【项目开发日志Day2】成功搭建SpringBoot后端基础框架，实现了最小可运行服务。核心成果包括： 创建SpringBoot项目并配置Maven依赖 开发健康检查接口/api/health 设计统一响应格式ApiResponse（code/message/data） 实现全局异常处理机制 掌握关键概念：API接口、HTTP方法（GET/POST）、控制器(Controller)作用 项目现已具

摘要： 作者分享在使用LangChain时遇到的输出解析问题，强调模型返回的人类可读文本需转换为程序可处理的数据结构。介绍了四种常用解析器：StrOutputParser（基础文本）、JsonOutputParser（结构化数据）、PydanticOutputParser（类型校验）和枚举值（固定分类），并总结适用场景。关键教训包括：显式注入格式指令、避免模型额外解释、控制输出完整性。最终指出，输

本文介绍了提示词模板（PromptTemplate）在工程化开发中的必要性及其核心价值。传统直接手写Prompt的方式存在不可复用、易出错、难维护等问题，而提示词模板通过结构化设计解决了这些痛点，将静态指令与动态变量分离，支持复用和组合。文章详细解析了LangChain中四种常见模板类型：基础文本模板、聊天消息模板、少样本模板和动态消息占位符，并提供了代码示例。此外，还探讨了模板组合、变量预填充等

文章摘要：作者分享了对LangChain框架的认知转变过程。最初误以为Prompt是核心，后来发现链式调用（Chain）才是关键——它将Prompt、模型、输出解析等环节串联成可复用的流水线。通过情感分析案例，展示了链式调用如何将模型输出转化为结构化数据，解决了输出不稳定、流程难复用等痛点。文章总结了三种常用链形态（基础链、多步链、条件分支链）和三个典型踩坑经验（链过重、忽略解析器、过度依赖框架）

本文分享了作者在使用LangChain实现流式响应过程中的经验总结。文章首先指出一次性返回结果的弊端，强调流式响应是"模型边生成边消费"的本质。核心内容包括：1）基础流式链的标准写法（LCEL+StrOutputParser组合）；2）踩坑经验（如Pydantic解析器不支持流式）；3）流式设计原则（决策不流式、体验才流式）；4）两种常用模式（流式输出+非流式判断、中间变量+最

本文深入解析 AI Agent（智能体）的核心概念与技术架构。区别于传统大模型，Agent 具备自主规划、工具调用与环境交互能力，能主动拆解复杂任务并完成目标。文章详解其感知、决策、记忆机制，对比传统程序差异，并探讨主流框架与落地挑战，助你全面掌握这一 AI 工程化关键技术。

本文分享了作者在使用LangChain实现流式响应过程中的经验总结。文章首先指出一次性返回结果的弊端，强调流式响应是"模型边生成边消费"的本质。核心内容包括：1）基础流式链的标准写法（LCEL+StrOutputParser组合）；2）踩坑经验（如Pydantic解析器不支持流式）；3）流式设计原则（决策不流式、体验才流式）；4）两种常用模式（流式输出+非流式判断、中间变量+最

文章摘要：作者分享了对LangChain框架的认知转变过程。最初误以为Prompt是核心，后来发现链式调用（Chain）才是关键——它将Prompt、模型、输出解析等环节串联成可复用的流水线。通过情感分析案例，展示了链式调用如何将模型输出转化为结构化数据，解决了输出不稳定、流程难复用等痛点。文章总结了三种常用链形态（基础链、多步链、条件分支链）和三个典型踩坑经验（链过重、忽略解析器、过度依赖框架）

摘要： 作者分享在使用LangChain时遇到的输出解析问题，强调模型返回的人类可读文本需转换为程序可处理的数据结构。介绍了四种常用解析器：StrOutputParser（基础文本）、JsonOutputParser（结构化数据）、PydanticOutputParser（类型校验）和枚举值（固定分类），并总结适用场景。关键教训包括：显式注入格式指令、避免模型额外解释、控制输出完整性。最终指出，输

本文介绍了提示词模板（PromptTemplate）在工程化开发中的必要性及其核心价值。传统直接手写Prompt的方式存在不可复用、易出错、难维护等问题，而提示词模板通过结构化设计解决了这些痛点，将静态指令与动态变量分离，支持复用和组合。文章详细解析了LangChain中四种常见模板类型：基础文本模板、聊天消息模板、少样本模板和动态消息占位符，并提供了代码示例。此外，还探讨了模板组合、变量预填充等