uuid:95dbc19a-8891-4d6e-8a89-193b0e1ba316;id=7476346 2026-06-22T07:54:46Z 老陈说编程 https://www.cnblogs.com/halfcode/ feed.cnblogs.com https://www.cnblogs.com/halfcode/p/20704483

在AI应用开发中，我们经常需要让大模型与外部工具和数据源交互。过去，每个开发者都在用自己的方式解决这个问题，导致代码难以复用、维护成本高昂。MCP（Model Context Protocol，模型上下文协议）的出现，正是为了统一这种交互方式。 MCP是一个开源协议，它标准化了大语言模型与外部工具、

2026-06-22T07:55:00Z 2026-06-22T07:55:00Z 老陈说编程 https://www.cnblogs.com/halfcode/ 【摘要】在AI应用开发中，我们经常需要让大模型与外部工具和数据源交互。过去，每个开发者都在用自己的方式解决这个问题，导致代码难以复用、维护成本高昂。MCP（Model Context Protocol，模型上下文协议）的出现，正是为了统一这种交互方式。 MCP是一个开源协议，它标准化了大语言模型与外部工具、 <a href="https://www.cnblogs.com/halfcode/p/20704483" target="_blank">阅读全文</a> https://www.cnblogs.com/halfcode/p/20615293

Agent 跑起来之后，大多数时候我们希望它一气呵成把活干完。但总有些场景不太一样——比如 Agent 要调用一个会删文件的工具，你总得让人确认一下再动手吧？LangGraph 的 interrupt 机制就是干这个的：在指定节点前或节点后暂停执行，等人给了信号再接着跑。 动画视频在《28. Age

2026-06-18T00:21:00Z 2026-06-18T00:21:00Z 老陈说编程 https://www.cnblogs.com/halfcode/ 【摘要】Agent 跑起来之后，大多数时候我们希望它一气呵成把活干完。但总有些场景不太一样——比如 Agent 要调用一个会删文件的工具，你总得让人确认一下再动手吧？LangGraph 的 interrupt 机制就是干这个的：在指定节点前或节点后暂停执行，等人给了信号再接着跑。 动画视频在《28. Age <a href="https://www.cnblogs.com/halfcode/p/20615293" target="_blank">阅读全文</a> https://www.cnblogs.com/halfcode/p/20520195

你有没有遇到过这种情况：Agent 跑得好好的，你想加个日志看看它到底在干嘛，或者想加个安全检查防止它搞出危险操作，结果发现不知道往哪儿插？ Middleware 就是来解决这个问题的。说白了，它就是一个&quot;拦截器&quot;，让你在模型调用前后插入你自己的逻辑。听起来是不是挺简单的？别急，咱们直接上手写代码，

2026-06-14T05:25:00Z 2026-06-14T05:25:00Z 老陈说编程 https://www.cnblogs.com/halfcode/ 【摘要】你有没有遇到过这种情况：Agent 跑得好好的，你想加个日志看看它到底在干嘛，或者想加个安全检查防止它搞出危险操作，结果发现不知道往哪儿插？ Middleware 就是来解决这个问题的。说白了，它就是一个&quot;拦截器&quot;，让你在模型调用前后插入你自己的逻辑。听起来是不是挺简单的？别急，咱们直接上手写代码， <a href="https://www.cnblogs.com/halfcode/p/20520195" target="_blank">阅读全文</a> https://www.cnblogs.com/halfcode/p/20505331

Agent 通过 Checkpointer 记住对话上下文不是什么难事，但要是想让它存点“业务数据”——比如用户偏好、任务进度、历史操作记录这类东西——光靠 Checkpointer 就有点力不从心了。对话线程之间彼此隔离，换个线程就像失忆一样，之前积累的信息全用不上。Store 机制就是来解决这个

2026-06-13T07:58:00Z 2026-06-13T07:58:00Z 老陈说编程 https://www.cnblogs.com/halfcode/ 【摘要】Agent 通过 Checkpointer 记住对话上下文不是什么难事，但要是想让它存点“业务数据”——比如用户偏好、任务进度、历史操作记录这类东西——光靠 Checkpointer 就有点力不从心了。对话线程之间彼此隔离，换个线程就像失忆一样，之前积累的信息全用不上。Store 机制就是来解决这个 <a href="https://www.cnblogs.com/halfcode/p/20505331" target="_blank">阅读全文</a> https://www.cnblogs.com/halfcode/p/20349605

