帮助开发者快速上手生产级AI Agent开发。
深度解读LangGraph深度解析：构建弹性AI Agent的开源框架
深入解析LangGraph开源框架的核心架构、状态图设计、多Agent协作机制及部署方案。了解这个GitHub 31K+ Star项目如何帮助开发者构建可靠、可控的AI Agent系统。
教程攻略Flowise教程：拖拽式构建AI Agent的开源可视化编排工具
深入解析Flowise开源项目，一款基于LangChain的可视化AI Agent构建工具。支持拖拽式编排LLM应用、RAG知识库问答、多工具Agent开发，GitHub超5.2万Star，零代码快速搭建智能应用。
教程攻略LangGraph智能Agent开发实战：从入门到项目架构全解析
深入解析基于LangGraph框架的智能Agent项目实践，涵盖LangGraph核心概念、项目架构设计、状态管理策略及Agent开发实践建议，帮助Python开发者快速上手AI智能体开发。
产品体验AgentChat开源项目：集成MCP、RAG与LangChain的AI智能体平台
深度解析AgentChat开源智能体平台，了解其如何集成MCP协议、RAG检索增强生成、LangChain框架与Function Call等核心技术，实现多Agent协作、知识检索与自定义工作流，附架构设计与应用场景分析。
