登录社区云，与社区用户共同成长
邀请您加入社区
模型调用是 LangChain 最基础也是最重要的能力。LangChain v1.0+ 提供了统一的模型抽象层，支持 60+ LLM 提供商的无缝切换。本文将深入解析 LangChain 的模型架构、BaseLLM 与 BaseChatModel 的设计、流式输出、异步调用、以及多模态支持，帮助开发者构建灵活可扩展的 AI 应用。
记忆是 AI 代理的核心能力之一。LangChain v1.0+ 提供了一套完整的记忆解决方案，包括消息历史存储、键值存储、向量检索等多种机制。本文将深入解析 LangChain 的记忆架构，并通过实际代码示例展示如何构建生产级的记忆系统。
本文探讨LangChain 1.0 Agent的高级架构设计模式，包括层次化Agent架构、工具调用错误处理、性能优化策略以及生产环境部署的最佳实践，帮助读者构建企业级Agent应用。
拒绝“烧钱”的暴力美学。Build 02 深度拆解 EchoMindBot 认知中枢。聚焦 Rust 异步思考周期，实战演示如何调度 Kimi 2.5 与 GLM-5 实现模型平权。从双库协同记忆到 Token 压缩技巧，用硬核工程逻辑，在 AI 爆发期榨干每一分技术红利。
摘要：随着AI测试工具激增（2026年热度占比超60%），知识图谱技术通过结构化多维数据（性能指标、成本模型等）构建智能推荐系统，显著提升选型效率。本文解析其核心价值与实施路径：1）整合碎片化信息，实现动态ROI对比；2）四步落地策略（数据构建、算法设计等）；3）实证案例显示金融科技公司ROI提升58%。未来将融合生成式AI实现预测性推荐，推动测试选型从经验驱动转向数据驱动，应对技术迭代挑战。
本系列课程《AI Coding入门与实战》由 科大讯飞 与 CSDN 合作推出，并在“AI大学堂”平台面向公众开放。课程以大模型技术和AI Coding为基础，以真实开发案例为载体，系统讲解 AI Coding（iFlyCode） 的理论框架、技术原理与工程实践场景。在此特别感谢科大讯飞在大模型与智能编程工具领域的技术支持，以及 CSDN 在开发者生态建设方面的持续推动，使该课程得以面向更广泛学习
“智图知识图谱”——AI知识中心平台的上线，标志着企业知识管理进入了一个以“AI驱动、场景深化、价值直达”为特征的新阶段。智图将继续聚焦客户的高价值场景，持续迭代产品，与合作伙伴携手，赋能千行百业挖掘知识金矿，驱动智能化升级与高质量发展。
多数场景下，企业开发AI应用常面临：接入或扩展企业已有业务系统并加入AI功能；接入三方系统或AI应用；从0构建AI应用并接入已有业务数据。
本文介绍了AICare交互式AI临床副驾驶系统，通过真实临床环境中16名医生的用户研究，验证了可解释AI在肾脏病和产科高风险决策场景中的有效性与实用价值。
AI时代不跟风，抓牢大模型这个“硬核底座”就赢了！它是“概率猜题大师”，能帮你提效开挂，但也有短板——懂它的功能、避它的坑，不用硬啃技术，按需用就够香～
将知识图谱的小颗粒数据与原先人工处理的大块数据相结合，我们可以更好地搜索需要全局 / 跨节点上下文的查询，我们通过知识图谱把大模型的推理能力和知识点分开，目前LangChain和Llama Index均支持将嵌入式向量和知识图谱结合来解决剩下30%的应用场景。
本项目是一个基于知识图谱的乳制品生产智能问答系统，采用Vue3+Flask+Neo4j技术栈实现。系统包含用户端和管理端两大模块，支持文档管理、智能问答、知识图谱构建与可视化、产品生产记录管理等功能。创新性地采用GraphRAG三路并行检索技术，结合16种实体类型和20种关系类型的知识图谱，实现精准问答。系统支持多模态输入，提供完整的用户管理、会话记录和可视化分析功能，为乳制品生产企业提供智能化知
本章，我们从 LLM 的 “关键要素” 说到 Agent 的 “主要指标”；作为AI 产品经理不再是需求的被动承接者，而是人机协同生态的架构师 —— 需要用技术敏感度预判模型边界。
