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

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

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

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

本文介绍了Agent项目的最后两个代码文件：前端页面app.py和智能体核心react_agent.py。app.py使用Streamlit构建客服界面，实现了用户输入处理、消息流式展示和对话历史记录功能。react_agent.py定义了ReactAgent类，通过LangChain创建智能体，集成了多种工具和中间件，支持流式响应生成。

惬鹤的Agent小项目编程第一期，介绍了后续需要使用的五种工具文件的代码

本次更新主要介绍了向量数据库的实现，包含两个核心文件：factory.py采用工厂模式集中管理模型创建（ChatTongyi对话模型和DashScopeEmbeddings嵌入模型），避免硬编码维护难题；vector_store.py构建了基于Chroma的向量数据库服务，具备文件自动分块、MD5去重、文本/PDF向量化存储功能。项目采用模块化设计，通过配置文件统一管理参数，并包含完善的工具方法（

这篇文章介绍了RAG总结服务类和智能体工具的代码实现

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

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