python01
LangChain 原理与实战（一）：它解决什么问题，核心抽象怎么拆
直接调模型 SDK 写聊天容易，接检索、工具、多轮记忆就乱了。LangChain 把模型外围的脏活标准化成几层抽象：Model I/O、Retrieval、Memory、Chains、Agents。这篇先把全景和每个模块的边界讲清楚。
2026-09-16 11:43:025 阅读
← 返回博客
#LLM
共 4 篇文章
python02
LLM 调用参数全景图：从 temperature 到工具调用，一次讲清
一张思维导图带你梳理六大类约 15 个 LLM 调用参数：采样随机性、长度终止、重复惩罚、格式结构、工具调用、请求级。附防幻觉真相与 Python 示例。
2026-09-01 21:32:0629 阅读
架构03
从 RAG 到 Agentic RAG：给博客 AI 一双自己查资料的手
博客 AI 助手的第二次进化：把固定检索流水线升级为 ReAct 工具编排循环。五个只读工具的提示词工程、伪流式与 tool_calls 的工程取舍、防死循环保险丝，以及为什么用 200 行 Go 手写而不上 LangChain。
2026-08-25 20:30:2321 阅读
架构04
给博客装上一个「了解我」的 AI：Go 手写 RAG 全链路实录
在 1.7G 内存的服务器上落地博客 AI 问答助手：为什么不用向量数据库、为什么 Go 写 RAG 完全可行、SSE 被 BFF 攒成一坨的伪流式排查；以及上线首日的检索进化——混合召回、时间纠偏、阈值截断与拒答联动。
2026-08-25 13:19:4614 阅读