《基于LangChain的RAG与Agent智能体开发教程》简介：本课程系统讲解RAG（检索增强生成）技术，涵盖LangChain框架、大模型接入（通义千问、OpenAI）、Ollama部署等核心内容。RAG通过检索外部知识库增强LLM生成能力，可显著提升回答准确性并减少幻觉。教程详细解析RAG工作流程（文档处理、向量检索、提示工程）、关键组件（嵌入模型、向量数据库）及典型应用场景（智能客服、知识

小锋老师推出《2027版基于LangChain的RAG与Agent智能体开发视频教程》，课程涵盖LangChain框架介绍、通义大模型接入、Ollama使用及RAG与Agent开发技术。LangChain是一个开源框架，通过模块化组件（模型、提示、链、代理等）简化LLM应用开发，支持与外部数据源和工具集成。课程包含视频教程、课件和源码下载，适合构建智能问答、聊天机器人等应用。下载链接：https:

《基于LangChain的RAG与Agent智能体开发教程》介绍了使用Ollama部署本地大语言模型的方法。Ollama是一个开源工具，支持Llama3、Phi3等主流模型，具有简单易用、本地运行、隐私保护等特点。教程详细讲解了Ollama的安装使用流程，包括模型选择（根据显存大小）、API调用方式，并比较了本地模型与云服务的优缺点。本地部署虽然速度较慢，但无需费用且模型选择丰富，适合开发者测试和

本文介绍了基于LangChain的RAG与Agent智能体开发教程，主要内容包括：1）LangChain框架及其核心组件（langchain、langchain-community、langchain-ollama）的功能定位；2）如何安装配置开发环境；3）通过代码示例演示了调用通义千问大模型（使用DashScope服务）和本地Ollama模型（如Qwen3）的方法。教程提供了完整的视频、课件和源

《基于LangChain的RAG与Agent智能体开发教程》推出2027版更新，涵盖RAG技术、LangChain框架、通义千万大模型接入、Ollama安装使用等内容。重点讲解如何利用LangChain实现流式输出，通过stream()方法优化大模型响应体验，提供通义和本地Ollama两种模型的流式调用代码示例。课程包含视频教程、课件和源码，适合企业级开发需求。

LangChain4j快速入门指南：一个面向Java开发者的LLM集成框架 本文介绍了LangChain4j的基本使用方法，主要包括： 依赖配置 - 通过Maven/Gradle添加核心库和OpenAI扩展依赖 初始化流程 - 演示如何使用OpenAI GPT-4创建LangChain实例 核心模块 - 包括LLM调用、提示模板、链式处理和记忆功能 简单示例 - 展示文档问答链的实现方式 学习路径

小锋老师推出《2027版SpringAI2.0开发教程》，涵盖SpringAI2.0基础、拦截器增强、提示词工程、RAG等核心内容，后续将发布企业级AI实战课程。教程提供本地AI部署方案Ollama，这是一个开源工具，支持在个人电脑运行Llama3、Phi-3等轻量级蒸馏模型，具有隐私保护、离线可用等特点。文章详细介绍了Ollama的安装使用流程、支持的模型类型（包括参数选择建议）以及知识蒸馏技术

摘要：小锋老师推出《SpringAI2.0开发JavaAgent智能体》系列教程，涵盖SpringAI2.0基础概念、HelloWorld搭建、Advisors拦截器、Prompt工程、工具调用、RAG技术及多模态支持。课程配套视频、课件和源码下载。教程演示了如何集成Ollama本地模型：1）添加Ollama依赖；2）配置application.yml；3）创建ChatClient Bean；4）

《claude-mem：为Claude Code打造的记忆增强系统》摘要： claude-mem是一款面向Claude Code的持久记忆压缩系统，通过自动捕获会话内容并转化为结构化记忆，有效降低重复解释的沟通成本。该系统采用三层渐进式检索架构（索引→时间线→详情），实现10倍以上的token节省。安装仅需一条命令即可完成，支持本地Web Viewer实时监控记忆流。其核心价值在于将对话过程转化为

本文介绍了一个基于SpringAI2.0的RAG企业内部知识库问答系统，采用SpringBoot4+Vue3+Ollama技术栈。系统通过检索增强生成(RAG)技术，结合企业知识库与大语言模型，解决通用模型在企业专业问答中的"幻觉"问题。系统实现了知识库管理、文档向量化、智能问答等功能，采用MySQL、PGVector、MinIO等技术存储数据。核心代码展示了RAG检索、Pro