# 核心概念 # Structured Output = 将 LLM 的自然语言输出转为结构化 Python 对象 # 在 LangChain 1.0 中，使用 with_structured_output() 方法结合 Pydantic 模型，可以确保 LLM 返回符合预定义模式的数据。 # 基...
大模型代码
技术
28 篇文章
0 min 平均阅读
""" LangChain 1.0 - Middleware Basics (中间件基础) ============================================== 本模块重点讲解： 1. 什么是中间件（Middleware） 2. before_...
# Middleware（中间件）= Agent 执行过程中的钩子函数 # 在 LangChain 1.0 中，中间件是处理 Agent 生命周期的标准方式。 # 基本用法 # 创建自定义中间件 import sys import os from openai import chat sys....
""" LangChain 1.0 - Checkpointing (检查点持久化) ========================================= 本模块重点讲解： 1. SqliteSaver - SQLite 持久化（LangGraph 提供...
# 核心概念 # Checkpointing = 将对话状态持久化到数据库 # InMemorySaver → 内存中（程序退出即丢失） # SqliteSaver/ → SQLite 数据库（持久化存储） # 基本用法 # InMemorySaver 的限制 import sy...
""" LangChain 1.0 - Context Management (上下文管理) ============================================== 本模块重点讲解： 1. SummarizationMiddleware - 自动...
# 核心概念 # 内存 = Agent 记住对话历史的能力 # 默认情况下，每次调用 agent.invoke() 都是全新的开始，不记得之前的对话。使用 InMemorySaver 可以让 Agent 记住历史。 # 基本用法 # 没有内存（默认） from langchain.agents ...
"""LangChain 1.0 - Agent 执行循环本模块重点讲解：Agent 执行循环的详细过程流式输出（streaming）查看中间步骤理解消息流转"""import sysimport osfrom urllib import responsefrom openai import cha...
# 核心概念 # Agent 执行循环 = 自动化的"思考-行动-观察"过程 # Agent 不是一次性调用，而是一个循环： # 用户问题 → AI 思考 → 调用工具 → 观察结果 → 继续思考 → 最终答案 # 执行循环详解 # 执行循环详解 # ┌──────────...
目录结构 init_model.py 和 tools文件在历史文章中05 - Simple Agent (简单 Agent)├── tools │ ├── __pycache__ │ ├── __init__.py │ ├── calculator.py │ ├── weather...