Type something to search...
to navigateto selectESC to close

Langchain

使用自定义工具构建和服务 RAG 代理：完整指南

使用自定义工具构建和服务 RAG 代理：完整指南

目标 本文的目标是演示如何使用 LangGraph 和 LangChain 创建一个大型语言模型（LLM）代理，该代理将在一组文档上执行检索增强生成（RAG）。此外，我们将探讨如何构建一个工具，以便进行 API 调用，从而使 LLM 能够从外部来源获取实时知识。最后，我们将使用 Flask API（FastAPI）在本地提供此代理，并使用本地 PostgreSQL 数据库服务器存

阅读更多
使用哪种人工智能代理框架？LangChain？AutoGen？9 种常用框架说明！

使用哪种人工智能代理框架？LangChain？AutoGen？9 种常用框架说明！

开发 AI 代理涉及选择合适的框架，以满足项目的需求，无论是基本任务、二次开发还是企业级集成。本指南探讨了多个框架——Coze、Dify、FastGPT、MetaGPT、AutoGen、Spring AI、Swarm、LangChain 和 LangGraph——以提供对它们的工作原理和使用案例的详细见解。 1. Coze Coze 是一个轻量级且用户友好的框架，旨在以尽可能少的

阅读更多
用Google Gemini 2.0 API构建RAG！推荐系统的未来在哪里？

用Google Gemini 2.0 API构建RAG！推荐系统的未来在哪里？

LangChain与Vertex AI RAG引擎在亚马逊产品数据上的比较 谷歌在人工智能竞赛中似乎一直处于落后，但在2025年之前发布的Gemini 2.0让人感觉他们终于在某种程度上赶上了。我起初不确定会有什么期待，但在试用后，我对其能力感到由衷的印象深刻。它甚至让我怀疑像ChatGPT、Claude或Llama这样的工具是否仍然必要。**Gemini实时[

阅读更多
如何用AI简化Jira管理？揭秘定制AI Jira助手的惊艳新境界！

如何用AI简化Jira管理？揭秘定制AI Jira助手的惊艳新境界！

我如何使用 Google Mesop、Django、LangChain Agents、CO-STAR 和 Chain-of-Thought (CoT) 提示结合 Jira API 更好地自动化 Jira 这个项目的灵感来自于我为内部用户开发的一个网页应用上的 Jira 工单创建工具。我还在系统错误发生时添加了自动创建 Jira 工单的功能。 用户和系统错误通常会创建类似的工

阅读更多
代理 RAG 系列：探索 LangGraph 高级工作流程

代理 RAG 系列：探索 LangGraph 高级工作流程

介绍 在上一篇文章中，我们介绍了Agentic RAG的概念，强调它如何通过集成自主代理能力来扩展传统的检索增强生成（RAG）框架。在本期中，我们深入探讨LangGraph，这是一个用于协调逻辑工作流程的创新框架。LangGraph使得创建具有复杂推理能力的多代理系统成为可能，是构建Agentic RAG架构的理想工具。 ![](https://wsrv.nl/?u

阅读更多
我如何利用人工智能在几秒钟内从任何网站提取信息

我如何利用人工智能在几秒钟内从任何网站提取信息

使用 Langchain、OpenAI、Bright Data 和 NextJS 构建一个免费的 AI 工具，用于抓取、提取和分析数据。 “有用”的数据是任何成功企业进行明智决策和战略规划的基础。然而，真正的挑战不仅仅在于抓取数据——而在于从收集到的数据中提取有价值的信息。这一步通常需要大量的时间和精力，成为了过程中的瓶颈。 在本文中，您将学习如何构建一个不仅能提取网页数据，

阅读更多
用 Python 构建可投入生产的人工智能助理后台服务 - 第 1 部分

用 Python 构建可投入生产的人工智能助理后台服务 - 第 1 部分

— 学习构建生产就绪应用程序的最佳实践。 *免责声明 — 本文中的内容仅代表我个人观点，不代表我当前或过去雇主的观点。* 通过本综合教程的学习（请按照所有 4 个部分），您将能够使用以下架构中解释的框架开发后端服务： ![](https://wsrv.nl/?url=https://cdn-images-1.readmedium.com/v2/resize:fit:800/

阅读更多
从帖子到报告：利用 LLM 进行社交媒体数据挖掘

从帖子到报告：利用 LLM 进行社交媒体数据挖掘

如何指导LLMs过滤餐厅帖子并提取对业务增长至关重要的见解。 应用概述 我们正处于自动化的黄金时代，这得益于大型语言模型（LLMs）的崛起。从改变行业到解锁无尽的应用，LLMs彻底改变了我们与数据的互动方式，主要通过自然语言。 在本文中，我将向您展示如何指示LLM穿透社交媒体的噪音，提取最重要的信息。具体来说，我们将深入探讨如何挖掘Instagram上的餐厅帖子，以

