这篇文章摘要介绍了如何使用LangChain框架构建一个具有记忆功能的聊天机器人

本文分享了LangChain框架中链式调用和输出处理器的使用经验。主要内容包括：1) 使用ChatPromptTemplate构建带历史消息的对话模板，通过"|"运算符创建链式调用；2) 对比PromptTemplate、FewShotPromptTemplate和ChatPromptTemplate的区别；3) 演示StrOutputParser和JsonOutputParser两种输出处理器的

这篇文章分享了使用langchain框架调用大语言模型的两种方法。第一种是通过社区库直接调用模型（如Tongyi、OllamaLLM），第二种是通过OpenAI接口调用本地模型。文章详细比较了不同调用方式下的流式输出差异：LLM类输出纯文本，而ChatModel类会返回包含元数据的完整对象。作者还展示了如何构建对话消息链，包括SystemMessage、HumanMessage和AIMessage

记录了学习AI模型应用的两段代码实践。第一段代码实现了新闻标题分类功能，通过few-shot学习方式让模型识别科技、体育等类别，并修正了因append()方法返回None导致的错误。第二段代码展示了金融信息抽取任务，从股票新闻中提取日期、价格等结构化数据。作者在开发过程中遇到基础语法问题，通过调试解决了消息传递错误，并分享了使用#noinspection注释消除IDE警告的技巧。两段代码都采用Op

本文记录了博主初次使用OpenAI API时遇到的问题和解决方案。主要内容包括：1) 必须导入dotenv加载环境变量，否则会导致API连接超时；2) 流式输出处理时需先检查choices非空和delta.content存在，避免None输出和索引错误；3) messages参数类型警告问题，建议使用OpenAI SDK提供的特定消息类型类。文章展示了完整的Python代码示例。博主以新手视角详细