你有没有遇到过这种令人抓狂的情况？和 AI 智能体聊了半天，它帮你计算了复杂数据、处理了多个文件，结果你下一句问 &quot;刚才算的结果是多少？&quot;，它却一脸茫然地说 &quot;抱歉，我不记得之前的对话了&quot;。 这就是 AI 最让人头疼的 &quot;先天性失忆症&quot;——默认情况下，所有大模型和智能体都是无状态的。每次 API 调

2026-06-06T11:23:00Z 2026-06-06T11:23:00Z 老陈说编程 https://www.cnblogs.com/halfcode/ 【摘要】你有没有遇到过这种令人抓狂的情况？和 AI 智能体聊了半天，它帮你计算了复杂数据、处理了多个文件，结果你下一句问 &quot;刚才算的结果是多少？&quot;，它却一脸茫然地说 &quot;抱歉，我不记得之前的对话了&quot;。 这就是 AI 最让人头疼的 &quot;先天性失忆症&quot;——默认情况下，所有大模型和智能体都是无状态的。每次 API 调 <a href="https://www.cnblogs.com/halfcode/p/20349605" target="_blank">阅读全文</a> https://www.cnblogs.com/halfcode/p/20283565

为了大幅提升大语言模型应用开发效率，主流框架 LangChain 提供了数百款开箱即用的标准化工具，全面覆盖信息检索、文件操作、数据库处理、网络访问、代码执行、API 集成等核心场景。这些工具统一接口规范，内置完善的错误处理与数据转换逻辑，避免重复开发；同时支持快速封装自定义工具，并能与链、智能体、

2026-06-03T03:16:00Z 2026-06-03T03:16:00Z 老陈说编程 https://www.cnblogs.com/halfcode/ 【摘要】为了大幅提升大语言模型应用开发效率，主流框架 LangChain 提供了数百款开箱即用的标准化工具，全面覆盖信息检索、文件操作、数据库处理、网络访问、代码执行、API 集成等核心场景。这些工具统一接口规范，内置完善的错误处理与数据转换逻辑，避免重复开发；同时支持快速封装自定义工具，并能与链、智能体、 <a href="https://www.cnblogs.com/halfcode/p/20283565" target="_blank">阅读全文</a> https://www.cnblogs.com/halfcode/p/20250691

很多人觉得AI智能体高深难懂，其实它的原理非常朴素。不同于只会被动聊天的普通AI，AI智能体是一套能够自主思考、判断、调用资源、完成任务的智能系统。简单来说，它不再等人一步步指令，而是拿到目标后就能自己想办法把事做完。 动画视频在：《23. AI 智能体真的很难吗？动画 + 代码一次性讲明白》。 支

2026-06-01T06:25:00Z 2026-06-01T06:25:00Z 老陈说编程 https://www.cnblogs.com/halfcode/ 【摘要】很多人觉得AI智能体高深难懂，其实它的原理非常朴素。不同于只会被动聊天的普通AI，AI智能体是一套能够自主思考、判断、调用资源、完成任务的智能系统。简单来说，它不再等人一步步指令，而是拿到目标后就能自己想办法把事做完。 动画视频在：《23. AI 智能体真的很难吗？动画 + 代码一次性讲明白》。 支 <a href="https://www.cnblogs.com/halfcode/p/20250691" target="_blank">阅读全文</a> https://www.cnblogs.com/halfcode/p/20143984

在 LangChain 生态中，LCEL（LangChain Expression Language）是一种新的编程范式。它用一个简单的|，改变了 AI 应用的构建方式。曾经需要编写大量胶水代码才能串联起来的提示词、模型和输出解析器，现在只需要一行代码就能完成： chain = prompt | m

2026-05-24T11:58:00Z 2026-05-24T11:58:00Z 老陈说编程 https://www.cnblogs.com/halfcode/ 【摘要】在 LangChain 生态中，LCEL（LangChain Expression Language）是一种新的编程范式。它用一个简单的|，改变了 AI 应用的构建方式。曾经需要编写大量胶水代码才能串联起来的提示词、模型和输出解析器，现在只需要一行代码就能完成： chain = prompt | m <a href="https://www.cnblogs.com/halfcode/p/20143984" target="_blank">阅读全文</a> https://www.cnblogs.com/halfcode/p/20111077

