（单）ReAct 智能体 (ReAct Agent)

概述 ReAct（Reasoning + Acting）智能体是一种结合推理和行动能力的智能体模型，由Google Research于2022年提出。ReAct智能体的核心思想是让语言模型通过交替执行思考（Reasoning）和行动（Acting）步骤来解决复杂问题。这种方法的优势在于让模型能够显式

（单）计划执行智能体 (Plan and Execute Agent)

概述 计划执行智能体(Plan and Execute Agent)是一种采用"先规划，后执行"策略的智能体模型。它将复杂任务分解为两个主要阶段：首先使用语言模型制定详细计划，然后逐步执行这些计划步骤。这种方法特别适合处理需要多步骤推理和工具使用的复杂问题，使整个过程更加结构化和可控。 计划执行智能

（单）OpenAI 函数智能体 (OpenAI Functions Agent)

概述 OpenAI 函数智能体是一种结合了OpenAI函数调用能力的智能体类型，它允许语言模型（如GPT-3.5和GPT-4）以结构化的方式使用工具。与ReAct智能体通过自由文本格式来推理和使用工具不同，OpenAI函数智能体利用模型内置的函数调用能力，能够生成结构良好的函数调用参数，大大提高了工

（单）智能体执行器 (Agent Executor)

智能体系统概览

智能体（Agents）是LangChain框架中的高级抽象，它们能够使用工具、制定计划并执行动作来完成复杂任务。本文档提供了LangChain智能体系统的概述。 智能体的定义 在LangChain中，智能体是由大型语言模型（LLM）驱动的自主决策系统，具有以下关键特性： 决策能力：能够确定下一步应该

检索系统 (Retrieval)

检索系统是LangChain的核心组件之一，它提供了从各种数据源获取相关信息的能力，是构建知识增强型应用的基础。本文档详细介绍LangChain检索系统的组件、工作原理和最佳实践。 概述 检索系统解决了大型语言模型知识有限和过时的问题，允许模型访问外部信息源。LangChain的检索框架包括以下主要

链 (Chains)

链是LangChain中的核心组件，用于将多个组件（如提示模板、语言模型、解析器等）连接成序列，构建复杂的工作流。本文档详细介绍链的概念、类型和使用方法。 概述 在LangChain中，链提供了将各个组件组合成端到端应用的方法。通过链，您可以： 顺序执行多个组件：按特定顺序处理数据 组合不同功能：整

记忆系统 (Memory)

输出解析器 (Output Parsers)

输出解析器是LangChain的重要组件，用于将语言模型的原始文本输出转换为结构化数据。本文档详细介绍了输出解析器的类型、功能和最佳实践。 概述 语言模型通常输出自然语言文本，但在应用开发中，我们经常需要将这些文本转换为结构化的数据格式，如列表、字典或对象。输出解析器实现了这一关键功能，提供了： 结

提示模板 (Prompt Templates)

提示模板是LangChain的核心组件，用于构建发送给语言模型的输入。本文档详细介绍了提示模板的类型、功能和最佳实践。 概述 提示工程是使用大型语言模型的关键技术。通过精心设计的提示，可以显著提高模型的输出质量和相关性。LangChain的提示模板系统提供了： 标准化的提示构建方式：统一接口创建各种