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