提到 Python 中的|，绝大多数开发者的第一反应都是按位或运算，5 | 3 = 7 是我们初学编程时就烂熟于心的基础。但很少有人知道，| 还能像这样用： 动画视频在《21. “|”不只是按位或，90%的人不知道》。 chain = AddOne() | MulTwo() | ToStr() pr

2026-05-21T09:56:00Z 2026-05-21T09:56:00Z 老陈说编程 https://www.cnblogs.com/halfcode/ 【摘要】提到 Python 中的|，绝大多数开发者的第一反应都是按位或运算，5 | 3 = 7 是我们初学编程时就烂熟于心的基础。但很少有人知道，| 还能像这样用： 动画视频在《21. “|”不只是按位或，90%的人不知道》。 chain = AddOne() | MulTwo() | ToStr() pr <a href="https://www.cnblogs.com/halfcode/p/20111077" target="_blank">阅读全文</a> https://www.cnblogs.com/halfcode/p/20098782

​做 AI 应用开发时，我们经常需要处理大模型的输出文本。大模型生成自然流畅的人类语言能力很强，但要把这些非结构化的自然语言，精准转换成能直接存入数据库、能安全传给下游接口的标准 JSON 格式，却是一件非常棘手的事情。好在 LangChain 为这个行业普遍存在的痛点提供了优雅的解决方案 —— 通

2026-05-20T12:02:00Z 2026-05-20T12:02:00Z 老陈说编程 https://www.cnblogs.com/halfcode/ 【摘要】​做 AI 应用开发时，我们经常需要处理大模型的输出文本。大模型生成自然流畅的人类语言能力很强，但要把这些非结构化的自然语言，精准转换成能直接存入数据库、能安全传给下游接口的标准 JSON 格式，却是一件非常棘手的事情。好在 LangChain 为这个行业普遍存在的痛点提供了优雅的解决方案 —— 通 <a href="https://www.cnblogs.com/halfcode/p/20098782" target="_blank">阅读全文</a> https://www.cnblogs.com/halfcode/p/20084842

做AI应用开发最头疼的事之一，就是大模型的输出永远不按你想要的格式来。明明要求返回一个列表，结果它要么加一堆无关的开场白和结束语，要么格式五花八门，手动写正则处理不仅麻烦，还经常漏各种边界情况。 其实 LangChain 早就为我们准备好了现成的解决方案 ——ListOutputParser 系列解

2026-05-19T11:44:00Z 2026-05-19T11:44:00Z 老陈说编程 https://www.cnblogs.com/halfcode/ 【摘要】做AI应用开发最头疼的事之一，就是大模型的输出永远不按你想要的格式来。明明要求返回一个列表，结果它要么加一堆无关的开场白和结束语，要么格式五花八门，手动写正则处理不仅麻烦，还经常漏各种边界情况。 其实 LangChain 早就为我们准备好了现成的解决方案 ——ListOutputParser 系列解 <a href="https://www.cnblogs.com/halfcode/p/20084842" target="_blank">阅读全文</a> https://www.cnblogs.com/halfcode/p/20074434

在实际开发AI应用时，我们常会遇到一个很实际的问题：大模型的输出大多是自然语言文本，但我们搭建的应用程序，往往只能处理字符串、JSON、列表这类结构化数据。两者格式不匹配，就会导致大模型的输出无法直接被应用调用，而LangChain内置的输出解析器，正是为了解决这个痛点而生的。视频看这里《18. 动

2026-05-18T12:28:00Z 2026-05-18T12:28:00Z 老陈说编程 https://www.cnblogs.com/halfcode/ 【摘要】在实际开发AI应用时，我们常会遇到一个很实际的问题：大模型的输出大多是自然语言文本，但我们搭建的应用程序，往往只能处理字符串、JSON、列表这类结构化数据。两者格式不匹配，就会导致大模型的输出无法直接被应用调用，而LangChain内置的输出解析器，正是为了解决这个痛点而生的。视频看这里《18. 动 <a href="https://www.cnblogs.com/halfcode/p/20074434" target="_blank">阅读全文</a> https://www.cnblogs.com/halfcode/p/20062360

