#LangChain
共 158 篇相关文章
LangChain之外：AI应用后端基础设施如何选型？
Reddit讨论揭示LangChain之外的后端基础设施需求：文档归一化、向量存储、认证与后台任务。探讨框架边界与生产环境选型，助你设计可扩展的AI应用架构。
B站最全AI Agent教程：七天从入门到实战
B站AI Agent智能体开发教程全面解析：从认知篇的ReAct框架、规划推理、记忆机制，到进阶篇的LangChain与AutoGen实战，再到企业级项目落地。七天学习路径是否靠谱？适合哪些人？本文为你拆解课程结构与设计思路。
LangChain入门：从框架定位到Agent实战
LangChain是什么？本文从框架定位讲起，解析LangChain如何解决大模型知识受限、无法调用外部工具、缺乏多轮对话记忆三大短板，并梳理LangChain、LangGraph、LangSmith的生态关系与学习路径。
LangChain企业级Agent开发实战：从框架搭建到私有化部署
基于B站LangChain教程，系统讲解企业级Agent开发：剖析大模型API三大局限、LangChain的Components/Chains/Agents核心概念、私有知识库问答与业务流程自动化落地场景，以及私有化部署的模型选型、数据层与安全边界工程考量。
LangChain零基础入门：核心概念与实战调用解析
LangChain零基础入门指南：解析LangChain是什么、智能体=模型+封装框架的核心定义，以及LangChain解决的联网查询、外部数据访问、多轮对话上下文管理三大问题，附学习路径建议。
LangChain代理接入结构化外部数据：三种模式与核心挑战
LangChain代理如何接入SEC EDGAR、Census等结构化外部数据集？社区讨论揭示自定义工具、MCP服务器与检索管道三种模式，以及数据规范化与新鲜度两大核心挑战。
LangChain vs. LangGraph：如何选择正确的框架
LangChain 和 LangGraph 同为开源 LLM 框架，该如何选择？本文用具体示例拆解两者在定位、结构、状态管理和适用场景上的差异，给出按工作流形态选型的实用建议，并说明两者如何分层互补。
B站748集Agent开发教程：从零到企业级实战全解析
深度解析B站748集AI Agent零基础教程：三篇课程结构覆盖认知建立、LangChain与AutoGen框架实战、企业级项目落地，分析其如何解决多数Agent教程概念与实战脱节的问题，并客观评估学习价值。
Text-to-SQL智能体实战：用LangChain与Gemini免费层打造只读安全查询
探索基于LangChain和Gemini免费层的Text-to-SQL智能体，了解其三个自定义工具、数据库层只读保护机制以及如何抵御提示注入攻击，获取安全查询数据库的实战经验。
LangChain实战：从零搭建可上线Agent的完整路径
基于B站实战视频，系统梳理用LangChain从零搭建可上线Agent的完整路径：模型接入、系统提示词、工具与联网搜索、短期与长期记忆、RAG知识库、FastAPI服务化，并点出多worker部署下记忆持久化的关键坑。
LangChain智能体实战：零基础AI Agent开发入门
基于B站348集AI大模型教程的项目实战章节，解析LangChain智能体开发的学习路径：虚拟项目演示、产品与技术架构设计、资源准备与环境搭建，适合零基础入门AI Agent开发的学习者参考。
RAG生产实践：LangChain等框架到底该不该用？
一位开发者分享生产级RAG引擎的实战经验：LangChain/LlamaIndex等框架该在哪些场景使用，哪些场景应该自己写原生代码。文档解析、检索融合、可观测性各有最佳选择。
LangChain入门教程：从原理到实战讲透AI应用开发
LangChain是什么?本文从原理讲起:统一模型接口、私有数据对接、上下文与记忆管理、智能体与工具调用,并对比Ollama、Coze的区别,帮你快速建立AI应用开发框架的整体认知。
LangChainJS 快速适配 Gemini 4 Argon：现状与未来计划
LangChainJS 已兼容 Gemini 4 Argon，无需新库即可调用。本文梳理当前可用能力、minimal 思考级别与 64k 输出限制，以及 Long Decode 和 Interactions API 的后续支持计划。
AI Agent入门实战：从零打造商业级编程智能体
AI Agent入门实战教程，讲解智能体感知-决策-行动循环，涵盖LangChain、LangGraph、MCP等技术栈，通过Vue项目创建案例展示商业级编程智能体开发全流程。
Agent智能体入门路线：别被新概念唬住，三步搭建企业级智能体
Agent智能体怎么入门？B站教程提出三步路线：搭知识地图砍掉一半学习量、用真实项目驱动、算投产比选快路。核心公式Agent=大模型+记忆+工具，初学者应跳过底层算法推导，聚焦提示词、RAG和LangChain实战。
用 LangChain 构建多模态 AI 客服：图文语音一次搞定
基于 LangChain 构建多模态 AI 客服 Agent 的完整教程：用图文和语音消息排查 App 报错，涵盖 Base64 编码、thread_id 对话记忆、模型媒体支持边界与隐私注意事项。
LangSmith评估滞后真相：CI通过后如何对账？
LangSmith 评估中延迟 ground truth 如何处理？本文拆解 CI 通过后异步对账的两阶段方案、历史归因难题，以及更新原结果、独立对账 run、外部验证账本三种实践路线的取舍。
LangChain与LangGraph实战：生产级RAG系统全流程实现
基于LangChain与LangGraph的生产级RAG系统完整实现指南，涵盖语义分块、混合检索、RRF融合、Cross-Encoder重排序、护栏机制、LangGraph编排、FastAPI部署及监控评估全流程。
LangChain 还是 LangGraph？用 create_agent …
LangChain 还是 LangGraph？用 create_agent 返回值判断
LangChain 1.4.3 中 create_agent 实际返回 LangGraph 图。通过五个可运行脚本对比 create_agent、StateGraph 和 agent-as-node 三种方案，给出选型判断法则与常见报错排查。