<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[艾醒的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/DuLNode</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; DuLNode]]></copyright><item><title><![CDATA[LangChain 1.0 智能体开发（三）：Agent 记忆管理——从短期对话到跨会话长期记忆]]></title><link>https://blog.csdn.net/DuLNode/article/details/165753383</link><guid>https://blog.csdn.net/DuLNode/article/details/165753383</guid><author>DuLNode</author><pubDate>Fri, 18 Sep 2026 18:15:00 +0800</pubDate><description><![CDATA[本文深入解析LangChain 1.0中Agent记忆机制，澄清“内存=短期、数据库=长期”的常见误解。核心观点：短期记忆绑定thread_id（会话），长期记忆绑定user_id（用户），分界线在于生命周期归属而非存储介质。短期记忆由Checkpointer管理，通过thread_id实现会话内上下文延续；长期记忆基于BaseStore或向量库，支持跨会话偏好与知识积累。文章详解InMemorySaver与PostgresSaver的适用场景，并强调生产环境应结合持久化检查点与结构化长期记忆，构建可信赖、]]></description><category></category></item><item><title><![CDATA[LangChain 1.0 智能体开发（二）：工具（Tools）的集成与调用]]></title><link>https://blog.csdn.net/DuLNode/article/details/165749215</link><guid>https://blog.csdn.net/DuLNode/article/details/165749215</guid><author>DuLNode</author><pubDate>Fri, 18 Sep 2026 18:00:00 +0800</pubDate><description><![CDATA[本文深入解析 Agent 工具设计的核心：工具是模型与真实世界交互的唯一接口，其 name、description 与 args_schema 构成模型决策依据，本质即提示词工程。文章系统讲解环境配置、模型加载（支持 OpenAI 兼容多厂商）、三种工具定义方式（@tool、StructuredTool 等）的 API 细节，并强调良好文档对工具调用准确性的关键作用，涵盖 MCP 协议接入、多工具调用实践与常见陷阱，为构建高效可控的 Agent 提供完整工程指南。]]></description><category></category></item><item><title><![CDATA[LangChain 1.0 入门八讲汇总：从“能调用“到“能上生产“的完整路基]]></title><link>https://blog.csdn.net/DuLNode/article/details/165440060</link><guid>https://blog.csdn.net/DuLNode/article/details/165440060</guid><author>DuLNode</author><pubDate>Wed, 16 Sep 2026 14:53:14 +0800</pubDate><description><![CDATA[本文对《LangChain 1.0 入门》系列八讲进行系统梳理，按“接口层、接入层、运行层、语义层”四层架构重构知识体系。强调Runnable为统一接口基石，模型接入依赖标准化配置，稳定性由重试与限速保障，而消息、提示词与结构化输出共同支撑业务语义。提出分阶段学习路径与复习策略，帮助开发者从零搭建可上线的生产级应用，突破“学完不会用”的瓶颈。]]></description><category></category></item><item><title><![CDATA[LangChain 1.0 智能体开发（一）：Agent 核心概念与技术架构]]></title><link>https://blog.csdn.net/DuLNode/article/details/165331441</link><guid>https://blog.csdn.net/DuLNode/article/details/165331441</guid><author>DuLNode</author><pubDate>Mon, 14 Sep 2026 17:33:58 +0800</pubDate><description><![CDATA[Agent以大语言模型为决策核心，通过循环调用工具实现多步任务自主执行。其本质是“模型+提示工程框架”（Harness），将任务分解、工具选择与路径调整交由模型在运行时动态决定。核心架构包含感知、认知中枢、记忆、工具与执行五大模块，形成“思考—行动—观察”的闭环。关键在于工具描述的精准性与上下文构造的有效性，而非模型本身。LangChain的create_agent提供了可配置的工程化实现，使复杂任务自动化成为可能。]]></description><category></category></item><item><title><![CDATA[LangChain 1.0 入门（八）：结构化输出全解｜全解析器实战+生产最佳实践]]></title><link>https://blog.csdn.net/DuLNode/article/details/164431133</link><guid>https://blog.csdn.net/DuLNode/article/details/164431133</guid><author>DuLNode</author><pubDate>Mon, 07 Sep 2026 16:21:51 +0800</pubDate><description><![CDATA[LangChain 1.0重构结构化输出，以with_structured_output统一API，支持Tool与Provider双策略，联动Pydantic强校验，实现字段约束、非法数据自动修正及嵌套复杂结构解析，适配多模型与生产环境。]]