#LangChain
共 171 篇相关文章
从零搭建企业级Agent：LangChain 1.0核心能力全解析
本文系统解析AI Agent智能体的核心概念、软件形态演进与工作机制，并重点拆解LangChain 1.0的六大升级与create_agent快速开发实践，适合Agent开发入门者。
langchain-halu：给LangChain加一层LLM幻觉检测
langchain-halu 是一个开源的 LangChain 幻觉检测集成，通过标注、拦截、自动重试三种方式将 LLM 幻觉检查嵌入 LCEL 链，底层返回校准概率与错误类型，帮助提升大模型应用可靠性。
LangChain入门指南：AI Agent智能体开发核心概念与三大能力解析
LangChain是大模型应用开发的入门级框架，本文解析智能体=模型+框架的核心公式，以及LangChain如何解决模型的知识时效、外部数据访问和上下文记忆三大局限，适合AI Agent开发入门。
LangChain+MCP实战入门：从工具调用到智能体搭建
从零入门 LangChain 与 MCP：讲解大模型如何绑定工具接入企业业务、Agent 智能体如何真正执行工具调用，以及为何应站在框架肩膀上聚焦业务而非重复造轮子。
无需改动Agent代码，如何按参数拦截LangChain工具调用
如何在不修改 LangChain/LangGraph Agent 代码的前提下，按参数拦截工具调用？本文解析基于网关的策略层方案，对比 interrupt() 人工审批与工具内检查，并剖析流式拦截、fail open 等关键限制。
为LangChain/LangGraph添加Agent Skills：上下文、缓存与Artifacts的工程权衡
一位开源开发者分享了为LangChain/LangGraph金融Agent添加Agent Skills的三条核心经验：指令按需加载与Prompt缓存的权衡、用Artifacts避免数据绕行LLM、让工作流决定运行时，并附Python/TypeScript示例。
LangChain+Playwright 打造智能测试Agent：自然语言驱动UI自动化
本文介绍如何用 LangChain 结合 Playwright 搭建智能测试Agent，通过本地大模型加浏览器工具包，实现自然语言驱动的UI自动化测试，降低脚本维护成本，并分享事件循环、提示词等实战踩坑要点。
LangSmith Fine-Tuning 上线：一条 CLI 打通微调全流程
LangChain 发布 LangSmith Fine-Tuning 与 smithtune 工具，Fireworks 成为首批训练合作伙伴。开发者可通过一条 CLI 完成从 LangSmith traces 到托管 SFT、评估、部署的完整微调闭环，无需自建训练基础设施。
为什么大模型应用离不开LangChain？框架入门核心概念详解
为什么会调 API 还要学 LangChain？本文从工程化落地角度解析 LangChain 的核心价值，详解提示词模板、Chains、Memory、RAG、Agent 五大模块及企业真实应用场景，帮你理清从调 API 到做产品的关键差距。
AI Agent开发入门指南：为什么它是下一个技术风口
AI Agent被视为软件行业的下一次范式革命。本文解析Agent与通用大模型的区别、群体协同前沿探索、市场增长数据及入门路径，并介绍一套基于LangChain的零基础Agent开发学习方案。
LangChain入门详解：AI Agent智能体开发从0到1
LangChain 入门指南：从模型加封装框架的定位出发，讲解 LangChain 名字由来、三大核心能力（突破知识时间边界、连接外部数据、多轮对话记忆管理），帮助小白从0到1开发 AI Agent 智能体。
LangChain九月更新解析：委托访问与Agent可观测性升级
LangChain九月版本更新详解：为沙箱引入委托式LangSmith访问、支持stop_reason捕获的SDK运行追踪、修复ReDoS安全漏洞，并覆盖LangChain OpenAI、Anthropic及LangGraph CLI等生态包，全面提升agent工作流的可观测性与可靠性。
LangChain入门：为什么大模型应用离不开它
LangChain入门讲解：一句话理解它作为大模型应用开发框架的定位，剖析单一大模型在知识时效、外部交互、状态记忆上的三大局限，以及LangChain如何通过统一组件抽象和外部集成补齐能力，为RAG与Agent实战打基础。
LangChain文档为何劝退新手？本地模型与产品推广之痛
一位初学者吐槽 LangChain 文档对新手极不友好：本地模型（Ollama、llama.cpp）集成信息难找、LangSmith 产品推广充斥入门页、示例过度依赖云端 API。本文剖析这些痛点背后的开源文档维护困境。
AI Agent 开发入门指南：从概念到实战的完整学习路径
AI Agent 开发入门完整指南：从聊天机器人到智能代理的演进、Agent 与传统工具的区别、斯坦福小镇与 ChatDev 案例，以及基于 LangChain 的三阶段学习路径。适合零基础开发者建立 AI Agent 认知体系。
LangChain框架入门：从核心库到AI Agent开发全解析
LangChain是专为大模型应用开发设计的开源框架。本文详解LangChain Core、LangGraph、LangServe、LangSmith等核心库的分工，帮助开发者理解如何结合RAG与AI Agent搭建企业级智能应用。
LangChain 1.3 入门指南：大模型与Agent核心概念解析
LangChain 1.3入门教程：解析大语言模型的三大局限、框架的统一接口与模块化架构，以及LLM、Agent、DeepAgent与Harness架构的层级关系，助你理解大模型应用开发核心概念。
LangChain Deep Agents 与 MDA 有何区别？开发者困惑解析
LangChain 的 Deep Agents 与 MDA（托管深度智能体）到底有何区别？本文从 create_deep_agent 与 define_deep_agent 的差异出发，解析自托管与托管两种智能体部署模式的取舍，帮助开发者理清选择思路。
LangChain Agent 网页抓取：自建方案 vs 托管 API 实战对比
LangChain Agent 网页抓取该自建还是用托管 API？本文对比 Playwright/bs4 自建方案与 Firecrawl、context.dev 托管服务，分析成本、反爬维护与适用场景，帮你找到切换拐点。
教程攻略RAG技术入门：什么是检索增强生成？如何解决大模型幻觉问题
RAG（检索增强生成）是解决大模型幻觉问题的核心技术方案。本文介绍RAG的基本概念、工作原理，分析大模型幻觉产生的三大原因，并梳理从RAG基础到知识图谱RAG的完整学习路线，帮助你快速入门大模型应用开发。