LangChain中间件提供对Agent执行流程的细粒度控制，类似AOP机制。预制中间件包括：对话历史汇总、人机交互审核、模型调用限制、敏感信息过滤等10余种功能。开发人员可通过注解方式自定义中间件，支持在Agent执行各阶段插入逻辑（如调用前验证、调用后处理）。多个中间件按注册顺序依次执行，支持动态跳转控制流程。这些中间件可增强Agent的日志跟踪、安全防护、性能优化等能力，同时提供灵活的扩展机

本文介绍了使用@tool注解创建和定制LangChain工具的方法。主要内容包括：1）通过@tool注解快速创建工具函数；2）工具定制方法（修改名称、增加描述、规范化输入模式）；3）工具访问上下文的实现方式（运行时上下文、长期记忆存储、实时反馈）。文中提供了创建电子印章工具和查询企业信息工具的具体代码示例，展示了如何通过BaseModel或JSON模式定义数据结构，以及如何使用ToolRuntim

本文介绍了LangChain 1.0中基于LangGraph图构建的Agent系统。主要内容包括：1) Agent的创建过程，通过整合搜索和数学计算工具；2) 工具调用的ReAct模式，展示查询两国人口比率的完整交互流程；3) 错误处理机制，可自定义工具异常提示；4) 动态模型选择功能，根据上下文切换不同AI模型；5) 提示词定制方法，支持静态和动态系统提示；6) 结构化输出能力，可定义JSON或

本文探讨了在LangChain中实现短期记忆的多种方法。短期记忆依赖于持久化层的支持，开发测试可使用内存存储，生产环境需使用PostgreSQL数据库。文章详细介绍了四种短期记忆管理策略：1) 截断消息，保留最近N条；2) 删除指定历史消息；3) 使用大模型汇总历史消息；4) 自定义管理策略。此外，还演示了如何通过工具或中间件访问短期记忆进行读写操作，包括在调用模型前后处理消息。这些方法能有效控制

小程序端通过springcloud gateway连接后台的websocket服务失败，返回404错误，针对该问题进行DEBUG跟踪，把出错的过程逐步定位。

Open WebUI+Ollama+本地LLM是大模型本地化部署典型落地手段，其实Open WebUI并非一定与Ollama配套，可以直接与在线的大模型比如openai、deepseek等结合使用。本文仅介绍通过简单的配置，实现Open WebUI与deepseek的结合。左上角显示新增加的模型。前提条件：先申请deepseek的API key。（3）选择【外部连接】，进入管理直接连接页面。（4）

针对一个项目中引入多个功能相同并且结构相同的包时出现的冲突原因进行分析，并给出解决方法。

本文介绍了LangSmith中创建和管理数据集的多种方法。创建数据集可通过SDK或UI界面实现，支持从样本列表、运行结果、CSV文件或DataFrame导入数据。SDK提供了丰富的API，包括创建、查询和更新数据集及样本的功能。数据集支持分块管理，可将样本划分为不同分组进行评估。此外，还详细说明了如何使用UI界面手动创建数据集或从文件导入数据。管理功能包括查询数据集、样本更新以及分块数据的创建和使

Graph：在LangGraph中Graph是一个用来处理数据的有向图，由节点(Node)和连接节点的边(Edge)构成，其处理的数据称为状态(State)。State：状态可理解为所有节点共享的数据结构，有一定的模式，并且随着数据的流转而变化。Node：节点封装了业务逻辑，以当前的状态作为输入，并且在完成业务处理后更新状态Edge：把节点串联起来。

本文介绍了大模型API与OpenAI API的兼容性实现，重点分析了LangChain框架中的消息机制。主要内容包括： 消息结构：详细说明了LangChain中的消息类型（SystemMessage、HumanMessage、AIMessage、ToolMessage）及其组成（role、content、metadata），展示了它们与OpenAI API格式的对应关系。 模型调用方法：提供了三种