></description><category></category></item><item><title><![CDATA[LangChain 1.0 入门（七）：批处理、并发控制与流式传输]]></title><link>https://blog.csdn.net/DuLNode/article/details/164430519</link><guid>https://blog.csdn.net/DuLNode/article/details/164430519</guid><author>DuLNode</author><pubDate>Mon, 07 Sep 2026 14:29:51 +0800</pubDate><description><![CDATA[LangChain 1.0 重构底层 Runnable 原语，统一调用规范，提供 batch、abatch、stream、astream 等五种核心调用形态。本文详解批量、异步并发、流式、事件监听全套 API，涵盖参数配置、踩坑点及生产级代码，助力开发者规避限流、显存溢出、任务卡死和链路]]></description><category></category></item><item><title><![CDATA[LangChain 1.0 入门（六）：标准化内容块 Content Blocks——彻底解决多模型、多模态适配痛点（全代码实战版）]]></title><link>https://blog.csdn.net/DuLNode/article/details/164087236</link><guid>https://blog.csdn.net/DuLNode/article/details/164087236</guid><author>DuLNode</author><pubDate>Sun, 30 Aug 2026 16:46:42 +0800</pubDate><description><![CDATA[在 LangChain 0\.x 版本的工程落地中，开发者普遍面临一个棘手问题：**大模型厂商适配成本极高**。不同厂商的文本输出、思维链结构、多模态数据解析规则完全割裂，切换 OpenAI、DeepSeek 等模型时，必须重构解析代码、适配差异化接口格式，不仅代码冗余严重，还极大限制了多模态 RAG、智能 Agent 等业务的通用性]]></description><category></category></item><item><title><![CDATA[LangChain 1.0 入门（五）：提示词工程、partial变量、ChatPromptTemplate、Hub模板库]]></title><link>https://blog.csdn.net/DuLNode/article/details/164056060</link><guid>https://blog.csdn.net/DuLNode/article/details/164056060</guid><author>DuLNode</author><pubDate>Tue, 25 Aug 2026 14:56:03 +0800</pubDate><description><![CDATA[提示词工程（Prompt Engineering）是大模型应用开发的核心环节，手写字符串拼接提示词难以维护、无法迭代调优。LangChain‑Core 的 Prompt 模板体系，就是把提示词工程**代码化、工程化**。本文先讲解提示词工程基础方法论，再结合 RAG知识库问答、代码助手、企业客服、Agent 系统指令真实业务场景，讲解API、核心参数、partial半成品模板、对话模板、LangSmith Hub模板仓库、生产踩坑与最佳实践，附带完整可运行Python示例。]]></description><category></category></item><item><title><![CDATA[LangChain 1.0 入门（四）： Messages 深度解析——大模型对话上下文核心单元]]></title><link>https://blog.csdn.net/DuLNode/article/details/164026290</link><guid>https://blog.csdn.net/DuLNode/article/details/164026290</guid><author>DuLNode</author><pubDate>Mon, 24 Aug 2026 16:49:21 +0800</pubDate><description><![CDATA[当我们调用大模型对话接口时，模型并不能自动记忆聊天历史。每一次调用 LLM 都是一次独立无状态请求。Messages 是 LangChain 1.0 中构建对话、Agent、RAG 应用的基石。很多开发者写多轮对话记不住上下文、多模态调用异常、工具调用报错，根源大多是对消息对象理解不到位。本文结合 LangChain 官方文档，从底层概念、消息类型、三种调用方式、多模态 Content‑Blocks、序列化持久化、实战案例以及踩坑点完整讲解 Messages。]]></description><category></category></item><item><title><![CDATA[LangChain 1.0 入门（三）：稳定性双核心——重试机制+速率限速器参数详解与实战]]></title><link>https://blog.csdn.net/DuLNode/article/details/164001877</link><guid>https://blog.csdn.net/DuLNode/article/details/164001877</guid><author>DuLNode</author><pubDate>Sun, 23 Aug 2026 20:40:57 +0800</pubDate><description><![CDATA[LangChain大模型API调用稳定性解决方案 本文介绍了LangChain 1.0中两大核心稳定性工具：.with_retry()自动重试机制和InMemoryRateLimiter速率限速器的组合使用方案。这两种机制分别解决大模型API调用中的不同问题： 速率限速器：作为事前防护，通过限制每秒请求数量，主动匹配服务商的QPS限制，避免触发429限流报错和服务器拥堵。 重试机制：作为事后兜底，采用指数退避+随机抖动策略，智能处理网络抖动、临时超时等瞬时故障，避免暴力重试加剧拥堵。]]