avatar
文章
120
标签
85
分类
0
首页
标签
归档
个人网页
首页
标签
归档

个人网页

LangGraph基本概念介绍
发表于2025-05-25
LangGraph 是一个用于构建大型语言模型 Agent 的编排框架,它与 LangChain 深度集成,具备出色的有状态流程管理能力。在之前的文章中,曾介绍过如何使用LangGraph及MCP实现Agent。在那篇文章中可以看到,得益于 LangGraph 内置的丰富组件,开发过程非常简洁。 本文将简要介绍 LangGraph 中常用的一些核心概念,帮助更好地理解和使用。如需详细内容,请参考官方文档 核心组件 State(状态) State 是 LangGraph 中的数据结构,用于表示一次对话流程中的所有信息,例如用户输入、大模型响应等。通常我们通过继承 TypedDict 或使用 Pydantic 的 BaseModel 来定义 State: 12345from typing import TypedDictclass ChatState(TypedDict): message: str response: str 我们将以一个简单的例子来展示如何使用 State 构建 LangGraph,可以先不关注其中的具体细节,只要看State 相关部分 12345...
使用LangGraph及MCP实现Agent
发表于2025-04-26
目前agent 大致有两种风格,一种是自己定义相应的工作流程(workflows),还有一种就是流程完全让大模型自己进行判断处理(agents) 本次主要简单记录一下使用langgraph 及mcp 实现一个 agents 这个可以认为是一个最简化工作流,只有llm 及tools 两个节点,当大模型判断需要调用tools 时就执行调用,直到大模型认为不需要调用工具,这时认为执行结束了,可以返回对应的结果 stateDiagram-v2 [*] --> Start Start --> Agent Agent --> Tools : continue Tools --> Agent Agent --> End : end End --> [*] 交互流程 sequenceDiagram participant U as User participant A as Agent (LLM) participant T as Tools U->>A: Initial input Note over A:...
机器学习数学笔记-分类
发表于2025-03-13
感知机 感知机是一种监督学习算法,用于解决线性可分(Linearly Separable)的二分类问题,具体内容如下: 计算预测值:$z=w_1x_1 + w_2x_2 + b$ 激活函数为阶跃函数: $$ y_{pred}= \begin{cases} 1 & z \ge 0\\ 0 & z \lt 0 \end{cases} $$ 参数更新函数: $$ w_i = w_i + \eta \cdot (y_{true} - y_{pred}) \cdot x_i$$ $$b = b + \eta \cdot (y_{true} - y_{pred})$$ 下面我们通过具体的例子,应用一下上面的公式来使用感受一下: 学生有两门课程的成绩,语文和数学,预测是否通过考试 假设每科分数均为 0-100,同时总分超过 120 分为通过考试 构造测试数据 12345678910111213141516171819202122232425import numpy as npimport matplotlib.pyplot as pltnum_samples = 50# 随机生成...
机器学习的数学笔记-回归
发表于2025-03-02
《白话机器学习中的数学》笔记 机器学习主要擅长包括回归、分类、以及聚类任务 回归是一种预测性的建模技术,用于确定一个或多个自变量(特征)与因变量(目标值)之间的关系,重点预测的是连续的数值。如根据房子的各类信息,预测房屋的价格 分类是将样本划分到不同的类别中,每个类别通常对应一个特定的标签,它是离散的、无序的。如根据邮件的信息判断其是否是垃圾邮件 聚类是将数据集中的样本划分成不同的组,使得同一组内的样本相似度高,而不同组之间的样本相似度低。聚类的结果事先是未知的,算法需要自行发现数据中的潜在结构。比如电商平台对客户进行分组,高消费、低消费等等。同时它和分类的区别就是它是无监督学习,而分类是有监督学习(可以认为是需要提供有正确答案的数据来学习) 这篇文章我们主要来学习一下其中的回归任务 最小二乘法 对于简单的线性变化,可以定义一个一次函数,定义如下 $$ f_\theta(x) = \theta_0 + \theta_1 x $$ 假设 x 对应的实际值是 y,那么我们假设的 $\theta_0$和$\theta_1$计算后的值,与实际值的误差可以表示如下 $$ E(\...
