-
编辑 删除
智能体LangChain(八)核心模块：代理(Agents)，ReAct Agent
在LangChain中，ReAct Agent是一种基于"推理 - 行动（Reasoning - Acting）" 范式的智能代理，融合推理与行动的，以模拟人类在解决问题时的思维和行为模式。其工作流程遵循 Thought → Action → Observation 的循环机制，借鉴了思维链提示的方法，在推理过程中会生成一系列中间思维步骤，类似人类思考问题时的内心独白，有助于更好地理解问题和规划行动。
-
编辑 删除
智能体LangChain(七)核心模块：链(Chains)，手把手教你搞定工作流(1)
LangChain提供了丰富的链类型，从简单的 LLM 调用到复杂的代理系统，覆盖了各种应用场景。在实际开发中，应根据任务需求选择合适的链类型，遵循 "从简单到复杂" 的原则，合理组合现有组件，并在必要时自定义链以满足特定需求。通过遵循最佳实践，可以构建出高效、可维护、更强大且安全的 LLM 应用。
-
编辑 删除
智能体(AI Agent)开发实战之【LangChain】(四)基于RAG实现本地知识库问答和纠错
智能体(AI Agent)开发实战之【LangChain】(四)结合大模型基于RAG实现本地知识库问答和纠错
-
编辑 删除
智能体(AI Agent)开发实战之【Coze】(一)治愈和疗愈系图文一键量产(附保姆级工作流)
智能体(AI Agent)开发实战之【Coze】(一)治愈和疗愈系图文一键量产(附保姆级工作流)
-
编辑 删除
智能体(AI Agent)开发实战之【LangChain】(三)基于RAG实现本地知识库问答优化
智能体(AI Agent)开发实战之【LangChain】(三)结合大模型基于RAG实现本地知识库问答优化
-
编辑 删除
智能体(AI Agent)开发实战之【LangChain】(二)结合大模型基于RAG实现本地知识库问答
智能体(AI Agent)开发实战之【LangChain】(二)结合大模型基于RAG实现本地知识库问答
-
编辑 删除
智能体(AI Agent)开发实战之【LangChain】(一)接入大模型输出结果
智能体(AI Agent)开发实战之【LangChain】(一)接入大模型输出结果