></description><category></category></item><item><title><![CDATA[LangChain 1.0 入门（二）：LangChain 全模型标准化接入最佳实践（小白参数详解版）]]></title><link>https://blog.csdn.net/DuLNode/article/details/163703290</link><guid>https://blog.csdn.net/DuLNode/article/details/163703290</guid><author>DuLNode</author><pubDate>Sun, 23 Aug 2026 19:36:40 +0800</pubDate><description><![CDATA[本文是一篇详细指导如何在LangChain中调用不同大模型的教程，主要面向新手开发者。文章首先区分了LangChain中的两类模型：LLM文本模型和ChatModel对话模型，并指出其关键区别在于是否需要使用.content获取输出。 文中提供了多种主流模型的原生调用方法，包括DeepSeek、通义千问、OpenAI、Ollama本地模型和vLLM本地推理服务，对每个模型的关键参数进行了详细解释。特别强调了不同模型在参数设置上的区别和常见错误点。 为了解决原生调用方法存在的代码混乱、切换模型麻烦等问题，文章]]></description><category></category></item><item><title><![CDATA[LangChain 1.0 入门（一）：Runnable 统一接口全解析（含完整代码+逐行输出解读）]]></title><link>https://blog.csdn.net/DuLNode/article/details/162374966</link><guid>https://blog.csdn.net/DuLNode/article/details/162374966</guid><author>DuLNode</author><pubDate>Wed, 12 Aug 2026 16:36:15 +0800</pubDate><description><![CDATA[本文详细解析了LangChain 1.0中Runnable的核心设计思想与实现原理。Runnable作为统一接口，为所有功能组件提供了五种标准执行方式（invoke、batch、stream等）。文章通过真实代码演示和输出分析，对比了ChatPromptTemplate和@tool工具两类基础Runnable的执行行为差异，并深入解析了ChatModel、RunnableLambda等进阶组件的特性。重点总结了各类Runnable的生命周期事件和输出格式，揭示了LCEL管道语法的底层实现机制。最后提供了全类]]></description><category></category></item><item><title><![CDATA[2026年第29周（7.13-7.19）AI全复盘：技术突破、行业趣闻翻车、算力服务器商业动态]]></title><link>https://blog.csdn.net/DuLNode/article/details/163020965</link><guid>https://blog.csdn.net/DuLNode/article/details/163020965</guid><author>DuLNode</author><pubDate>Sun, 19 Jul 2026 15:52:16 +0800</pubDate><description><![CDATA[本周AI行业呈现「国内硬件落地爆发、海外舆论翻车频发、算力商业量价齐涨」的鲜明格局。WAIC 2026集中释放国产算力十万卡集群、顶级开源大模型、超节点硬件三大里程碑成果；海外接连爆出隐私泄露、版权翻车、算法歧视争议；AI服务器集采、长单租赁、液冷算力商业化迎来密集落地，产业从「模型参数内卷」正式转向「算力基建+场景落地」双主线。]]></description><category></category></item><item><title><![CDATA[LangChain 1.0 全新架构深度解析！从生态组件到底层运行原理]]></title><link>https://blog.csdn.net/DuLNode/article/details/163020346</link><guid>https://blog.csdn.net/DuLNode/article/details/163020346</guid><author>DuLNode</author><pubDate>Sun, 19 Jul 2026 15:11:41 +0800</pubDate><description><![CDATA[LangChain 1.0 全面升级解析：构建生产级大模型应用的新标准 LangChain 1.0 作为大模型应用开发的主流框架，完成了从实验性工具到企业级解决方案的蜕变。本文系统性地拆解了其核心升级亮点和完整生态体系： 关键升级： 采用统一架构（LCEL + LangGraph）取代碎片化Chain体系 标准化Agent开发接口，简化智能体创建流程 原生支持状态持久化和断点续跑 深度集成LangSmith实现全链路可观测性 七大核心层级]]></description><category></category></item><item><title><![CDATA[2026上半年通用语言理解场景选型推荐]]></title><link>https://blog.csdn.net/DuLNode/article/details/161085486</link><guid>https://blog.csdn.net/DuLNode/article/details/161085486</guid><author>DuLNode</author><pubDate>Thu, 14 May 2026 15:51:14 +0800</pubDate><description><![CDATA[本报告对当前主流AI大模型在纯文本理解场景下的性能进行系统评估，涵盖DeepSeekV4、GLM-5、Qwen3.5等10款模型。DeepSeekV4-Pro以1M上下文、88.7 MMLU得分成为开源天花板；GLM-5在AAIntelligenceIndex获50分，与ClaudeOpus4.5同级；Qwen3.5-397B以91.5 MMLU得分居开源第一。报告建议：追求性能选DeepSeekV4-Pro，成本敏感选MiniMaxM2.5（1美元/小时），需多模态能力选Qwen3.5-397B。]]