阅读更多
LangChain 与 LlamaIndex：检索增强生成（RAG）的综合比较

LangChain 与 LlamaIndex：检索增强生成（RAG）的综合比较

介绍 Retrieval-Augmented Generation (RAG) 结合了信息检索与生成模型，使其成为一个强大的技术，适用于问答、摘要及其他自然语言处理任务。要实现 RAG，目前最流行的两个框架是 LangChain 和 LlamaIndex。这两个框架旨在处理文档的摄取、拆分、索引以及将步骤链在一起，以实现无缝的 RAG 工作流程。但哪个框架更适合您

阅读更多
CrewAI：由人工智能代理组成的个人军队，为您协同工作

CrewAI：由人工智能代理组成的个人军队，为您协同工作

CrewAI框架是什么？ AI协作的力量有太多值得提供的。CrewAI旨在使AI代理能够承担角色、共享目标，并以一个紧密合作的单位运作——就像一支运转良好的团队。无论您是在构建智能助手平台、自动化客户服务团队，还是多代理研究团队，CrewAI都为复杂的多代理交互提供了基础。 换句话说，CrewAI是一个代理框架，允许我们创建代理来帮助我们解决简单（优化）或复杂的任务（例如开发

阅读更多
如何使用 LangChain 和 CrewAI 构建人工智能驱动的 SQL 数据分析代理

如何使用 LangChain 和 CrewAI 构建人工智能驱动的 SQL 数据分析代理

在当今数据驱动的世界中，自动化数据提取、分析和报告的工作流程对于节省时间和提高效率至关重要。本教程将指导您使用 LangChain 和 CrewAI 构建一个 AI 驱动的 SQL 工作流程。通过集成强大的 Llama 3 模型、SQL 数据库工具和基于代理的自动化，您将学习如何创建一个无缝的管道，以处理数据库查询、分析结果和生成高管报告 — 所有这些都需要最少的手动干预。无论您是数据爱好者

阅读更多
探索人工智能代理格局：深入分析 Autogen、CrewAI、LlamaIndex 和 LangChain...

探索人工智能代理格局：深入分析 Autogen、CrewAI、LlamaIndex 和 LangChain...

本文将为您提供清晰的可视化，帮助您在开发“代理应用程序”时选择适合您业务用例的框架或工具。 介绍 在快速发展的人工智能领域，一种新的范式正在出现，这种范式承诺将彻底改变我们与AI系统的互动和利用方式：AI代理。这些复杂的软件实体代表了从传统的单一目的AI模型到动态协作系统的根本转变，这些系统能够通过协调努力和专业知识解决复杂挑战。 本综合指南探讨了四个塑造AI代理未来的领先框架：A

阅读更多
使用 LangGraph 框架以多代理方式实施复杂的 LLM 应用程序

使用 LangGraph 框架以多代理方式实施复杂的 LLM 应用程序

将LangGraph添加到您的GenAI相关技能库中。这项技能可以立即使您能够创建复杂的AI系统。当然，前提是您需要了解LangChain的使用方法。介绍 LangGraph 是一个强大的工具，旨在使用大型语言模型 (LLMs) 创建有状态的多参与者应用程序。通过扩展 LangChain 库的功能，LangGraph 使得多个链（或参与者）能够在各种计算步骤中以循环方式进

阅读更多
构建人工智能代理，实现企业级软件开发自动化：实用视角

构建人工智能代理，实现企业级软件开发自动化：实用视角

Randy Zhang 和 Shamin Aggarwal Agentic AI 是一款基于大型语言模型（LLMs）的软件应用，通过模拟类人推理和决策来自动化任务。它在自动化小型和简单脚本的软件开发方面显示出了显著的能力 [1]。AI 代理能否用于自动化企业级软件开发？在大型复杂的软件开发环境中，我们会遇到什么样的挑战？ 企业级软件项目通常是旨在满足复杂业务需求的大规模软件开发计划。这

阅读更多
构建动态多代理工作流：利用 LangChain 和 LangGraph 实现人工智能协作

构建动态多代理工作流：利用 LangChain 和 LangGraph 实现人工智能协作

本文利用 LangChain 和 LangGraph 创建一个简单的多智能体系统。智能体协同工作以完成任务。第一个智能体生成一系列随机数字，第二个智能体将这些数字乘以 10。每个智能体使用 OpenAI 的 GPT-4o API 来执行这些任务。 本文遵循基于工作流的架构，智能体根据分配的任务进行交互。在这篇文章中，我们将逐步分析脚本的每个部分以及它如何为整体流程做出贡献。

阅读更多
LangGraph：高级多代理工作流的未来

LangGraph：高级多代理工作流的未来

人工智能的世界正在迅速发展，像 LangChain 和 LangGraph 这样的工具处于使开发者高效构建智能系统的前沿。如果你听说过 LangGraph，但不确定它是什么或如何充分利用它的潜力，这个指南适合你。 在这篇全面的文章中，我们将涵盖你需要了解的关于 LangGraph 的所有内容——从其核心概念到实际应用。无论你是初学者还是高级开发者，这个指南将帮助你理解为什么 LangGra