随着大模型能力的提升，单纯的对话已经无法满足实际工程需求。越来越多的场景需要模型具备调用外部工具、访问系统能力、执行复杂任务的能力。提供了一种统一、标准化的方式，让模型可以通过协议调用外部工具；LangGraph则用于构建可控、可追踪的 Agent 推理流程；Chainlit提供了一个轻量但功能完整的 Web Chat UI，非常适合 Agent 场景。支持 MCP 多工具调用支持 Ollama
自监督学习是一种机器学习范式，它不依赖人工标注的数据，而是通过数据自身提供的内在结构或隐藏信息来生成监督信号，从而进行模型训练。
选择RAG的场景• 需要实时更新的知识（如新闻、股价）• 数据量庞大且频繁变动• 需要解释性强的应用场景（可溯源到具体文档）• 预算有限，无法承担微调成本选择Fine-tuning的场景• 需要改变模型行为风格（如特定语气、格式）• 领域知识非常固定且通用模型表现极差• 对延迟敏感（RAG需要额外检索时间）
本篇分享笔者将深入对比当前最流行的10大Agent开发框架，从核心特性到适用场景，为大家梳理清晰的学习路径和选型指南！
在ChatGPT引爆通用AI热潮的今天，企业却面临“大模型很炫，但用不上”的尴尬：医疗问诊需要精准的药品-疾病关联知识，金融风控需要实时的企业-自然人关系网络，智能制造需要设备-工艺-缺陷的因果链条……这些垂直领域需求，通用大模型因“知识过时”“逻辑模糊”难以满足。本文聚焦“行业知识图谱”这一AI原生技术，系统讲解其如何为垂直领域AI应用提供“结构化大脑”，覆盖技术原理、构建方法与实战案例。
该项目构建了基于知识图谱 + Flask 的医疗 KBQA 问答系统，以 Neo4j 存储知识图谱，运用贪心算法（最大向前 / 向后、双向匹配）分词，结合 Aho-Corasick 多模式匹配提升检索效率；通过规则法、机器学习（HMM/CRF）、神经网络（LSTM/RNN）完成命名实体识别与关系抽取。系统搭建 Flask 医疗 AI 助手，可自动将用户问答记录存储至 SQL 数据库，还封装 BER
本文介绍了一个基于NLP知识图谱和Flask框架的医疗领域知识问答系统。系统采用Neo4j图数据库存储医疗知识图谱，结合贪心算法和Aho-Corasick算法实现高效的中文分词和多模式匹配。系统通过爬取医疗网站数据，经过清洗处理后构建知识图谱，并设计基于Flask的聊天机器人界面，实现医疗知识问答功能。问答记录自动存储到SQL数据库，提高了系统的交互性和可追溯性。该系统实现了从数据采集、知识图谱构
本文为程序员提供系统化大模型转行指南，涵盖方向选择（开发、应用、研究、工程化）、基础构建（编程、数学、机器学习）、核心技术学习（Transformer架构、预训练微调）、实战项目（文本分类、问答系统等）、开源资源利用和职业发展建议。强调从应用开发入门，循序渐进，结合理论与实践，通过GitHub和CSDN打造个人品牌，实现职业转型与升级。
本文为Java程序员提供转行大模型开发的全面指南，从大模型概念入手，详细阐述了学习步骤，包括基础知识、工具框架、编程能力、数学知识及项目实践。文章强调Java程序员在软件架构和开发流程上的优势，并列举了AI大模型时代下的多个高价值技术岗位，如AI工程师、数据工程师、模型架构师等。此外，还提供了大模型AI的学习路径和实战技巧，旨在帮助读者抓住AI时代的机遇，实现职业转型。文末附有大模型学习资料包，供
DeepSeek V4大模型即将发布，引发广泛关注。文章梳理了关于V4发布时间、核心技术、能力与成本、生态格局的四大焦点，揭示了其全新架构、Engram记忆模块等亮点。同时，介绍了LLaMA-Factory Online平台，该平台通过低代码可视化操作，让定制专属模型变得简单，适合各行业用户轻松实践大模型微调。
大模型作为人工智能的热点，正处于蓬勃发展阶段，市场需求旺盛，职业发展空间广阔。年过30的程序员拥有丰富的编程和算法经验，转行AI大模型具有优势。文章提供了转行步骤，包括基础知识学习、实践操作、关注行业动态、建立专业网络等，并介绍了分阶段学习计划，帮助程序员成功转型。掌握大模型技术能带来升职加薪、就业或副业机会，文章还分享了免费学习资源，助力程序员系统学习。