></description><category></category></item><item><title><![CDATA[2026年上半年开源AI编程大模型选型指南]]></title><link>https://blog.csdn.net/DuLNode/article/details/161085319</link><guid>https://blog.csdn.net/DuLNode/article/details/161085319</guid><author>DuLNode</author><pubDate>Thu, 14 May 2026 15:47:41 +0800</pubDate><description><![CDATA[2026年主流编程大模型横向评测：DeepSeek V4-Pro以1.6T参数和1M上下文窗口展现全能表现，MiniMax M2.5以80.2% SWE-bench得分和100TPS推理速度成为性价比之王，GLM-5.1以58.4% SWE-benchPro得分创开源纪录，Qwen3-Coder-30B专注代码生成，Kimi-K2擅长思维链推理，MiniMax M2.7强化多智能体协作能力。评测涵盖参数量、量化格式、显存需求等核心指标，为开发者提供专业选型参考。]]></description><category></category></item><item><title><![CDATA[从Prompt到Harness：AI Agent三代工程化全解析]]></title><link>https://blog.csdn.net/DuLNode/article/details/161042067</link><guid>https://blog.csdn.net/DuLNode/article/details/161042067</guid><author>DuLNode</author><pubDate>Wed, 13 May 2026 15:15:00 +0800</pubDate><description><![CDATA[本文系统解析了AIAgent工程化的三代技术演进。第一代Prompt Engineering通过优化提示词解决基础交互问题；第二代Context Engineering通过上下文管理解决信息边界问题；第三代Harness Engineering构建完整工程框架，实现任务规划、执行评估和安全管控的三层闭环架构。文章详细阐述了三代技术的核心方法、适用场景及相互关系，并分享了全球大厂的成功案例。]]></description><category></category></item><item><title><![CDATA[Linux系统管理（二十）——Linux root磁盘不足？一站式应急清理方案（亲测可用）]]></title><link>https://blog.csdn.net/DuLNode/article/details/160255767</link><guid>https://blog.csdn.net/DuLNode/article/details/160255767</guid><author>DuLNode</author><pubDate>Fri, 17 Apr 2026 17:07:19 +0800</pubDate><description><![CDATA[Linux root磁盘不足应急清理方案：当服务器告警磁盘空间100%时，可通过三步快速释放空间。1）应急清理：安全删除yum缓存（yum clean all）、系统日志（rm -rf /var/log/.gz）和临时文件（/tmp/）；2）深度清理：移除无用依赖包（yum autoremove）、Python缓存（pip cache purge）和特定大文件；3）长期维护：设置日志大小限制（journalctl --vacuum-size=100M）和定期清理任务。操作时需避免误删核心文件，清理后验证空间]]></description><category></category></item><item><title><![CDATA[LangChain ShellTool 深度解析：从基础使用到安全增强(限制shell的执行权限)]]></title><link>https://blog.csdn.net/DuLNode/article/details/159349393</link><guid>https://blog.csdn.net/DuLNode/article/details/159349393</guid><author>DuLNode</author><pubDate>Sun, 22 Mar 2026 12:24:18 +0800</pubDate><description><![CDATA[本文全面解析了LangChain生态中的ShellTool工具，从基础使用到Agent集成再到安全增强。ShellTool作为连接大语言模型与操作系统的桥梁，允许执行shell命令进行系统交互。文章首先介绍基础用法，然后展示如何集成到Agent中处理复杂任务，最后重点讲解安全增强方案，通过白名单、黑名单和目录限制等机制构建SafeShellTool。最佳实践部分强调安全使用建议、适用场景和性能考量。ShellTool为AI应用提供了强大的系统交互能力，但需谨慎使用以确保安全。]]></description><category></category></item><item><title><![CDATA[全网都在抢的「AI龙虾」大乱斗！4家神仙打架，普通人只能看馋]]></title><link>https://blog.csdn.net/DuLNode/article/details/159167429</link><guid>https://blog.csdn.net/DuLNode/article/details/159167429</guid><author>DuLNode</author><pubDate>Tue, 17 Mar 2026 15:53:27 +0800</pubDate><description><![CDATA[有Mac+抢到邀请 → 玩腾讯Q-Claw想简单无脑上手 → 冲智谱AutoClaw爱摸鱼想云端养 → 选字节Coze小米17系列+极客身份 → 等小米MiClaw邀请总之，现在的AI龙虾圈就是：大厂内卷、用户抢码、普通人坐等公测～你抢到内测资格了吗？评论区聊聊你最想养哪只龙虾！]]></description><category></category></item></channel></rss>