LangChain

51. LangChain技术指南 1. LangChain基础概念 1.1 LangChain简介 1.2 核心特性与优势 1.3 应用场景 1.4 生态系统 1.5 小白入门指南 2. 核心架构与组件 2.1 整体架构设计 2.2 核心组件概览 2.3 数据流与处理流程 2.4 模块化设计原则 3. Models模型层 3.1 LLM大语言模型 3.2 Chat Models聊天模型 3.3 Embeddings嵌入模型 3.4 模型集成与配置 4. Prompts提示工程 4.1 Prompt Templates提示模板 4.2 Few-shot Prompting少样本提示 4.3 Output Parsers输出解析器 4.4 提示优化策略 5. Memory记忆系统 5.1 记忆类型与机制 5.2 对话历史管理 5.3 向量存储记忆 5.4 记忆优化与性能 5.4.1 记忆压缩深度解析 5.4.2 细节丢失与补偿机制 5.5 记忆持久化 6. Chains链式调用 6.1 Chain基础概念 6.2 常用Chain类型 6.3 自定义Chain开发 6.4 Chain组合与编排 7. Agents智能代理 ...

57. AI-Agent 技术指南 目录 点击展开目录 57. AI-Agent 技术指南 目录 AI Agent 基础概念 什么是 AI Agent AI Agent vs 传统 AI AI Agent 的核心能力 AI Agent 的发展历程 AI Agent 的应用场景 AI Agent 核心架构 Agent 架构总览 感知模块 规划模块 记忆模块 行动模块 工具使用模块 大模型基础与推理 LLM 作为 Agent 大脑 Prompt Engineering 核心技术 思维链与推理策略 上下文窗口管理 模型选型与对比 Agent 推理与规划框架 ReAct 框架 Plan-and-Execute 框架 Reflexion 反思框架 Tree of Thoughts LATS 框架 工具使用与 Function Calling Function Calling 原理 工具定义与注册 工具调用流程 常用工具类型 工具编排与组合 记忆系统设计 短期记忆 长期记忆 向量数据库与检索 RAG 检索增强生成 记忆管理策略 主流 Agent 框架 LangChain / LangGraph AutoGPT / AutoGen CrewAI 多智能体框架 Dify / Coze 低代码平台 框架选型对比 多智能体系统 多智能体架构模式 Agent 间通信协议 任务分配与协调 冲突解决机制 多智能体实战案例 Agent 开发实战 开发环境搭建 构建一个完整 Agent Agent 调试与测试 Agent 部署与上线 Agent 安全与优化 安全风险与防护 性能优化策略 成本控制 可观测性与监控 Agent 前沿与趋势 最新研究进展 行业应用趋势 技术发展方向 高频面试题精选 基础概念类 架构设计类 实践应用类 深度原理类 综合场景类 学习资源与参考 AI Agent 基础概念 什么是 AI Agent AI Agent（人工智能代理）是一种能够自主感知环境、制定计划、执行行动并根据反馈不断调整策略的智能系统。与传统的 AI 模型不同，Agent 不仅仅是被动地回答问题，而是能够主动地完成复杂任务。 ...