DeepAgents是LangChain官方计划推出的企业级Agent框架，作为LangGraph的高级封装，专为复杂工业智能体和长周期任务设计。其核心优势在于开箱即用的四大能力：1）自动任务拆解与进度跟踪；2）文件系统突破上下文限制；3）支持主Agent动态派生子Agent；4）内置长期记忆功能。框架采用配置驱动模式，通过AGENT.md定义全局行为，SKILL.md描述子技能，实现代码与配置分

下一个是memory,有三种策略,第一个是会裁剪消息,就是限定几条,第二个是删除消息,第三个是用一个llm去总结消息摘要(用middleware)- AIMessage：role是assistant，代表LLM生成的响应，包含：文本、工具调用、元数据。- SystemMessage：role是system，代表系统消息，用于设定模型角色和交互背景。- temperature: 控制生成文本的随机性

本文介绍了在本地部署AI模型的完整流程。首先通过Ollama下载并运行千问8B模型，然后配置Dify平台对接本地模型。重点解决了Dify连接Ollama时的常见问题：1）Docker网络隔离导致连接失败；2）插件服务异常问题。通过查看日志、重启容器服务和重新安装插件三个步骤成功解决问题。文章还对比了Docker、Dify和Ollama三者的功能关系：Docker提供隔离环境运行Dify，Dify作

本文介绍了如何在LangChain中使用Python集成不同的大语言模型。首先说明如何初始化模型，包括内置支持的DeepSeek模型和需要伪装成OpenAI的自定义模型（如通义千问）。文档详细讲解了模型参数的调整方法，如temperature、max_tokens等控制选项，并提供了两种调用方式：invoke阻塞式调用和stream流式访问。特别说明了智能体调用的注意事项，必须传入包含messag

文章摘要： LangChain是一个智能体开发平台，提供构建、测试和评估智能体的框架。其核心组件包括：LangChain（快速构建兼容多模型的智能体）、LangGraph（底层控制智能体构建）、DeepAgents（处理多步骤任务）和LangSmith（测试部署工具）。智能体的核心要素为：Prompt（指令，如系统提示词设定角色）、Tools（执行工具，支持自定义或预定义如Tavily搜索）、Me

摘要：本文介绍了一个基于多模态模型的菜品识别智能体系统开发流程。该系统通过加载环境变量、初始化多模态模型(Qwen3-omni-flash)、集成Web搜索工具(TavilySearch)和SQLite记忆管理，构建了一个私人厨师助手。系统能识别用户提供的食材照片，评估新鲜度后生成可用食材清单，通过Web搜索获取食谱并按营养价值和制作难度排序推荐。开发过程包括定义模型、工具、记忆管理和测试环节，最

文章摘要： LangChain是一个智能体开发平台，提供构建、测试和评估智能体的框架。其核心组件包括：LangChain（快速构建兼容多模型的智能体）、LangGraph（底层控制智能体构建）、DeepAgents（处理多步骤任务）和LangSmith（测试部署工具）。智能体的核心要素为：Prompt（指令，如系统提示词设定角色）、Tools（执行工具，支持自定义或预定义如Tavily搜索）、Me

本文介绍了人工智能技术的基础概念，重点讲解了大语言模型(LLM)的工作原理和应用架构。文章详细说明了LLM服务调用的技术流程，包括API请求方式、参数设置和权限验证等关键环节。同时，文章还演示了如何通过Python代码实现LLM的SDK调用，并介绍了Agent开发的基本流程，包括环境变量加载、工具定义和Agent创建等步骤。最后，文章提及了MCP协议作为行业通用标准工具协议的重要性。

摘要：RAG（检索增强生成）技术通过先检索私有知识库再生成回答，解决大模型幻觉问题。其核心是Embedding技术，将文本转化为向量实现相似度检索。完整流程包括文档准备、切片、向量化索引构建及检索设置。Dify作为可视化工具整合了Ollama本地AI、RAG检索和Function Calling功能，后者支持AI自动调用外部工具获取实时数据。典型应用场景包括故障诊断，结合静态知识库和动态数据查询，

本文介绍了在本地部署AI模型的完整流程。首先通过Ollama下载并运行千问8B模型，然后配置Dify平台对接本地模型。重点解决了Dify连接Ollama时的常见问题：1）Docker网络隔离导致连接失败；2）插件服务异常问题。通过查看日志、重启容器服务和重新安装插件三个步骤成功解决问题。文章还对比了Docker、Dify和Ollama三者的功能关系：Docker提供隔离环境运行Dify，Dify作