做 AI 应用开发的人应该都有过这种经历：明明在提示词里写了一大堆要求，大模型还是会输出不符合预期的内容，甚至一本正经地胡说八道。这时候，与其继续堆砌文字说明，不如试试 LangChain 里的 FewShotPromptTemplate—— 用几个简单的示例，就能让大模型瞬间明白你想要什么。视频在

2026-05-16T23:27:00Z 2026-05-16T23:27:00Z 老陈说编程 https://www.cnblogs.com/halfcode/ 【摘要】做 AI 应用开发的人应该都有过这种经历：明明在提示词里写了一大堆要求，大模型还是会输出不符合预期的内容，甚至一本正经地胡说八道。这时候，与其继续堆砌文字说明，不如试试 LangChain 里的 FewShotPromptTemplate—— 用几个简单的示例，就能让大模型瞬间明白你想要什么。视频在 <a href="https://www.cnblogs.com/halfcode/p/20062360" target="_blank">阅读全文</a> https://www.cnblogs.com/halfcode/p/20050097

多模态 AI 是具备全感官交互能力的智能系统，集感知、理解、内容生成于一体，全面支持文本、图片、音频、视频等多类型信息的输入输出。 喜欢看视频的，请看《16. LangChain ChatPromptTemplate多模态应用实战》 在实际开发过程中，LangChain框架为多模态交互提供了便捷的支

2026-05-15T22:55:00Z 2026-05-15T22:55:00Z 老陈说编程 https://www.cnblogs.com/halfcode/ 【摘要】多模态 AI 是具备全感官交互能力的智能系统，集感知、理解、内容生成于一体，全面支持文本、图片、音频、视频等多类型信息的输入输出。 喜欢看视频的，请看《16. LangChain ChatPromptTemplate多模态应用实战》 在实际开发过程中，LangChain框架为多模态交互提供了便捷的支 <a href="https://www.cnblogs.com/halfcode/p/20050097" target="_blank">阅读全文</a> https://www.cnblogs.com/halfcode/p/20048498

在使用LangChain与AI交互时，想要让对话更有条理、适配多角色、多轮次的沟通场景，ChatPromptTemplate这个工具绝对少不了。它本质上就是一个用来构建聊天消息列表的提示模板，能帮我们规范AI的交互逻辑，让每一次对话都更贴合预期。 如果你喜欢看视频学习，就看&#160;《15. LangCha

2026-05-15T02:05:00Z 2026-05-15T02:05:00Z 老陈说编程 https://www.cnblogs.com/halfcode/ 【摘要】在使用LangChain与AI交互时，想要让对话更有条理、适配多角色、多轮次的沟通场景，ChatPromptTemplate这个工具绝对少不了。它本质上就是一个用来构建聊天消息列表的提示模板，能帮我们规范AI的交互逻辑，让每一次对话都更贴合预期。 如果你喜欢看视频学习，就看&#160;《15. LangCha <a href="https://www.cnblogs.com/halfcode/p/20048498" target="_blank">阅读全文</a> https://www.cnblogs.com/halfcode/p/20017945

在 AI 应用开发中，很多开发者都会犯一个共同的错误：把提示词直接写死在代码里。这种做法看似简单快捷，但随着应用功能的扩展，问题会迅速暴露。固定的提示词就像一把只能开一把锁的钥匙，严重限制了大模型的适用范围。 为了解决这个普遍存在的痛点，LangChain框架提供了一个核心基础组件 ——Prompt

2026-05-11T22:56:00Z 2026-05-11T22:56:00Z 老陈说编程 https://www.cnblogs.com/halfcode/ 【摘要】在 AI 应用开发中，很多开发者都会犯一个共同的错误：把提示词直接写死在代码里。这种做法看似简单快捷，但随着应用功能的扩展，问题会迅速暴露。固定的提示词就像一把只能开一把锁的钥匙，严重限制了大模型的适用范围。 为了解决这个普遍存在的痛点，LangChain框架提供了一个核心基础组件 ——Prompt <a href="https://www.cnblogs.com/halfcode/p/20017945" target="_blank">阅读全文</a> https://www.cnblogs.com/halfcode/p/19991134

