Langchain

本章深入探讨AI Agent的多轮执行与历史记忆机制，揭示其从对话工具向执行引擎的演进。核心内容包括：1) 概念解析，区分传统AI与执行式AI；2) 五层技术架构（应用层、Agent层、工具层等）；3...

短剧创作面临创意枯竭、角色单薄、制作周期长三大痛点。AI短剧系统通过三大核心技术实现全链路自动化：1）基于LLM的剧本生成，支持多风格选择和结构化输出；2）结合图像生成模型创建一致性角色，实现文字生图...

2026年技术趋势展望：开发者如何把握AI与云原生机遇 随着技术从"范式重构"进入"价值落地"阶段，2026年开发者将面临全新挑...

这个示例演示了：如何使用 LangChain + 阿里云 DashScope，构建一个基于本地文档的检索增强生成（RAG）问答系统。

文章摘要：本文是"工藤学编程"系列教程的第36篇，聚焦AI大模型与LangChain框架实战应用。作者系统梳理了前35篇内容，涵盖大模型基础概念、API调用、私有化...

本文是LangChain v1.2入门系列教程的开篇，主要介绍如何从零开始搭建AI Agent开发环境并实现基础功能。文章首先概述了LangChain框架的特点和v1.0版本后的改进，然后详细讲解了开...

超自动化通过RPA与AI Agent的深度融合，正在推动AI从被动响应向主动执行的范式转变。文章系统阐述了这一趋势的技术架构（应用层、Agent层、工具层、模型层、基础设施层）和核心算法（基础执行框架...

AI Agent正在经历从"工具"到"助手"再到"同事"的定位升级。技术架构上，规划引擎、工具系统、记忆系统、多Agent协作框架构成了完整...

LangGraph是一个用于构建、部署和运行基于状态的多步骤AI/Agent工作流的框架。它基于图论的概念，允许开发者创建由节点和边组成的工作流，实现复杂的AI应用逻辑。LangGraph 是一个用于...

dataclassname: strt . description } (参数: {