基于Trae开发自动表关联查询工具
发表于2025-02-02
对于复杂的一些业务,会涉及很多张表,其间有各种各样的关联关系,在开发&测试过程中,随时需要查看这些表中的数据状态,这种情况下需要我们写一些关联查询的SQL或者多条SQL执行来查看结果,个人感觉用起来还是不太方便,所以想开发一个关联表自动进行查询的工具 后端基于spring boot自行开发;前端部分使用了Trae,让大模型来进行的开发~ 后端项目代码、 前端项目代码、 体验地址 服务主要还是本地部署个人使用,为了简化,本地数据库使用了sqlite的文件形式存储,同时采用了将前端项目打包结果复制到后端项目中同步部署,所以没有其他任务外部依赖 在后端项目中启动后,直接访问 http://localhost:8080 即可使用,或者打包后通过 java -jar xxx.jar 执行 注意: 需要 jdk 版本大于等于 21 只支持MySQL数据库 没有做鉴权及SQL注入等处理,所以只建议本地安装个人使用 下面进行一下对应功能介绍 数据源管理 用来管理数据库(MySQL)的连接(需要服务所在的机器可以连接到数据库) 表字段关系管理 这里主要进行字段关系的维护,如果使用了...
使用Cursor开发聚会分账小程序
发表于2024-12-31
平时跟朋友一起聚会或者出游的时候,大家一般都会选择AA分摊费用,这样更公平也不伤感情。不过,问题也随之而来:支出总是乱七八糟的,比如谁打了车,谁买了菜,谁带了零食……光是汇总这些就够头疼了。如果再碰上有些开销不是所有人都参与,那结算起来简直就是灾难 之前我写过一个简单的Web小工具,本想着能解决问题,结果朋友们吐槽太麻烦,建议我做个小程序。不过,说实话,我对小程序开发完全是个小白。正好最近大模型特别火,我就想着用 Cursor 来试试,顺便满足一下好奇心。如果你也有类似的需求,可以来看看,说不定能帮上忙! 登录页面 目前登录可以随意注册账号,或者也可以通过微信登录(不需要任何其他权限,只使用了openId) 账本列表 每个账本可以理解为一次聚合,一次旅行等等 创建账本 账本费用明细 其中展示账本的费用明细,包含全部明细以及每个人的分摊明细以及应付、应收等 费用录入 费用分享 可以将费用明细分享给其他人 有兴趣的同学可以扫码体验 全部代码已上传Github: 后端代码、小程序代码 大家如果有其他建议之类的也欢迎交流~~
使用大模型调用外部工具
发表于2024-12-08
这里需要先介绍一下Function calling,什么是Function calling? 它提供了可以让我们把大模型和外部数据或系统进行连接的能力 举个具体的例子:我们现在有一些如查询订单等信息的接口,我们可以把这些接口工具及参数等详情信息提供给大模型,这样如果在上下文对话中,它判断出需要需要使用这个接口时,就会返回对应的接口及参数值(注意:大模型只是会判断后返回工具名称和参数,并不会实际进行调用) 我们可以据此在本地进行实际的调用,获取最终结果进行返回;如果大模型函数不需要这个能力,那么就可以以正常自然语言的方式进行对话内容返回 当然,我们也可以通过设置一些参数,强制大模型使用/不使用工具 这个Function calling能力,各个大模型提供的api可能有所差异,需要看各自对应的API,但是langchain帮我们整合了相关的功能,所以本次我们主要看一下通过它来实现 使用python 3.10.9 langchain0.3,以及百度千帆模型 环境准备 12345678# 创建虚拟环境$ python3 -m venv .venv# 激活虚拟环境$ sourc...