很多人用 AI，总觉得它答非所问、输出的内容永远差一口气，其实问题大多不在 AI 本身，而在于你没跟它说清需求 —— 提示词，就是你和 AI 高效沟通的核心语言。它本质上是给 AI 的一套完整行动指令，核心要讲透三件事：你到底想要什么、这件事要按什么逻辑和标准做、你最终期待拿到什么样的结果。 如果喜

2026-05-07T23:58:00Z 2026-05-07T23:58:00Z 老陈说编程 https://www.cnblogs.com/halfcode/ 【摘要】很多人用 AI，总觉得它答非所问、输出的内容永远差一口气，其实问题大多不在 AI 本身，而在于你没跟它说清需求 —— 提示词，就是你和 AI 高效沟通的核心语言。它本质上是给 AI 的一套完整行动指令，核心要讲透三件事：你到底想要什么、这件事要按什么逻辑和标准做、你最终期待拿到什么样的结果。 如果喜 <a href="https://www.cnblogs.com/halfcode/p/19991134" target="_blank">阅读全文</a> https://www.cnblogs.com/halfcode/p/19984344

做 AI 应用开发的朋友都有体会，不同业务场景对大模型的调用方式，要求天差地别。为了适配各类开发需求，帮大家省去重复造轮子的麻烦，LangChain 针对大模型对话交互，封装了 6 种核心调用模式，几乎覆盖了绝大多数开发场景。 invoke/ainvoke 是单次调用、一次性返回全部结果，前者同步会

2026-05-07T01:06:00Z 2026-05-07T01:06:00Z 老陈说编程 https://www.cnblogs.com/halfcode/ 【摘要】做 AI 应用开发的朋友都有体会，不同业务场景对大模型的调用方式，要求天差地别。为了适配各类开发需求，帮大家省去重复造轮子的麻烦，LangChain 针对大模型对话交互，封装了 6 种核心调用模式，几乎覆盖了绝大多数开发场景。 invoke/ainvoke 是单次调用、一次性返回全部结果，前者同步会 <a href="https://www.cnblogs.com/halfcode/p/19984344" target="_blank">阅读全文</a> https://www.cnblogs.com/halfcode/p/19977070

在 AI 应用开发中，当我们需要集成并调用不同 AI 大模型来实现文本生成、代码补全、语义理解等多样化功能时，为了避免不同模型的配置参数（如 base_url、api_key 等）相互混淆，可通过 config_prefix 进行清晰的命名空间区分。 如果喜欢看视频学习的，可以看这个《11. Lan

2026-05-06T00:47:00Z 2026-05-06T00:47:00Z 老陈说编程 https://www.cnblogs.com/halfcode/ 【摘要】在 AI 应用开发中，当我们需要集成并调用不同 AI 大模型来实现文本生成、代码补全、语义理解等多样化功能时，为了避免不同模型的配置参数（如 base_url、api_key 等）相互混淆，可通过 config_prefix 进行清晰的命名空间区分。 如果喜欢看视频学习的，可以看这个《11. Lan <a href="https://www.cnblogs.com/halfcode/p/19977070" target="_blank">阅读全文</a> https://www.cnblogs.com/halfcode/p/19974284

在 AI 应用开发中，若需动态切换大模型、调整温度等参数，可通过 init_chat_model 函数的 configurable_fields 核心配置字段实现。它支持在运行时动态修改模型参数，可基于配置规则精准控制参数的开放修改边界，配置生效后函数将返回 _ConfigurableModel 可

2026-05-05T02:21:00Z 2026-05-05T02:21:00Z 老陈说编程 https://www.cnblogs.com/halfcode/ 【摘要】在 AI 应用开发中，若需动态切换大模型、调整温度等参数，可通过 init_chat_model 函数的 configurable_fields 核心配置字段实现。它支持在运行时动态修改模型参数，可基于配置规则精准控制参数的开放修改边界，配置生效后函数将返回 _ConfigurableModel 可 <a href="https://www.cnblogs.com/halfcode/p/19974284" target="_blank">阅读全文</a>