AI,个人随笔 从 Demo 到生产:给 LangChain 售后助手补上上下文、长期记忆、流式输出和可观测性 前两篇把一个售后助手搭了起来,加上会话记忆和结构化输出,它已经能处理一段真实对话。但接进业务系统还差几步:工具怎么知道当前用户是谁,长任务怎么先给一句反馈,出问题又该怎么排查。这篇补齐运行时上下文、长期记忆、流式输出和 LangSmith。 叶小钗 AI编程LangChainLangSmith
AI 同样用一个模型,为什么有的公司的 agent 更好用? 同一个模型、同样的预算,半年后两家公司的 agent 差距却越拉越大。文章借 LangChain 创始人 Harrison 的分享拆开 harness 这一层:工具、治理、上下文与基础设施,解释为什么管得住比选对模型更决定成败。 深思圈 harnessLangChainLangSmith
AI 从一个医疗问诊 Agent 的诞生,看懂 LangChain、LangGraph 与 LangSmith LangChain、LangGraph 和 LangSmith 正在重塑 AI Agent 的开发范式。从标准化接口、复杂流程编排到生产级质量验证,这三个工具构成了完整的 Agent 开发生命周期。本文通过医疗分诊 Agent 的实战案例,带你深度解析这套技术栈如何应对真实业务场景中的多轮对话、紧急分流和人工审批等复杂需求。 壮年女子AIGC版 AI AgentLangChainLangGraph