10张图全面理解AI Agents、Agentic、RAG、MCP技术栈。
分享了AI Agents、Agentic、RAG、MCP等AI技术的概念、应用和挑战，涵盖工具框架、实际案例以及路线图等内容。
LangChain
提示工程101第十六课：负面提示与避免不良输出
文章介绍了如何使用负面提示来引导大型语言模型生成更可控的内容，包括基础负面示例、明确排除内容和实现约束机制等技术，并展示了结合Qwen3模型和LangChain库的应用案例。
关于基于人工智能做数据分析的两种方式——SQL和Pandas的区别
最近研究基于人工智能进行数据分析，发现大模型主要通过生成SQL或Pandas代码来完成任务，而不是直接操作大量数据。对比两种方式优缺点时，SQL擅长处理大批量数据但存在复杂场景问题，Pandas适用于格式化数据且可跨不同数据库使用。
提示工程101第十五课：提示词长度与复杂度管理
高效的提示词设计需在平衡上下文与简洁性之间找到恰当的点。本教程探讨如何管理大语言模型中的提示词长度与复杂度，包括通过示例展示使用Qwen3模型和LangChain库实现的具体方法。
AI Agent框架哪家强：Google ADK、Autogen、Langchain与CrewAI
一模型更高效地解决复杂问题。这一转变预示着更精细的自动化、复杂的问题解决能力以及自主化工作流程。
近
Langchain创始人最新分享：如何跨越“原型惊艳”到“生产可靠”的鸿沟
LangChain创始人Harrison Chase在Interrupt大会上发表了主题演讲，指出AI行业面临的痛点是将大模型转化成可靠应用的困难。他提出智能体工程师需要掌握提示工程、工程能力、产品思维和机器学习知识，并分享了LangChain对智能体开发的洞察与策略预判。
智能体大爆发，2025全面拥抱AI Agent
2025年，Agent成为主流的关键转折点。它能感知环境、分析目标并自主决策，与工具相比更像一个’数字助理’。开发者需升级认知，重构技能，理解Agent的核心技术原理。推荐课程帮助快速上手Agent开发方法论。
提示工程101第十三课：两种提示词优化技术
本文介绍了两种关键的提示词优化策略：A/B测试提示和迭代优化，并提供了实际示例展示这些技术。学习者将掌握进行提示A/B测试的实用技巧、理解提示的迭代优化过程以及使用LangChain进行提示优化的经验技能。