LangChain
找到 16 篇关于此标签的文章
Agent 的推理方式不 止一种，但大多数人搞混了它们 的层级关系
一篇来自 掘金的技术文章，把 Agent 常见推理模式（如 ReAct、Reflex ion、Router）从「并列选一」 重新整理成「三层递进」结构。这件 事的意义在于：它直接影响企业在搭建 AI 自动化流程时的架构判断——选错层 级，返工成本极高。
AI 助手「自己会 想下一步」背后，藏着三层架构——读 懂它，你才知道它什么时候会失控
现 在市面上的 AI 编程助手、智能客服，绝大多数都跑在一套 「三层嵌套」架构上：最外层保持待 命、中间层动态决策、最内层按顺序干活。这套架构决定了 AI 能做多复杂的任务，也决定了它在 哪里会卡住、失控、或者无休止地转 圈。理解这件事，比学会用某款 AI 工具更重要。
DeepAgents 快速上手教程
一 篇发 布 于 掘金的实 战教程，带 你在 60 分钟内用 DeepAgents 构建 生 产级 Agent 应用， 涵盖工 具调 用、子 Agent、 人工审批中 断 、记忆与 流 式输出。
Hermes Agent Framework 斩获 85K GitHub Stars，自演化记忆架构重新 定义 Agent 运行时
Nous Research 开源的 Hermes Agent 凭借四层记忆架构与运行时技能积累机制，在两 个月内突破 85K GitHub Stars，剑指 Agent 框架市场的无状态执行痛点。
LangChain's 10 Core Modules for Agent Dev: Code Comparisons
LangChain 将 AI Agent 工 程拆解为 10 个抽象层，涵盖多厂商 LLM 调用、RAG 流水线到可 观测性，本文通过代码对比深度解析其 架构价值。
RAG 架构迁移：从自建 GPU 集群转向 API， 成本直降 97%
一 家中国 SaaS 企业将 AI 基础设施从四块 A100 迁移至 De epSeek API，月度成本从 8 万元骤降至不足 2000 元，降幅达 97.5%。
OpenClaw Nanobot 架构解析：AI Agent 设计模式深度分析
OpenClaw 开源 AI Agent 框架突破 20 万 GitHub Star，其核心 Nanobot 模式以声明式 YAML 配置与 Python 运行时分层架构，正挑战 LangChain 等主流框架。
Cirrus Labs Acquired by OpenAI: What This Means for Solo Builders and AI Tooling
Cirrus Labs joins OpenAI, signaling a shift in AI infrastructure. Analyze the implications for indie hackers, open-source alternatives, and how to piv
LangChain-Chroma 高并发架构：超越基础 RAG
详解如何解决 Chroma 从原型扩展到生产环境时的写入阻塞、查询延迟激增及 OOM 错误，提供四种具体优化方案。
面向独立开发者的向量数据库：Chroma、FAISS 与 Pinecone 搭配 LangChain 使用
比较 Chroma、FAISS、Pinecone 和 Milvus 在 LangChain RAG 应用中的表现，并为个人团队提供选型标准。
LLM Cognitive Architecture: From Rule-Based to Autonomous Agents
A technical breakdown of four-layer LLM agent architecture with Python code using LangChain and LangGraph.
LCEL in Practice: Engineering 4 Core LangChain Pipeline Patterns
How to structure LangChain LCEL chains for linear, routing, RAG, and agent workflows in production.
LangChain Vector Embeddings: From Basics to RAG Implementation
Practical guide to LangChain embeddings using OpenAI, HuggingFace, and local models for semantic search and RAG pipelines.
Building a Maintainable Prompt Layer for Enterprise RAG Systems
Replace string-concatenated prompts with LangChain's ChatPromptTemplate and PipelinePromptTemplate for scalable enterprise knowledge bases.
LangChain Document Loading and Text Splitting for RAG Pipelines
How to load PDFs, Word, HTML, and Markdown files in LangChain and split them for RAG applications.
LangChain Runnable: The Interface That Makes AI Pipelines Maintainable
Why LangChain's Runnable protocol transforms scattered model calls into composable, maintainable AI workflows.