孤城听雨

这个项目实现了一个基于大型语言模型(LLM)的Plan-and-Execute模式的智能代理系统，它能够接收用户的查询，自动生成执行计划，然后逐步执行并在需要时重新规划。整个系统围绕着"规划-执行-评估"这一核心循环展开，展示了如何利用大型语言模型的推理能力来解决复杂问题。

为了深入了解大模型智能体的运行机制，这篇博客和大家分享如何从零开始搭建一个基于ReAct模式的AI智能体。

在这篇文章中，我们将深入分析一个基于LangGraph框架实现的多智能体协作系统。这个系统能够自动完成数据搜索和可视化的任务，是一个展示AI智能体协作的案例。

在本文中，我们将探索如何使用 LangChain 和 LangGraph 构建一个强大的文档摘要系统。这个系统能够处理长文本，通过分块、并行处理和递归合并的方式，最终生成一个连贯的总结。

在这篇博客中，我们将深入探讨如何使用 LangChain 和 LangGraph 构建一个智能的 SQL 查询助手。这个助手能够将自然语言问题转换为 SQL 查询，执行查询，并提供人性化的答案。更重要的是，它支持人机协同工作流程，让用户可以在关键步骤进行干预。

在这篇教程中，我们将深入探讨如何使用 langgraph 框架构建一个带有条件分支的智能问答系统。我们将通过逐步分析代码，了解每个部分的功能，并解释其背后的原理。最终的目标是使您能够创建一个能够从网页文档中提取信息并选择是否使用提取信息来回答用户问题的 AI 助手。

在这篇教程中，我们将学习如何使用 langgraph 构建一个智能文档检索系统。该系统能够从网页中提取信息，进行智能分段，并通过查询分析、向量检索实现精准的问答功能。

在这篇教程中，我们将学习如何使用 LangGraph 和 LangChain 构建一个具有记忆功能的智能对话代理。这个代理能够使用搜索工具来回答问题，并保持对话的连续性。

本文将介绍基于langchain和langgraph来搭建带记忆的聊天机器人。LangGraph是Langchain团队开发的一个Python库，专门用于创建可以记住状态的、复杂的AI工作流和多智能体系统。

在这篇教程中，我们将学习如何使用 LangChain 构建一个基础的检索增强生成（RAG）系统。我们将逐步介绍从文档加载到问答的完整流程。