Notes
笔记
人工智能课程与 Agent 工程的学习记录，涵盖模型训练、推理、工具调用与上下文管理。
按专题阅读
全部笔记 （23 篇）
LangChain：框架概述
梳理 LangChain 生态、包结构与开发环境，比较 Prompt、Agent、RAG 和微调的适用场景。
#langchain#ai agentLangChain：模型的创建与调用
介绍云端与本地模型接入、参数配置，以及同步、流式、批量和异步调用。
#langchain#大语言模型#ollamaLangChain：LangSmith 的使用
从调用追踪与运行分析入手，介绍大模型应用的调试、数据集和实验评测。
#langchain#langsmith#可观测性LangChain：Message 与提示词模板
理解消息角色、工具响应配对、多轮历史、内容块与提示词模板的组合方式。
#langchain#提示词工程LangChain：Tools 工具调用
掌握工具定义、参数 Schema、模型工具调用循环与执行控制。
#langchain#工具调用#ai agentLangChain：结构化输出
使用 Schema 定义模型输出，理解结构化结果的生成、校验和解析方式。
#langchain#结构化输出#pydanticLangChain：智能体
介绍 Agent 创建、工具循环、结构化结果、错误处理与流式输出。
#langchain#ai agent#langgraphLangChain：中间件
通过摘要、人工审核、调用限制、重试和自定义钩子管理 Agent 的运行过程。
#langchain#ai agent#中间件LangChain：上下文与记忆
区分 State、检查点、Store 和运行时 Context，理解短期记忆、长期记忆与消息治理。
#langchain#langgraph#上下文工程#记忆LangChain：RAG 检索增强生成
从文档加载、切分、嵌入和向量检索出发，构建基于 Milvus 的知识库问答。
#langchain#rag#向量数据库#milvus