摘要： python基础数据类型； 与java还是有区别的，至少叫法不一样 核心的基础数据类型 数值类型（Number）👉 int、float、complex 布尔类型（bool）👉 True / False 字符串（str）👉 不可变的字符序列 容器类型 列表（list）👉 有序、可变 元组（tu 阅读全文

摘要： 代理中间件 现在只知道中间件是能够控​​制代理内部运行机制的方法，但具体实现还是要进一步了解 中间件的概念 中间件的用途包括： 通过日志记录、分析和调试来跟踪代理行为。 转换提示、工具选择和输出格式。 添加重试、回退和提前终止逻辑。 应用速率限制、防护措施和个人身份信息检测。 核心代理循环包括调用模 阅读全文

摘要： HTTP中的SSE模式； 模型流式输出主要依赖的就是SSE模型，了解langchain流式输出之前需要知道SSE模式 SSE 是 HTTP 协议的一种单向推送机制，服务器可以持续向客户端发送数据，而客户端不需要反复轮询。 SSE的本质 SSE 的本质就是一个不关闭的 HTTP 响应。 SSE 就是普 阅读全文

摘要： Agent与Workflow应用场景问题； 应用场景不同，LLM在其中扮演的角色也不同。LLM有不确定性，所以要根据场景是否能够接纳这种不确定性。 纯 Agent — create_agent 就是之前在dify中写的简单问答模型，模型自己调用工具。 特征：LLM 是唯一决策者，流程完全动态。 典型 阅读全文

摘要： langchain工具上下文； 工具上下文可以使工具在运行时改变一些信息，具体了解一下 工具在能够访问运行时信息（例如对话历史记录、用户数据和持久内存）时，功能十分强大。 访问上下文方式： 工具可以通过该参数访问运行时信息ToolRuntime，通过参数传入工具类进行调用和修改。 此参数会自动注入并 阅读全文

摘要： langchain的核心组件消息基本用法； 之前也用过模型的文本提示，但文本提示只是消息最简单的用法，消息的用法远远不止这些。 消息有三种基本的使用方法：文本提示、消息提示、字典格式。 文本提示 文本提示是字符串——非常适合简单的生成任务，无需保留对话历史记录。 之前的文件解析结构化输出其实就是文本 阅读全文

摘要： langchain模型调用工具； 在看文档并代码实践时发现模型调用工具并不是调用完后就会返回结果，模型会预测下一步最合理的动作。 模型循环调用流程 模型绑定工具： model_with_tools = model.bind_tools([get_weather]) 绑定工具后模型的响应包含执行该工具 阅读全文

摘要： langchain模型； 研究langchain官方文档中模型的用法 模型初始化 langchain模型初始化init_chat_model时能够传递的参数： model（模型标识符）、temperature（温度，越高模型越有创造性）、max_tokens（控制最大输出长度）等等 模型调用 模型调 阅读全文

摘要： langchain代理中系统提示； 虽然之前知道系统提示就是用来束缚模型，给模型规则的，但是实际应用依然很浅，对在ai代理中系统提示的应用了解较少。 代理（Agent）的系统提示本质上就是用来约束和指导 LLM 如何调用工具、如何思考、如何输出的。 不同Agent的本质区别就在于系统提示（syste 阅读全文

摘要： langchain中代理人的核心组件； langchain中代理人的初步学习，代理人就是语言模型与工具相结合 智能体将语言模型与工具相结合，创建能够对任务进行推理、决定使用哪些工具并迭代地寻求解决方案的系统。 通俗一点代理人讲就是：能自己判断步骤、调用工具、一步步把任务做完的AI，而不是只会回答问题 阅读全文