#大模型应用开发

共 5 篇相关文章

深度解析AI Agent智能体的四大核心要素（大模型、工具集、提示词、执行器）与ReAct循环决策机制，通过天气查询实例拆解Agent推理-行动的完整工作流程，帮你真正理解智能体的动态决策本质。

深入解析AI Agent核心机制Agent Loop的工作原理，基于ReAct架构实现推理与行动的循环。涵盖Tool Call ID处理、上下文管理、Assistant消息回传等关键细节，附完整Python代码与常见Bug排查。

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。

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。