看到 _start：关注 data.input，看它接收了什么。看到 _stream：关注 data.chunk，看它吐出了什么（实时内容）。看到 Chain：这是流程/容器。看到 Model：这是AI 思考。看到 Tool：这是外部操作。

多轮对话不是简单的聊天功能，而是一种结构化的、目标导向的交互范式。它通过模拟人类沟通中的"确认"和"追问"行为，有效地解决了因用户输入不完美而导致的服务失败问题。最终，多轮对话的目标是在最少的交互轮次内，以最自然的方式，达成对用户意图的100%准确理解，从而提供可靠、高效且令人满意的服务。

Human-in-the-Loop（人机协作）是一种在 AI 决策流程中引入人类监督的机制。当 Agent 尝试执行高风险操作（如删除数据、发送邮件、修改配置）时，系统会自动暂停，等待人工审核后再继续。发送包含敏感信息的邮件执行 SQL 删除语句修改生产环境配置调用金融交易接口LangChain 通过将 HITL 能力标准化，无缝集成到 Agent 工作流中。

DeepSeek 是由中国杭州深度求索（DeepSeek）团队推出的开源高性能大语言模型系列，以为核心优势，在数学、代码、长文本等任务上媲美甚至超越国际顶尖模型（如 GPT-4、Claude 3.5），成为国产大模型的重要代表。

场景推荐中间件理由实时过滤模型输出中的手机号需在每轮模型响应后立即处理统计整个 Agent 会话的总耗时需等待所有步骤完成确保最终回复不含内部系统提示只需检查最终输出在模型生成工具调用后验证参数合法性必须在工具执行前拦截错误上报用户会话结束事件到埋点系统会话级事件，只需触发一次after_model 可能被调用多次在多轮 Agent 循环中，每次模型调用都会触发，需注意性能开销。after_age

厘清 wrap_model_call 和 wrap_tool_call 两个中间件的职责边界、适用场景及实现差异。：帮助开发者在实际项目中准确选择和使用这两个钩子，避免误用，并通过 Python 案例展示其典型应用。

中间件是在 Agent 执行流程的关键节点插入自定义逻辑的机制。核心思想：切面编程（AOP）中间件提供类似 Web 服务器中间件（middleware）的模式：在流程的关键节点之前／之后插入逻辑，从而实现 “监控／修改／控制／强制执行” 四类能力。执行流程：用户请求 → [中间件层] → Agent 核心 → [中间件层] → 返回结果早期的 Agent 抽象（包括 LangChain 之前版本或

中间件是在 Agent 执行流程的关键节点插入自定义逻辑的机制。核心思想：切面编程（AOP）中间件提供类似 Web 服务器中间件（middleware）的模式：在流程的关键节点之前／之后插入逻辑，从而实现 “监控／修改／控制／强制执行” 四类能力。执行流程：用户请求 → [中间件层] → Agent 核心 → [中间件层] → 返回结果早期的 Agent 抽象（包括 LangChain 之前版本或

"messages": [ {"role": "system", "content": "你是企业知识库助手"}, {"role": "user", "content": "公司年假政策是什么？"metadata": { "source": "hr_policy_doc", "category": "人力资源", "difficulty": "easy" } }{ "conversations":

XGBoost与GBDT比较大的不同就是目标函数的定义，基本思想是一致的，同样是利用加法模型与前向分步算法实现学习的优化过程。