#LangChain
共 171 篇相关文章
教程攻略LangChain v0.3 Agent教程：工具定义、构建与执行全流程
详解LangChain v0.3中AI Agent的完整构建流程，涵盖@tool装饰器创建工具、Agent Executor执行机制、并行工具调用、Google搜索集成等核心概念，附代码示例与最佳实践。
教程攻略LangChain Agent Executor构建原理：从零实现ReAct智能体
深入剖析LangChain Agent Executor的工作原理，详解ReAct模式的推理-行动-观察循环，手把手教你从零构建自定义Agent执行器，掌握Tool Choice策略、并行工具调用等核心技术。
教程攻略LangChain LCEL表达式语言详解：管道操作符、RunnableLambda与并行执行实战
深入解析LangChain LCEL表达式语言的核心概念，涵盖管道操作符底层原理、RunnableLambda函数包装、RunnableParallel并行检索及RunnablePassThrough透传机制，附完整代码示例与RAG多源检索实战。
教程攻略LangChain AI Agent实战：流式输出+并行工具调用完整教程
详解如何用LangChain和FastAPI构建生产级AI Agent聊天应用，涵盖流式Token传输、asyncio并行工具调用、SerpAPI异步改造、结构化输出等核心实现，附完整代码示例。
教程攻略LangChain流式输出与异步实战：Agent场景完整实现
深入解析LangChain流式输出(Streaming)与异步(Async)的实现原理，涵盖astream用法、自定义AsyncQueueCallbackHandler回调处理器、Agent流式执行器架构设计，助你构建生产级AI对话应用。
教程攻略LangChain 1.2 Agent记忆机制：短期与长期记忆实战详解
详解LangChain 1.2中Agent记忆机制的实现原理。通过代码实战演示默认Agent无记忆的问题，深入讲解短期记忆与长期记忆的区别、应用场景及上下文管理方案，帮助开发者构建具备持续对话能力的AI Agent。
深度解读如何为AI Agent框架添加深度研究技能：NVIDIA技能化架构解析
探讨NVIDIA提出的Deep Research Skill方案，解析如何将深度研究能力以技能模块形式嵌入Claude Code、LangChain等主流AI Agent框架，实现目标分解、多源检索、知识合成等专业研究能力。
教程攻略LangGraph 1.0.5教程：六节课掌握AI Agent编排与多智能体实战
LangGraph 1.0.5系列教程完整解析，涵盖状态持久化、记忆管理、Human in the Loop、流式输出、时间旅行、多智能体协作等核心特性，六节课从入门到生产部署，助你掌握AI Agent底层编排框架。
深度解读LangChain核心架构解析：五大模块从入门到实战
深度解析LangChain五大核心模块：模型I/O、数据连接与检索、链(Chains)、智能体(Agents)和记忆(Memory)。详解RAG检索增强生成工作流、Agent自主决策原理及典型应用场景，助你快速上手AI应用开发。
教程攻略LangGraph多智能体实战：从零构建医疗Agent系统
深入解析LangGraph多智能体架构在医疗行业的落地实践，涵盖LangChain、RAG、MCP技术栈协同应用，从需求分析到Agent编排的完整构建思路，帮助开发者掌握企业级多智能体系统开发的核心方法论。
教程攻略大模型RAG开发实战：原理详解与企业级落地指南
深入讲解RAG检索增强生成的核心原理与搭建流程，涵盖Embedding向量化、FAISS向量数据库、LangChain开发框架，以及企业级RAG项目中回答质量优化的实战经验与解决思路。
产品体验2025年六大Agent开发框架对比：AutoGen/LangChain/LangGraph选型指南
深度对比AutoGen、LangChain、LangGraph、Google ADK、OpenAI Agents、AgentScope六大AI Agent开发框架，从架构设计、生态成熟度、上手难度等维度分析优劣势，附对比表格与实战选型建议。
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。
