全部文章
共 1306 篇文章
Deep Agents 03：生产化、Sandbox、权限与上线验收
1、本篇任务：让 Deep Agent 在隔离环境中分析代码 只读研究 Agent 风险有限；编码 Agent 需要读写文件、安装依赖和执行测试。本课不讲如何让模型写更漂亮的代码，只讲执行环境、权限、恢复和上线验收。 2、先做威胁模型 资产包括源代码、用户文件、云凭证、生产网络和发布权限；攻击入口包括用户消息、仓库内容、网页、依赖包、MCP 返回和命令输出。 Prompt injection 不是靠一句 system prompt 解决...
LangChain 01：全景、原理与学习路线
1、本篇学完要得到什么 这一篇只解决三个问题：LangChain 到底负责什么；它与 LangGraph、Deep Agents、LangSmith 是什么关系；后面应按什么顺序学习。 贯穿整套课程的项目是“退款政策与订单助手”。它最终能够：回答知识库中的退款规则；查询当前用户的订单；生成结构化答复；对真正的退款操作进行人工审批；断线后恢复；通过评测后发布。 先记住一句话： 模型负责理解与生成，应用负责数据、权限、状态和副作用。 如果把...
LangChain 02：模型、消息与结构化输出
1、本篇任务：让模型输出成为程序可以依赖的合同 上一课只证明 Agent 能运行。本课暂时不接业务工具，只完成一个“客服分诊器”：输入用户问题，输出意图、紧急程度、是否需要人工和给用户的答复。 本课的核心不是学更多模型参数，而是理解三层合同：消息决定模型看到了什么；schema 决定程序期待什么；业务校验决定结果是否真的可用。 2、消息不是一段字符串，而是一条执行记录 一次工具型对话通常包含四种消息： | 类型 | 由谁产生 | 作用...
LangChain 03：工具与 Agent——从函数到可控行动
1、本篇任务：让 Agent 安全地读取订单 上一课得到结构化分诊结果，但模型不知道真实订单。本课增加一个只读工具 ，走通完整 Agent 循环，并把模型、工具包装和领域服务的责任分开。 完成后，用户问“我的 A100 发货了吗”，Agent 会选择工具；工具只按当前登录用户查询；模型基于工具结果回答。它仍然不能退款，因为我们没有提供写工具。 2、工具的本质是受 schema 约束的应用函数 一个好工具需要：稳定名称、清楚描述、窄输入...
LangChain 04：RAG 知识库实战（Python + TypeScript）
1、本篇任务：回答退款政策，并且能指出证据 上一课的订单工具能查询业务事实，却不知道政策文本。本课构建一条完整 RAG：离线索引政策文档；在线检索相关片段；只依据证据回答；证据不足时拒答。 RAG 不是“向量数据库 + 大模型”两个词。它有两条独立管线：索引管线决定知识怎样进入系统；查询管线决定问题怎样找到证据。任何一条出错，最终回答都会错。 2、先定义文档与 chunk 合同 每个 chunk 至少保存： 引用依赖 metadata，...
LangChain 05：记忆、流式、人工审批与生产治理
1、本篇任务：把“退款建议”变成可恢复、可审批的流程 现在我们有政策检索和订单查询。本课增加三项产品能力：同一会话记住之前的订单；运行过程实时显示；真正提交退款前暂停并等待人工决定。 这三项能力共享同一个基础： 运行状态必须在服务端持久化。 浏览器内的聊天数组不是记忆，逐 token 显示不是恢复，确认按钮也不是权限系统。 2、先区分三种状态 | 状态 | 例子 | 保存位置 | | | | | | 短期会话状态 | 消息、工具结果、当...
LangChain 06：端到端项目蓝图——把知识库客服做成可上线服务
1、本篇任务：把前五课装成一个能维护的后端 这一篇不再介绍新概念，而是给出项目边界、目录、API 和迭代顺序。目标是把退款政策与订单助手做成可运行服务，而不是继续在 Notebook 中调用 。 2、先确定第一版做什么、不做什么 第一版支持：政策 RAG、当前用户订单查询、结构化回答、SSE 流式事件、退款草案与审批、会话恢复、trace 和最小评测。 第一版不做：多渠道、语音、自动退款、多 Agent、任意 MCP、自动学习所有用户信...
LangChain 07：前端实时 Agent 界面——消息、工具、审批与会话
1、本篇任务：做一个能解释运行状态的 Agent 界面 前端不只是逐字显示模型答案。它必须表示会话、run、消息、工具执行和审批状态，并在刷新或断线后恢复。 后端已在上一课定义公共事件。本课只依赖该合同，不直接依赖 LangGraph 内部节点名。 2、先定义 UI 状态机 不允许从 再接收 text delta，也不允许在 时显示“操作已完成”。状态机能阻止乱序事件让界面说谎。 3、用 reducer 消费事件 sequence 去除...
LangChain 08：上下文工程、Runtime 与 MCP
1、本篇任务：只在正确时刻给 Agent 正确的信息和能力 Agent 变差经常不是模型不够强，而是上下文里混入太多旧消息、无关文档、危险工具或伪造身份。本课建立上下文工程方法，并把 MCP 当作外部能力适配器接入。 2、上下文有四种来源 | 来源 | 示例 | 信任级别 | | | | | | 静态规则 | 角色、不可违反的业务边界 | 应用控制 | | Runtime context | 当前 user、tenant、role、re...