摘要：本文探讨了大模型与图算法融合在知识服务领域的应用方案。针对大模型存在的幻觉问题、推理能力薄弱和答案不可追溯三大痛点，提出"图算法管关系、大模型管语言"的双引擎架构。图算法负责实体关系抽取、路径推理和社区挖掘，构建结构化知识图谱；大模型则处理自然语言理解与生成。通过NetworkX构建知识图谱示例，展示了PageRank、最短路径等算法的实际应用，并演示了如何结合混元大模型
摘要：随着AI技术发展，无障碍测试正从人工转向智能化。CLIP模型凭借多模态能力成为WCAG3.0合规检查的核心工具。公众号数据显示，实战案例和技术创新类内容最受关注，反映从业者对测试效率提升的需求。本文通过分析WCAG3.0框架、CLIP应用场景和优化策略，提出将AI工具集成到CI/CD流程中，结合自动化扫描与手动验证，可降低50%问题率。建议团队关注参数优化、用户测试和文化建设，实现AA级合规
本文介绍大模型应用工程师的入门学习路线，包括提示词工程、检索增强生成（RAG）、微调、模型部署等关键技术，并展望2025年Agent元年及2026年全模态应用百花齐放。学习完成后可参与开源项目，掌握大模型领域前沿技术。关注公众号，发送口令“大模型应用”领取学习资料。
本文介绍了一个基于Python的中华古诗词知识图谱可视化研究项目。该项目通过构建包含诗人、朝代、意象等实体及其关系的知识图谱，结合Neo4j图数据库和D3.js可视化技术，实现古诗词文化网络的交互式探索。研究内容包括数据采集、知识抽取、图谱构建和可视化开发四个层次，创新点在于多维度关联分析和文化特色布局算法。预期成果包括10万条实体关系的知识图谱、Web交互系统及相关学术成果。项目采用Python
本文介绍了一个基于Python的古诗词知识图谱可视化系统开发项目。项目通过爬取古诗文数据，构建包含诗人、朝代、意象等实体的知识图谱，并利用Pyvis、NetworkX等工具实现交互式可视化。系统支持诗人关系查询、意象分析、朝代对比等功能，旨在帮助用户直观探索诗词文化关联。开发流程包括数据采集、知识抽取、图谱存储和可视化实现四个阶段，预期成果包括知识图谱数据库、可视化Web应用及相关技术文档。项目采
结论：医疗GEO是医疗AI时代的基础设施工程在生成式AI成为患者医疗决策前置中介的时代：医疗机构面临的不是“是否做营销”，而是“是否参与构建AI认知系统对自己的表达方式”爱搜光年通过医疗GEO方法论与DPI-ACD模型，提供的是：• 医疗AI搜索世界中的表达权工程• 医疗推荐路径中的风险治理工程• 医疗信任系统中的认知基础设施工程这是医疗行业在AI时代的新型基础设施能力。
RAGFlow 是 infiniflow 团队开源的一款 基于深度文档理解的 RAG（Retrieval-Augmented Generation）引擎。
不同于传统软件开发通过编程与算法构建的确定性逻辑，AI 时代的应用构建以面对自然语言编程、上下文工程为核心特征，将复杂业务逻辑与决策过程下沉至模型推理环节，从而实现业务的智能化自适应。
今天给大家推荐一个专为小白设计的学习大模型开发的开源项目——LLM-Universe，它由Datawhale团队打造。这个项目以“动手学大模型应用开发”为口号，旨在帮助零基础的开发者通过实践掌握大模型开发技能。让我们一起来看看它的魅力吧！
GraphRAG：下一代智能检索的核心技术 GraphRAG通过融合知识图谱与RAG技术，解决了传统RAG的信息碎片化、多跳推理弱和缺乏全局视角三大痛点。其核心优势在于：1）结构化表示知识网络；2）支持动态子图检索和多跳推理；3）增强结果可解释性。Microsoft GraphRAG作为代表性方案，提供自动化知识图谱构建、智能社区聚类和双模式查询引擎等功能，显著提升了复杂查询的准确率和推理透明度。
本文系统介绍RAG（检索增强生成）的基础原理、核心工作流程，并通过LangChain 1.0实战演示如何构建完整的RAG系统，包括文档加载、切分、向量存储和混合检索。
本文详细介绍LangChain 1.0 Agent开发的完整工具链，包括LangGraph Studio可视化工具、LangGraph CLI部署工具以及LangSmith监控平台，并通过7个步骤手把手教你搭建一个企业级Agent项目。
