一、项目概述 从零开始，使用 Python 基于 LangChain RAG（检索增强生成）+ Agent（智能代理） 构建一个完整的多工具 AI 知识库问答助手系统。系统具备文档问答、数学计算、天气查询、时间查询和提醒设置等多种功能，能够根据用户问题智能选择合适的工具进行处理。 1.1 技术选型 组件 技术 版本 说明 语言 Python 3.10+ 主开发语言 AI 框架 LangChain …

阅读更多

一、基础概念 RAG（Retrieval-Augmented Generation，检索增强生成）是一种将信息检索与文本生成相结合的人工智能技术。通过从外部知识库中检索相关信息，并将其作为上下文（Context）输入给大语言模型（LLM），以增强模型处理知识密集型任务的能力，如智能问答、文本摘要、内容生成等。 其核心流程可概括为：用户提问 → 检索相关文档 → 将检索结果与问题融合 → 生成最终答 …

阅读更多

Agent 是 LangChain 最核心的概念，它赋予 AI 自主决策能力——自动判断何时需要调用工具，并在获取工具结果后继续推理，直至完成任务。这一机制使 AI 能够突破静态知识限制，动态获取实时信息并解决复杂问题。 一、什么是 Agent 传统的模型调用遵循简单的一问一答模式：用户发送请求，模型返回响应，交互结束。 Agent 则完全不同，它引入了一个 思考-行动-观 …

阅读更多

LangChain 是一个开源的大语言模型（LLM）应用开发框架，由 Harrison Chase 于2022年底推出。它的核心价值在于将大模型从单纯的文本生成能力，转化为可落地的工程化应用。你可以将其理解为一套“AI应用开发积木”——通过提供标准化的组件和灵活的编排能力，让开发者无需从零编写底层逻辑，就能快速构建智能问答、数据分析助手、自动化工作流等复杂应用。 一、LangChain …

阅读更多

一、NLP基础概念 自然语言处理（Natural Language Processing, NLP） 是人工智能领域中研究如何让计算机理解、处理和生成人类语言的技术。它是连接人类语言与计算机系统的桥梁。 1.1 NLP的发展历程 阶段 时间 核心技术 代表任务 规则时代 1950s-1990s 基于语法规则和专家系统 机器翻译（早期）、文本解析 统计时代 1990s-2010s 机器学习、 …

阅读更多

一、基础概念 GraphRAG（Graph Retrieval-Augmented Generation）是将知识图谱与检索增强生成（RAG）融合的技术，通过构建实体与关系的图结构，提升复杂语义任务中的信息检索与生成质量。相比传统 RAG 依赖文本相似性匹配，GraphRAG 能够捕捉结构化关联，支持多跳推理和全局语义理解。 1.1 传统RAG核心问题 传统RAG通过向量相似度检索文档片段，但存在 …

阅读更多

一、基础概念 RAG（Retrieval-Augmented Generation，检索增强生成）是一种将信息检索与文本生成相结合的人工智能技术。通过从外部知识库中检索相关信息，并将其作为上下文（Context）输入给大语言模型（LLM），以增强模型处理知识密集型任务的能力，如智能问答、文本摘要、内容生成等。 其核心流程可概括为：用户提问 → 检索相关文档 → 将检索结果与问题融合 → 生成最终答 …

阅读更多

一、基础概念 Milvus 是一款开源的、专注于向量相似度搜索和AI 应用开发的数据库。它能够高效地处理由非结构化数据（如图片、音频、文本）转换而来的嵌入向量，并通过计算向量间的相似度，实现诸如“以图搜图”、“语义搜索”、“推荐系统”等功能。 1.1 核心概念 概念 说明 示例 集合 (Collection) 相当于传统数据库中的表，是存储向量的主要单元， …

阅读更多

一、基础概念 1.1 传统数据库的局限性 传统关系型数据库（如 MySQL）或 NoSQL 数据库（如 MongoDB）擅长进行精确匹配和范围查询，但它们无法有效处理基于“相似性”的查询，例如：“找出所有与这张图片相似的图片”。 1.2 向量数据库（Vector Database） 一种专门为存储、索引和检索高维向量而设计的数据库。其核心能力是进行近似最近邻搜索，快速找到与查询向量最相似的向量集 …

阅读更多

一、什么是嵌入模型 嵌入模型（Embedding Model） 是一种将非结构化数据（文本、图像、音频等）转换为高维向量的机器学习模型。这些向量能够捕捉数据的语义信息，使得相似的内容在向量空间中距离更近。 1.1 核心概念 概念 说明 嵌入（Embedding） 将离散符号（如单词、图像）映射到连续向量空间的过程 向量空间（Vector Space） 嵌入向量所在的高维空间， …

阅读更多