LangChain 学习路线（07）：Agent 入门，从 RAG 问答到智能体调用
前六篇，我们已经学习了 LangChain 的核心组件、LCEL、RAG、Milvus、混合检索和 Rerank。现在，我们开始进入一个新的阶段：Agent（智能体）。之前构建的 RAG 应用，主要解决的是一个问题：用户提出问题，系统从知识库中找到相关资料，再交给大模型生成答案。
让 agent 调 Python 沙箱执行代码，跑数据分析这类任务靠谱多了
上个月做一个数据问答的功能，用户丢一个 csv 上来，问「上个月哪个渠道的转化率最高」。我一开始的做法很蠢：把整张表塞进 prompt，让模型自己算。结果几万行数据，token 直接爆了，算出来的数字还错得离谱，模型对着一堆逗号分隔的文本硬猜均值，你敢信吗。
Agent应用探索：设备报警了，靠Agent真能帮工程师找到故障吗？
先上场景：假如说下午三点，厂区的一条生产线突然停了。控制柜上的红色报警灯不断闪烁，设备屏幕显示：E17：设备保护报警。维修工程师赶到现场，打开设备操作手册，发现整本手册有300多页。他需要先找到E17故障码，再查看可能原因、相关电气图和维修记录，最后确定应该检查什么。
私有AI实战18：让本地AI动手干活，Agent工具调用实战
前面折腾了十几篇本地大模型和知识库，终于到了我感觉比较有意思的阶段。现在我们的本地AI已经能读文档、查资料、结合知识库回答问题，甚至还能在网页上进行多轮对话。但有个问题一直没解决：它知道怎么做，却不一定能替你做。
为什么越来越多团队用 Java 写企业级 Agent：十个绕不开的现实因素
这两年我被问过好几次同一个问题：做 Agent，为什么不用 Python？我一般会反问一句，这个 Agent 上线之后，写不写业务库、走不走审批、进不进现有的权限体系。如果答案都是肯定的，语言这件事其实没多少可选。
别急着用 Python：Java 开发 Agent，也有自己的优势
做 AI Agent，很多人会先想到 Python。但对已经使用 Java 和 Spring 的团队来说，换语言真的是必选项吗？比较 Agent 框架，不能只看它能不能调用大模型。工作流如何组织、数据如何传递、任务怎样并行，以及出现错误时能不能控制，都会影响后续开发和维护。
Agent 实战 01｜先把模型调用接好，再谈 Agent
大家好，我是第二线程。我想先做个文本整理小工具。在终端输入一段话，让模型整理出摘要和要点。它只按写好的步骤发出一次请求，还不会自己决定下一步，目前还算不上 Agent。01 先拿一段便笺试试配套的 samples/meeting.txt 是一段虚构便笺：“周五前整理演示稿。
招 Agent 工程师，为什么张口就是 LangChain？
招聘 Agent 工程师，JD 第一行常写「熟悉 LangChain」。LangChain 最早在 2022 年 10 月开源，这个时间点正好赶上大模型应用爆发的前夜。
LangChain 实战第 8 篇：Agent ——多工具调用、状态管理与对话记忆
在上一篇文章中，我们介绍了 LangChain Agent 的基本原理。我们知道，Agent 不只是一个能够回答问题的大模型，它还可以根据用户的需求，主动选择工具、调用接口，并根据工具返回的结果继续推理。