LangChain(资料整编)
梳理 LangChain 的模型、消息、提示词、工具、Agent、结构化输出和观测能力。 LangChain(资料整编) 摘要 LangChain 把模型调用、消息与提示词、工具、结构化输出、检索和 Agent 组织为可组合的应用层组件。模型提出工具调用后,仍由运行时校验并执行工具。流程需要精确分支、循环、持久状态或人
正在读取最新同步的笔记,请稍候。
KNOWLEDGE INDEX / 知识索引
从 Obsidian 同步而来的个人知识索引。按主题翻阅,或直接找到记忆里的那句话。
支持搜索标题、正文与标签,筛选状态会保存在网址中。
检索结果
梳理 LangChain 的模型、消息、提示词、工具、Agent、结构化输出和观测能力。 LangChain(资料整编) 摘要 LangChain 把模型调用、消息与提示词、工具、结构化输出、检索和 Agent 组织为可组合的应用层组件。模型提出工具调用后,仍由运行时校验并执行工具。流程需要精确分支、循环、持久状态或人
概括模型、消息、提示模板、工具、检索与状态图核心概念,并提醒课程代码存在版本差异。 LangChain 与 LangGraph 基础 摘要 LangChain 提供组织模型调用、提示、消息、工具和检索流程的组件;LangGraph 以状态、节点和边表达可循环、可恢复的流程。两个项目的 API 会随版本变化,学习时先看当
把 LangChain 的模型、工具、Agent、结构化输出和状态串起来,并辨认旧版 API。 LangChain 现代 API 与旧课件迁移 版本边界 LangChain 生态 API 变化快。本文按 2026-10-15 官方 Python 文档核对概念与入口;执行代码前仍要检查项目锁定的依赖版本。许多课程使用 0
用 State、Node、Edge 理解 LangGraph 的状态图、控制流、持久化和中断恢复。 LangGraph(资料整编) 摘要 LangGraph 用图结构描述带状态的应用流程:State(状态)保存共享数据,Node(节点)执行一步逻辑,Edge(边)决定下一步。它适用于需要分支、循环、并行、持久化、人工介
用最小 Graph API 例子解释 Reducer、超步、持久化、中断恢复与副作用幂等。 LangGraph 运行时与可靠性:状态、检查点、中断 1. 用 State、Node、Edge 描述流程 LangGraph 不只是画流程图的 UI。Graph API 把共享状态、执行节点和路由边作为程序结构,编译后交给运行
系统学习幻觉分类、评测指标与实验设计、多模态输入输出链路,以及可靠性与安全边界。 模型评测、幻觉与多模态 摘要 模型评测要对应真实任务,而不是只看单一榜单。幻觉可能来自知识缺失、训练噪声、提示歧义、检索错误或生成偏差;多模态评测还要分别检查各模态的感知与组合推理。 正文 1. 评测体系 评测前先定义目标用户、任务和失败
从 Token、Transformer 和训练目标理解大语言模型的能力与边界。 大模型基础原理 摘要 大语言模型(Large Language Model,LLM)先把文字变成 Token ID,再把 ID 映射为向量;Transformer(变换器)层通过注意力读取上下文、通过前馈网络变换表示;最后将当前位置的表示映
围绕 Token、Embedding、Transformer、注意力、位置编码和自回归生成的详细问答与追问。 大模型基础原理面试题库 怎么使用这份题库 每道题建议按“先下定义 → 写出计算过程或结构 → 解释为什么这样设计 → 说明边界和变体”的顺序回答。下列答案是完整复习稿,面试现场不必逐字背诵;先给结论,再根据面试
围绕 KV Cache、显存估算、量化、延迟吞吐、批处理、并行和压测的详细面试问答。 大模型推理与部署面试题库 怎么使用这份题库 先用一句话回答,再讲机制、写出估算假设,最后补充如何验证。推理问题往往没有脱离模型、硬件、上下文长度、并发和服务目标的唯一数字答案。遇到“能跑多少并发”“量化后快几倍”等问题,应先问清输入条
从推理阶段、KV Cache 和内存构成出发理解延迟、吞吐量与优化取舍。 大模型推理与性能优化 摘要 推理性能不仅由参数量决定,还受权重精度、上下文长度、KV Cache、批处理、硬件带宽和运行框架影响。优化应先测量瓶颈,再在质量、延迟、吞吐和资源之间做取舍。 正文 1. 推理过程与指标 推理通常包含 Prefill(
大模型原理、RAG、可靠性和应用设计面试的速览入口;逐题详解见专题题库。 大模型面试精选 摘要 这份笔记是复习速览入口,不是完整题库。回答时先给结论,再解释机制、取舍和边界,最后联系项目中的验证方式;完整问答、追问答案和易错点见各专题题库。课程样例和设计练习不得说成个人生产经历。 正文 1. Transformer 如
按基础原理、训练推理、RAG、Agent 与评测整理面试自测题和回答要点。 大模型面试精选(资料整编) 使用方法 先尝试用自己的话回答,再对照要点补充机制、权衡和边界。技术回答可按“定义 → 原理 → 适用场景 → 局限或风险 → 验证方式”组织。以下是第一批精选框架,不等同于 89 份题库文件的逐题转写;后续还要从题