分类： 大语言模型

深入理解 DeepAgents 中的 Skill 机制 DeepAgents 是 LangChain 团队开发的一个强大框架，旨在为 AI Agent 提供灵活且易于扩展的功能模块，其中 Skill 功能是其核心特性之一。本文将详细介绍如何在 DeepAgents 中使用和实现 Skills，并通过实战示例帮助读者掌握其应用方法。 概述 Skill 机制允许开发者定义一组独立的操作或功能集合，这些

如何在 NestJS 中使用 LangChain 的 Prompt Template 构建动态提示词 引言 在开发应用时，使用静态提示词可能会限制模型的灵活性和适用范围。为了提高代码的质量与效率，在这里介绍如何利用 LangChain 提供的 PromptTemplate 和相关类来构建具备高度可配置性的动态提示词模板。 LangChain 是一个用于自然语言处理任务的强大库，能够帮助开发者构建各

终端AI助手的上下文压缩与持久化记忆设计 随着大模型CLI工具的应用增多，终端AI助手在复杂对话场景中遇到的问题愈发明显。本文结合实际经验，探讨如何通过技术手段让AI拥有“长期记忆”和“超长对话”的能力。 一、问题分析 使用大型语言模型进行交互时，常见的挑战包括： 上下文截断：当对话轮数过多时，系统可能会直接丢弃最老的消息，导致关键信息丢失。 跨会话无记忆：每次新的对话启动时，系统无法保存之前的对

步骤1：注册LangSmith账号 访问 LangSmith官网 并注册一个账号。在注册过程中，完成邮箱验证后进入个人中心页面。 步骤2：获取 API Key 登录到 LangSmith 个人账户，在“Settings”（设置）中找到“API Keys”（API密钥）。点击创建一个新的 API Key，并复制它以备后续使用。 步骤3：安装必要的依赖库 确保已安装 langchain 和 langs

从你提供的详细分析来看，Claude Code 的可扩展工具系统是一个高度复杂的架构，旨在支持多种类型的工具，并能够灵活地处理用户的权限请求以及并发执行需求。以下是对你提到的几个关键点的一些总结和补充： 1. 工具系统的灵活性与安全性 动态加载机制：通过 ToolManager 和 CustomSkillRunner，Claude Code 能够在运行时动态加载不同的工具，这为系统提供了高度的可扩

深入理解ReAct模式及其在Agent系统中的应用 近年来，在AI和机器学习领域，Agent、RAG（检索增强生成）、Function Call和工作流编排等概念越来越受到面试官的青睐。其中，“ReAct”模式被频繁提及，它代表了一种新型的决策范式，能够使模型在推理过程中动态调用工具，从而得出最终答案。 然而，仅仅将“ReAct”定义为“先推理再行动”的回答是远远不够的。在实际开发中，理解其核心机

如何从零搭建RAG应用：《红楼梦》问答系统实战 在本文中，我们将基于《红楼梦》构建一个检索增强生成（Retrieval-Augmented Generation, RAG）系统。通过Langchain、Chroma和qwen-plus等工具，实现对小说文本的高效索引与查询。 什么是RAG？ RAG是一种结合了大规模语言模型与向量数据库的技术框架，旨在提升问答系统的准确性和相关性。通过将知识库中的信

继续执行流程分解： 3.2 执行流程分解（续） 从工具调用返回后，Agent 继续处理结果： Router 检测到 ToolMessage： 当两个 get_weather 工具调用完成后，生成的 ToolMessage 被发送回 model_request 节点。 模型推理返回答案： 接下来，Agent 会再次调用 GPT-4o 模型来处理收到的工具结果，并生成最终的回答。 Router 检测到

Course Content Generation Process The process for generating course content involves several stages, each responsible for transforming user inputs into structured educational materials using machine l

有效管理AI会话：避免上下文腐化与提高协作效率 在使用大型语言模型（LLM）进行对话和任务处理时，我们经常遇到的一个常见问题是“上下文腐化”。尽管增加窗口大小可以暂时缓解这个问题，但最终仍然无法根治。本文将重点介绍一种有效的技术手段——会话迁移，帮助你更高效地管理和利用AI工具。 什么是上下文腐化？ Anthropic（一家专注于开发和研究大型语言模型的公司）提出了一种现象叫“Context Ro