LangChain 实战：构建 LLM 应用的工程化思路
LangChain 实战：构建 LLM 应用的真实经验LangChain 目前在 GitHub 上有超过 9 万 Star，是 LLM 应用开发领域最主流的框架。这篇文章不打算翻译官方文档，而是从一个实际写过几个 LLM 应用的开发者的角度，聊聊 LangChain 解决了什么问题，以及使用中真正需要注意的地方。 LangChain 到底解决了什么直接调用 OpenAI 或 Anthropic 的 API 做一个简单的对话机器人很容易，大概 20 行代码。但当你开始做真实项目的时候，三个问题会立刻冒出来： 模型不知道你的业务数据。你公司的产品文档、内部规范，大模型的训练数据里没有。 模型没有记忆。每一轮对话对它来说都是全新的，它不记得三句话前你告诉过它什么。 一个回答往往需要多个步骤。先查数据库，再根据结果调用模型，再根据模型输出调用另一个 API——这些步骤需要串联。 LangChain 的核心价值就是为这三个问题提供了标准化的组件，让你不用每次从零造轮子。 五大核心组件——按实际重要性排序1. Retrieval（检索增强生成，RAG）这是 LangChain 最实用的能...
Java+SpringBoot 核心知识点整合（一）
从业务代码看 SpringBoot 的分层设计这篇文章不打算把每个注解的用法都列一遍——那些查文档就行。我想聊的是，当你真正坐在工位上面对一个 SpringBoot 项目时，代码为什么这么组织，以及每一层的边界到底在哪里。 HTTP 方法：不只是增删改查 方法 语义 实际使用中的注意点 GET 获取资源 参数走 URL，敏感信息绝不能放这里 POST 创建资源 参数放请求体，不要用 POST 做查询 PUT 全量替换 传全部字段，缺了就会被覆盖为 null PATCH 部分更新 只传要改的字段，但很多团队直接用 POST 代替 DELETE 删除资源 一般做软删除，别真把数据物理删了 一个实际经验：大多数中小项目，GET/POST 就够覆盖 90% 的场景。PUT 和 PATCH 的区分在理论上是合理的，但在协作成本高的团队里，强行推广 RESTful 规范往往是自找麻烦。看清团队现状再做技术选型。 分层架构的本质：谁该干什么标准的分层结构： 1Controller → Service 接口 → ServiceImpl → Mapper →...
初识智能体：看完这篇文章，我终于把 Agent 给串起来了
📝 学习笔记：初识智能体——看完这篇文章，我终于把”Agent”给串起来了大家好，我是小元。之前我在博客里梳理了 JavaScript 的全地图，那篇总结帮我打通了前端基础里的很多关节。最近我把目光转向了 AI，尤其是大语言模型带火的“智能体（Agent）”。但网上资料太多太杂，一上来就是各种框架、多智能体协作，看得我一头雾水。 直到我读到了这篇《第一章 初识智能体》，它像一张精心绘制的导览图，帮我从零开始理解了智能体的全貌。今天这篇博客，就是我的学习笔记。我想用自己的话，把这一章的内容重新说一遍。如果你也刚入门，希望它能帮到你。 🤖 什么是智能体？——一个会看、会想、会动的闭环文章一开头就给了一个非常清晰的定义： 智能体 = 通过传感器感知环境 + 通过执行器采取行动 + 达成目标的自主实体。 我把它理解成：一个能“看到”周围、“思考”下一步、“动手”改变世界的家伙。对于自动驾驶汽车，环境是马路；对于交易算法，环境是金融市场。而传感器可能是摄像头、API 接口，执行器可能是方向盘或者一段代码调用。最关键的是“自主性”——它不是机械地执行死命令，而是能自己判断、自...