阅读更多
使用 LangChain + Streamlit + *o1、GTP-4o 和 Claude 3.5 编写 RAG LLM 聊天应用程序

使用 LangChain + Streamlit + *o1、GTP-4o 和 Claude 3.5 编写 RAG LLM 聊天应用程序

学习如何使用 Python、Streamlit 和 LangChain 构建 RAG 网络应用，以便您可以与文档、网站和其他自定义数据进行聊天。 GitHub 代码：https://github.com/enricd/rag_llm_app RAG LLM Streamlit 应用：[https://rag\-llm\-app.streamlit.app/](https://rag-

阅读更多
利用 CrewAI 构建自主多代理系统

利用 CrewAI 构建自主多代理系统

什么是多智能体自主系统以及如何使用CrewAI和LangChain构建一个？ 动机 实际上，我们对这些概念并不陌生；我们从电影中了解到它们。一个人指挥他们的AI，而AI通过使用各种工具来执行这些命令。这就是我们今天在AI系统崛起的道路上所走的方向。时代正在逐渐变化。在过去，人们无法独自完成一项任务，需要一个团队。没有团队，他们要么在一段时间后精疲力竭，要么达到能力的极限。最

阅读更多
使用 LangChain、Streamlit 和 PubMed 构建基于 RAG 的科学聊天机器人--第 4 部分（将所有...

使用 LangChain、Streamlit 和 PubMed 构建基于 RAG 的科学聊天机器人--第 4 部分（将所有...

您好，欢迎来到构建科学聊天机器人的系列最后一部分，使用Langchain、Streamlit和PubMed！ 在前一部分中，我们构建了数据持久性和带有向量存储的RAG管道。现在，是时候将我们所构建的一切整合在一起，创建聊天机器人用户界面，利用我们构建的后端功能，帮助科学家回答他们的科学问题！ 作为提醒，这就是我们在系列中构建的完整解决方案： ![](https://images.w

阅读更多
利用 LangChain 和 LangGraph 进行多代理对冲基金模拟

利用 LangChain 和 LangGraph 进行多代理对冲基金模拟

多智能体对冲基金模拟与 LangChain 和 LangGraph 该项目演示了如何使用多智能体设置来模拟对冲基金的分析过程。它展示了一种实用的方法来构建一个系统，该系统利用 AI 智能体收集和分析金融数据，这种设置可以进一步扩展和定制。在这里，我将分解该项目，其中涉及一个投资组合经理和三个分析师智能体（基本面、技术面和情绪面），每个智能体在收集和处理股票数据方面被分配了特定角色。

阅读更多
使用 Gemini Pro 和 LangChain 的多模式 RAG

使用 Gemini Pro 和 LangChain 的多模式 RAG

介绍 在本教程中，我们将探索将 Gemini Pro 和 Gemini Pro Vision 与 LangChain 框架集成，以实现多模态（在这种情况下为图像）检索增强生成（RAG）。

阅读更多
智能代理：Langchain、CrewAI 和 AutoGen 比较

智能代理：Langchain、CrewAI 和 AutoGen 比较

1. AI代理框架概述 在人工智能快速发展的领域，选择合适的框架是每个数据科学家和开发者必须做出的关键决策。AI代理生态系统正在迅速演变，提供越来越复杂的解决方案来自动化和优化复杂的流程。 智能代理革命带来了几种框架，每种框架都有其独特的特点。Langchain、CrewAI、AutoGen和Swarm在这个场景中脱颖而出，各自提供了管理和协调AI代理的独特方法。 本次基准

阅读更多
使用 GPT Vision 和 Langchain 从图像生成结构化数据

使用 GPT Vision 和 Langchain 从图像生成结构化数据

在当今这个视觉数据丰富的世界中，从图像中提取有意义信息的能力变得越来越重要。Langchain是一个强大的框架，用于构建大型语言模型（LLMs）应用程序，提供了一套多功能的工具来应对这一挑战。在本文中，我们将探讨如何使用Langchain从图像中提取结构化信息，例如计算人数和列出主要物体。 在深入代码之前，让我们先了解一下任务的背景。想象一下你有一张场景的图像，比如城市街道。你的目标是

阅读更多
LangGraph、LangChain、LangFlow、LangSmith：使用哪一个以及为什么？

LangGraph、LangChain、LangFlow、LangSmith：使用哪一个以及为什么？

探索 LangGraph、LangChain、LangFlow 和 LangSmith 之间的关键区别，了解哪种框架最适合您的语言模型应用——从工作流构建到性能监控。 👨🏾‍💻 GitHub ⭐️ | 👔LinkedIn

阅读更多