LangChain
未读
（搜索智能体）向量存储 (Vector Stores)
向量存储是LangChain中的一种特殊数据库，专门用于存储和检索向量嵌入（vector embeddings）。这些向量嵌入是文本或其他数据的数值表示，能够捕捉语义相似性，使得基于语义的搜索和检索成为可能。向量存储是构建强大知识检索系统的基础。 向量存储的工作原理 向量存储的核心功能是： 存储向量
LangChain
未读
（搜索智能体）搜索工具 (Search Tools)
搜索工具是LangChain中的一系列组件，使智能体能够与外部信息源进行交互，从而检索、过滤和处理相关数据。这些工具极大地增强了智能体的能力，使其能够访问实时或特定领域的信息，从而提供更准确、更全面的回答。 常见搜索工具 1. SerpAPI SerpAPI是一个搜索引擎结果页面(SERP)API，
LangChain
未读
（搜索智能体）搜索工具包 (Search Toolkit)
搜索工具包是LangChain中的一个集成解决方案，它将多个搜索相关的工具组合在一起，为智能体提供全面的信息检索能力。通过使用工具包，开发者可以轻松地将多种搜索功能整合到他们的应用程序中，而不需要单独管理每个工具。 工具包概念 工具包（Toolkit）在LangChain中是一个包含相关工具组合的容
LangChain
未读
（搜索智能体）LangChain 搜索与智能体集成技术总结
1. 集成方法概述 LangChain 框架提供了多种将搜索/检索功能与智能体集成的方法，主要包括以下几种模式: 1.1 检索工具模式 在这种模式下，检索系统被封装为智能体可以使用的工具。智能体可以根据需要决定何时调用检索工具来获取相关信息。 优势: 智能体可以决定何时使用检索功能 <
LangChain
未读
（搜索智能体）检索器 (Retrievers)
检索器是LangChain中的一类组件，负责从各种数据源中获取与用户查询相关的信息。它们作为LLM和数据源之间的桥梁，为检索增强生成（Retrieval-Augmented Generation，RAG）系统提供了核心功能。检索器的主要任务是根据查询找到最相关的文档或信息片段，以便LLM可以使用这些
LangChain
未读
（搜索智能体）向量数据库聊天 (Agent with Retrieval Tool)
向量数据库聊天是一种将检索增强功能集成到智能体中的强大方法，使智能体能够访问和利用存储在向量数据库中的知识。这种集成创建了一个能够基于私有数据回答问题、执行任务和提供见解的智能系统。 基本概念 向量数据库聊天系统结合了以下关键组件： 智能体：负责理解用户意图，规划和执行任务 向量存储：存储文档和知识
LangChain
未读
LangSmith 监控指南
概述 LangSmith 提供了强大的监控和可观察性功能，帮助开发者追踪、分析和优化他们的 LLM 应用程序。本指南将介绍如何使用 LangSmith 对您的应用进行全面监控。 控制台监控 仪表盘概览 LangSmith 控制台提供了一个全面的仪表盘，展示您应用的关键指标： 运行总数
LangChain
未读
LangSmith 设置指南
什么是 LangSmith？ LangSmith 是 LangChain 团队开发的一个统一开发者平台，用于构建、测试、评估和监控基于大型语言模型（LLM）的应用程序。它提供了一套工具，帮助开发者更好地理解、调试和改进他们的 LLM 应用。 注册 LangSmith 在开始使用 LangSmith
LangChain
未读
LangGraph 使用指南
安装配置 安装依赖 LangGraph 可以通过 pip 安装： pip install langgraph
如果您想使用最新的功能和改进，可以从源代码安装： pip install git+https://github.com/langchain-ai/langgraph.git
LangChain
未读
LangGraph 架构详解
核心架构组件 LangGraph 的架构建立在一个灵活的基于图的系统上，使开发者能够定义和执行复杂的工作流。以下是主要架构组件： 1. 状态管理系统 LangGraph 的核心是其强大的状态管理系统，它允许应用程序在整个执行过程中维护一致的状态： 状态容器：封装应用程序状态，包括对话历史、中间结果和