如何让大模型返回结构化的数据
发表于2024-12-08
大模型中一般可以用来进行对话等,但是有一些场景我们可能要基于大模型的返回结果进行一些后续代码的处理,比如进行一些判断,返回结果为是/否,或者生成一些数据我们直接使用,这种情况下我们就需要大模型返回的结构是固定的,这样代码才能够进行解析使用 本篇根据langchain官方文档,简单介绍一下如何使用langchain来让大模型返回结构化数据的几种方式 使用python 3.10.9 langchain0.3,以及百度千帆模型 环境准备 12345678# 创建虚拟环境$ python3 -m venv .venv# 激活虚拟环境$ source .venv/bin/activate# 安装依赖$ pip install langchain$ pip install langchain-community$ pip install qianfan 普通调用方式 先简单看一下普通的对话调用方式 12345678model = QianfanChatEndpoint(model="ERNIE-3.5-8K")messages = [ # 设置消息类型及...
OkHttp拦截器的使用及原理分析
发表于2024-06-29
OkHttp作为一个HTTP客户端,拦截器是其强大的功能之一,它允许用户在请求和响应的声明周期中拦截并修改它们,利用拦截器,我们可以很方便的实现如日志记录、请求加密/签名、响应解密、异常重试等功能。本文将详细介绍一下拦截器的使用方法及其原理 如何使用拦截器 首先我们先来看下拦截器使用的具体场景感受一下 监控打点拦截器 在服务端掉用外部系统的接口,我们一般需要统计一下成功率,TP99等信息,假设我们使用 cat 来支持此监控功能,那么我们就可以定义一个拦截器进行统计上报 123456789101112131415161718192021public class CatInterceptor implements Interceptor { @NotNull @Override public Response intercept(@NotNull Chain chain) throws IOException { final Request request = chain.request(); Transaction...
RestTemplate使用快速入门
发表于2024-06-03
现在对于调用外部http接口的包已经有很多了,比如 Java 原生的 HttpURLConnection,Apache的 HttpClient,Spring的 RestTemplate 以及 WebClient ,Square 的 OkHttp 以及Netflix 的 Feign,从简单到高级功能可以说是应有尽有 不过对于内部都是RPC进行交互的服务,只有一些简单的场景需要调用 HTTP 接口,考虑项目如果为为spring的项目,可以考虑直接使用 RestTemplate 这里以之前写的费用分摊系统为例,展示一下使用 GET 和 POST 请求的方式 GET方法 首先看下GET请求的查询项目列表接口,先看一下接口 现在开始写编写代码,首先根据返回结构定义好返回类型信息 12345678910111213141516171819202122232425262728// 响应类@Datapublic class Resp<T> { private Integer status; private String errCode; private...
1…456…12
avatar
郑行码迹
学习笔记
文章
120
标签
85
分类
0
Follow Me
最新文章
给 AI 造工具,和给人做界面是一回事2026-11-14
MySQL 老手转 PostgreSQL:14 个要改掉的旧习惯2026-11-10
从 IDEA 转到 VS Code:Java 代码阅读与导航速查2026-11-07
Agent 走的,是它看得见的那条路2026-10-31
让 Agent 连数据库:多项目、只读、选对库2026-10-27
标签
单元测试 json di 事务 c https elasticsearch http agent netty 工程实践 协程 mysql 正则表达式 guava-retrying AI辅助 groovy clojure claude-code java trae 大语言模型 RAG 聚会分账小程序 小白学机器学习 codex 推理 mybatis restTemplate dubbo drools 状态机 cursor template gpt 测试 flink vscode 设计模式 AI
归档
  • 十一月 2026 3
  • 十月 2026 5
  • 八月 2026 5
  • 七月 2026 11
  • 六月 2026 1
  • 五月 2026 2
  • 四月 2026 1
  • 二月 2026 3
网站信息
文章数目 :
120
最后更新时间 :
© 2019 - 2026 By 郑行码迹
黑ICP备19000073号-1