LangGraph 让你能用代码画出这张“流程图”，并且强制 AI 沿着线走。最重要的是，它支持 Human-in-the-loop (人在回路) —— 关键时刻，必须人来拍板，AI 才能继续。

基于 ChatGLM 等大语言模型与 Langchain 等应用框架实现，开源、可离线部署的检索增强生成(RAG)大模型知识库项目。

当我们谈论人工智能的未来时，经常会听到这样的问题：为什么ChatGPT不只是一个聊天工具？为什么说大语言模型正在重新定义智能体？基于大语言模型的智能体与传统AI有什么本质区别？

LangChain 近年来因其低代码+多模型兼容特点备受瞩目，该开源框架声称通过预构建的模块化组件和统一的 API，只需约 10 行代码即可部署一个 Agent。

本文全面梳理了智能体(Agent)的核心概念、架构设计与实现方法，以及主流框架的对比分析。

在了解了LLM智能体的基本概念后，本篇我们将深入剖析其内部核心机制，其核心机制主要包括记忆（Memory）、工具（Tools）和规划（Planning） 三大关键组件，本篇将详细解释前两大关键组件，它们如何协同工作完成任务。

很多AI产品对外的接口都复用了OpenAI公司的接口WebAPI，DeepSeek、智谱等也是如此。因此，只要学会OpenAI的接口，其他AI产品也就学调用了。

什么是RAG、大模型、智能体？图解带你搞懂 AI 三大核心技术，大模型入门到精通，收藏这篇就足够了！

本文将介绍开发者可用于本地运行与测试 LLM 的六款顶级工具。这些工具的核心优势在于：数据永远不会离开你的设备，正如端到端加密[1]在通信中保护隐私一样，它们让你在本地处理文本生成、模型推理等任务。

本文将带您深入探索Token的奥秘，从它是什么，为何重要，到它如何深刻影响模型的性能，甚至是导致AI在简单数学问题上“犯傻”的根本原因。