本文深入解析Agent智能体的核心概念、技术架构及其与传统AI模型的本质区别，帮助读者建立对Agent体系的系统性认知，为后续实战开发奠定理论基础。
爱搜光年是中国医疗GEO领域的先行者，其核心价值在于帮助医疗机构应对AI搜索时代的流量重构
AI大模型技术正以前所未有的速度重塑人工智能领域，从自然语言处理到多模态交互，从基础研究到商业落地，大模型的应用场景日益丰富。面对这一技术浪潮，系统性学习路径对于入门者和进阶开发者都至关重要。本文基于2025年最新行业实践，构建了一条从基础概念到实战开发，再到模型训练与商业应用的完整学习路线，帮助学习者循序渐进地掌握大模型技术的核心与前沿。
大模型技术是推动AI发展的核心动力。学习大模型应用需要系统掌握：1）Transformer架构原理；2）预训练、SFT和RLHF等训练方法；3）Python编程基础及Numpy、PyTorch等工具使用；4）提示工程技巧。该学习路线从核心技术到实践应用，逐步深入大模型开发领域，适合不同基础的学习者参考。
AI正成为2025年的热门领域，本文为后端开发者提供了转岗AI大模型应用开发的完整学习路线，涵盖大模型基础、RAG应用开发、大模型Agent应用架构及微调与私有化部署等阶段。强调AI应用的核心逻辑在于设计Prompt和结合业务逻辑，而非复杂的算法研究，并推荐了丰富的学习资料供免费获取。
鱼跃项目通过模块化架构实现多模态能力，包含文件处理、消息构建与AI服务三大核心组件。采用策略工厂模式分发不同文件处理器，支持PDF视觉化渲染、图片智能压缩、代码/文本安全读取等功能。消息构建器将处理结果转换为AI可识别的多模态内容列表，支持图文混排输入。项目采用"轻量存储+懒加载"策略，仅保存文件元数据索引，使用时实时重建内容，并通过缓存优化性能。在应用创建和代码生成场景中，多
但通过构建企业级的AI知识库，新来的工程师在遇到一个具体的金融风控场景时，可以直接提问：“针对XX类型的交易欺诈，我们有哪些成熟的检测模型和处置流程？比如，有的企业级Agent产品矩阵，会针对性地推出“天书”（AI知识库）、“小天”（AI企业客服助手）、“天数”（AI数据分析）等不同模块，就是为了匹配企业在知识管理、客户服务、数据洞察等不同场景下的核心需求。更重要的是，它承载了老员工的最佳实践和“
Palantir本体系统是企业自主决策堆栈的核心组件，旨在整合企业数据、逻辑、行动和安全性，构建知识图谱实现跨运营的自动化决策。该系统通过统一异构数据源、建模企业行动、编码业务逻辑和编排安全策略，为人机协作团队提供可扩展的实时操作平台。本体系统支持数百万次读写操作，协调从数据湖到实时系统的异构基础设施，并通过强大的开发工具链赋能开发者和AI代理构建生产级应用。这是一个将专业知识转化为共享基础设施的
2026年软件测试公众号热门内容聚焦三大类型：AI工具评测（占比超60%）、故障归因案例（年增40%）和合规趋势分析。知识图谱技术成为核心，能降低80%人工追溯成本，提升50%维修效率，满足72%团队的合规需求。爆款内容需结合"痛点-方案-ROI"框架，嵌入量化指标和代码示例。未来测试将向预测性维护发展，从业者需掌握图谱建模等新技能。
LlamaIndex 中接口基本上调用的是 OpenAI，如果想想调用自定义模型可以吗？答案当然是可以的。经过查找找到了自定义大语言模型的简单抽象基类 class CustomLLM(LLM)。
AI Engineering》这本书以其全面性、时效性、实用性和可读性,成为了AI/LLM时代每个从业者和爱好者的必读书籍
当前互联网的开发环境，程序员行业经过数10年的发展，确实已经接近饱和了，现在早已不是懂一点编程就能找到工作的年代。很多发展不理想的程序员就很自然的会想到转行…
这波AI浪潮，很多新词把人都绕晕了，如AI Agent（人工智能代理）、RAG（检索增强生成）、向量知识库、提示词工程、数据提取和解析、自然语言处理（NLP）、知识图谱以及图处理等。本文试图深入探讨这些概念，让大家一下子就能分辨。
知识图谱
——知识图谱
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
2048 AI社区
松山湖开发者村综合服务平台
DAMO开发者矩阵
