12 - Validation & Retry (验证和重试)核心概念验证和重试 = 确保 LLM 应用的可靠性和数据质量在生产环境中，需要处理三类问题：网络错误 - 临时性连接问题（用 with_retry()）模型故障 - 主模型不可用（用 with_fallbacks()）输出质量 - LLM...
LangChain 文档
标签：LangChain 文档下的所有文章
22 篇文章
0 min 平均阅读
11 - Structured Output (结构化输出)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 ...
10 - Middleware Basics (中间件基础)核心概念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from langchain.agents.middlewa...
09 - Checkpointing (检查点持久化)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from langgr...
08 - Context Management (上下文管理)核心概念问题：对话历史会无限增长 → 超 token、成本高、响应慢解决：使用中间件自动管理上下文长度SummarizationMiddleware（推荐）基本用法from langchain.agents import create_a...
07 - Memory Basics (内存管理基础)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 langcha...
06 - Agent Loop (Agent 执行循环)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完整流程┌─────────────┐ │ ...
05 - Simple Agent (简单 Agent)核心概念Agent = 模型 + 工具 + 自动决策Agent 的关键能力：理解用户问题自动判断是否需要工具选择合适的工具基于工具结果生成回答create_agent 基本用法from langchain.agents import creat...
04 - Custom Tools (自定义工具)核心概念工具 (Tool) = 给 AI 的函数使用 @tool 装饰器，让 AI 能调用你的 Python 函数。@tool 基本用法from langchain_core.tools import tool @tool def get_weat...
03 - Messages: 消息类型与对话管理核心要点（只讲难点）1. 三种消息类型角色字典格式对象格式用途System{"role": "system", ...}SystemMessage(...)系统提示User{"role": &...