趋近智
使用LangChain构建大型语言模型应用
章节 1: LangChain 框架介绍
框架的缘由
LangChain 的核心架构
设置开发环境
您的第一个LangChain应用
章节 2: 模型、提示与解析器
与LLM和聊天模型交互
使用 PromptTemplates 管理提示词
实现少样本提示
使用解析器结构化输出
动手实践：构建结构化数据提取器
章节 3: 构建用于顺序操作的链
链的基本原理
使用简单的LLM链
创建顺序链
使用路由器链实现条件逻辑
实践操作：一个内容生成流程
章节 4: 会话应用中的记忆功能
会话中状态的意义
用于短期回顾的缓冲区记忆
长对话的摘要记忆
使用窗口式和基于令牌的记忆
为链和代理增加记忆功能
实践：构建一个带记忆的聊天机器人
章节 5: 检索增强生成 (RAG) 的数据连接
RAG系统架构
使用文档加载器加载数据
文档分块处理
向量存储和嵌入
使用检索器获取数据
构建问答链
动手实践：基于您文档的问答
章节 6: 开发自主智能体
代理和工具介绍
代理、工具和工具集架构
应用内置工具
创建自定义工具
代理类型和执行器介绍
实操：一个网络搜索代理
实操：一个网络搜索代理
使用 Kerb 更快构建 LLM 应用
简洁的语法。内置调试功能。从第一天起就可投入生产。
为 ApX 背后的 AI 系统而构建
这部分内容有帮助吗？
- ReAct: Synergizing Reasoning and Acting in Language Models, Shunyu Yao, Jeffrey Zhao, Dian Yu, Nan Du, Izhak Shafran, Karthik Narasimhan, Yuan Cao, 2023 ICLR DOI: 10.48550/arXiv.2210.03629 - 介绍了 ReAct 框架，它结合了推理和行动，使大型语言模型能够通过生成口头推理轨迹和特定任务行动来执行复杂任务。此框架与文中描述的智能体循环直接相关。
- LangChain Agents Documentation, LangChain, 2024 - LangChain 框架中构建和使用智能体的官方指南，涵盖智能体概念、工具和执行器等组件以及集成示例。
- Tools (Function calling), OpenAI, 2024 (OpenAI) - 指导如何通过定义模型可调用的函数，使 GPT-4o 等大型语言模型与外部工具交互，与智能体的行动生成直接相关。
© 2025 ApX Machine Learning用心打造