使用LangSmith评估智能体
评估（Evaluations）是衡量大模型应用程序性能的一种量化方式。LLM 的行为可能存在不确定性，即便对提示词、模型或输入做出微小调整，也可能对结果产生显著影响。而评估能够提供一种结构化方法。
2025-11-20
评估（Evaluations）是衡量大模型应用程序性能的一种量化方式。LLM 的行为可能存在不确定性，即便对提示词、模型或输入做出微小调整，也可能对结果产生显著影响。而评估能够提供一种结构化方法。
LangSmith提供用于开发、调试和部署大型语言模型（LLM）应用程序的工具。它能帮助你在同一个平台中完成请求追踪、输出评估、提示词测试以及部署管理等操作。
本文介绍了基于LangChain1.0开发多模态RAG系统的核心架构，通过前后端分离架构，构建支持文本、图像、音频和PDF处理的四大功能模块。同时编写测试智能问答基础模块的开发工作，为后续扩展打下基础
一旦我们训练好了 LLM，它就会有一些用于文本生成的模型权重。向量数据库在这里扮演什么角色呢？让我解释一下矢量数据库如何帮助 LLM 生成更准确、更可靠的结果。
单价9998元的500台人形机器人“小布米”两天售罄、加速进化公司2.99万元起的人形机器人Boost⁃erK1在发布后的20分钟内被一扫而空……今年“双11”，人形机器人成为消费市场新宠。“人形机器人在‘双11’爆
传统RAG（检索增强生成）依赖向量化检索，流程复杂且资源消耗大。而Agentic RAG提供了一种更轻量的替代方案——无需向量化，仅需结构化内存数据库即可实现高效检索+生成。
作为一名AI从业者，亲测后发现它不仅是一个可落地的项目，更是入门大模型训练的绝佳教程。今天就带大家手把手体验这个“大道至简”的实战过程。
作为一个对 LLM 工作原理很感兴趣，但又常常被各种零散教程绕晕的人，我读完 Sebastian Raschka 的《从零构建大模型》之后，其实挺松一口气的。
通过对比主流框架并深入剖析LangGraph的图结构与状态管理机制，我们展示了如何构建具备记忆、工具集成和人机协同能力的复杂系统。
本篇为理论篇。 1. 引言 Agentic框架通过使自主系统能够动态感知、推理和行动，彻底改变了AI领域。本节将探讨Agentic框架的核心概念，并阐述开源解决方案对现代AI开发创新和扩展的重要性。
MCP太吃Token？Anthropic新方案用代码执行替代全量工具加载，大幅降低上下文负担与成本。实测有效，开发者必看！
你是否曾在一个百万行的老旧项目里挣扎，改一个bug如同大海捞针？或者面对一个全新的idea，却苦于从零开始的繁琐搭建？如果我告诉你，有一个“副驾”能帮你分担这些，甚至比你更懂代码，你会相信吗？
前言 出于Claude Code的限制加上本人并不想花太多时间在环境上折腾，之前使用Claude Code CLI使用了 GLM 4.5、Kimi K2、DeepSeek 3.1、Qwen3 Code
大家好，我是X小鹿。 前几天，一位读者来问，有哪些 AI 音乐工具推荐，最好国内的。 我想起来之前正好整理过一篇 AI 音乐工具汇总的文章，可以直接发给他。 但看了下，发现有些已经下架找不到入口了，比
学习通是常用的学习工具，可以随时进行学习，找到你需要的资源，跨平台就能在线学习，了解学习的进度，但是很多小伙伴找不到入口在哪，下面就分享给大家。学习通网页版登录
点击阅读
