
如何写好 LangChain Tools:不是会调函数就够了,而是怎么把工具真正接进工程系统
如果你要做一个可上线的 AI 助手,LangChain 的 Tools 到底应该怎么设计?
2026-03-19 · 30 min read
Series & Tag View on the left, newest posts on the right.

如果你要做一个可上线的 AI 助手,LangChain 的 Tools 到底应该怎么设计?
2026-03-19 · 30 min read

做 LLM 应用时,很多人第一次接触 LangChain Messages,会把它理解成“聊天记录的一个封装”。这个理解不算错,但太浅了。
2026-03-18 · 30 min read

Models 是 LangChain 的核心组件之一。官方文档将其定义为 Agent 的 reasoning engine:模型负责驱动决策过程,决定是否调用工具、如何理解工具结果,以及何时给出最终答案。模型能力的差异,也会直接影响 Agent 的基础可靠性与性能表现。
2026-03-17 · 30 min read

LangChain 新版 Agent 将 create_agent 与 LangGraph 图运行时结合,把工具、状态、middleware、流式与人类介入统一进可控、可观测、可扩展的生产架构。
2026-03-15 · 30 min read

记录一次生产环境的缓存踩坑:chunk 404、CSS 无样式闪烁、图片每次重载——三个看似不同的问题,根源都指向同一套缓存配置的漏洞。
2026-03-13 · 7 min read

网站上线后,最常见的问题不是“打不开”,而是“搜不到”。 这篇文章基于我在腾讯云部署 Next.js(App Router)项目的实操,总结一套可直接执行的 Google 收录方案。
2026-03-13 · 12 min read

从服务端签名、缓存设计到前端静默降级,记录把微信分享卡片接入个人站的完整踩坑过程。
2026-03-13 · 12 min read

基于 OpenAI 于 **2026 年 2 月 11 日** 发布的文章 *Harness engineering: leveraging Codex in an agent-first world*,作者为 Ryan Lopopolo。文中记录了一次真实工程实验:团队以“**0 行人工手写代码**”为约束,从空仓库起步,用 Codex 产出应用代码、测试、CI、文档、可观测性和内部工具;约五个月后,仓库规模达到约百万行代码、约 1500 个 PR,平均每名工程师每天约 3.5 个 PR。
2026-03-10 · 14 min read

强化学习(Reinforcement Learning,RL)是机器学习的一个重要分支,它提供了一个序贯决策(Sequential Decision Making)问题的统一视角。
2026-02-06 · 5 min read

作业一官方仓库:https://github.com/stanford-cs336/assignment1-basics
2025-11-22 · 60 min read