Posts
35 posts · tech, AI tools & daily life
多模态理解与生成
只会读写文字的 Agent，等于既聋又瞎：它看不懂用户发的截图、听不懂录音，更别提自己画图、剪视频。这篇围绕 DashScope 上 Qwen 与万相两族模型，讲透多模态 Agent 的两条能力主线——「理解」（图片/音频/视频 → 文字）与「生成」（文字/图片 → 图像/视频），并点破背后的两套调用协议与「同步调用 vs 异步任务」的分水岭，适合想给 LangChain.js 应用接上多模态能力的开发者
对象存储，AI Agent 文件的存储底座, OSS
AI Agent 运行时会持续产生、读取大量文件——用户上传的 PDF、程序生成的图表、多模态的音视频，普通本地文件夹根本扛不住高并发读写。这篇先讲清「向量库、关系库、对象存储」三个库在 RAG 里各管什么，再带你用 30 秒拉起本地私有化存储，学会用 @aws-sdk/client-s3 一套 SDK 对接阿里云 OSS、MinIO、RustFS，最后讲透从文件上传到溯源展示的完整闭环，适合所有在搭知识库或多模态 Agent 的开发者
Agent 的短期记忆，Redis
大模型本身不带记忆，多轮对话靠的是外部给它「递上下文」。这份最热、最临时、每轮都要读写的记忆，业界几乎都交给 Redis：内存级读写快、TTL 到点自动忘、数据结构又刚好够用。这篇从 Redis 7 种数据类型讲起，讲透为什么短期记忆的最佳解是 Redis，并用「摘要 + 截断中间件 + Redis 存取」落地一个能续聊的会话记忆，最后讲清它与 PostgreSQL 长期记忆如何分工
PostgreSQL
给一张关系表加一列 vector、配一个 HNSW 索引，PostgreSQL 就能在同一张表里既做用户/会话/消息的关联查询，又做「在这个会话里搜」的语义检索——关联条件和相似度排序写在同一条 SQL 里。这篇讲清为什么这会让你省掉 MySQL + Milvus 两套库，以及什么量级下你仍然需要专门的向量库
DeepAgents 开箱即用地搭出深度调研助手
DeepAgents 的 createDeepAgent 搭了一个多 Agent 深度调研助手——主 Agent 列 todo 清单逐步推进，调研、数据分析、报告编辑交给三个子 Agent；没写任何编排基础设施，todo 清单、长期记忆、技能、上下文压缩全是内置、只做配置。这篇拆给你看：哪些能力是开箱即用的
DeepAgents 中间件一次性加上技能、记忆、文件与子代理
LangChain/DeepAgents 的 middleware 机制——钩子原理、自定义中间件，以及文件系统、长期记忆、上下文摘要、技能、子代理 5 个开箱即用的官方中间件
从「黑盒」到「考卷」： LangSmith 的可观测与量化评测
面向用 LangChain / LangGraph 构建 Agent 与 RAG 的开发者，用一个「客服问答」的例子把 Trace、Monitor、Dataset、Evaluator、Experiment 五个概念讲透，并给出可直接照抄的最小代码，让 Agent 既「看得见」又「量得出」。
传统检索答不了「关系题」：Neo4j 知识图谱做 GraphRAG
摘要: 问「A 和 B 什么关系」「A 的配料有哪些」「A 属于哪一类」，靠向量/关键词检索只能捞回零散文本。本文以奶茶知识图谱为例，讲清楚哪些场景该交给图数据库，并用 LangChain + LangGraph 搭一条「LLM 写 Cypher → 执行图查询 → 生成答案」的 GraphRAG 流水线
从「单路检索」到「企业级 RAG」：多问题改写 + 混合多路检索 + 重排精筛
朴素 RAG 只会拿用户原话向量检索一遍，碰到口语化表达、同义换说法、含精确编号的问题就会漏召回。本篇以一份「生活笔记」个人知识库为例，讲透企业级 RAG 的三大升级：LLM 把问题改写成 3 条多角度问句、每条问句分别走 Elasticsearch 关键词检索与 Milvus 语义检索再合并去重、用 Rerank 交叉编码模型精筛出与原始问题最相关的 3 篇文档喂给大模型。每环节配最小可运行代码，最后用 LangGraph 把整条流水线串起来。适合已掌握基础 RAG、想理解检索质量优化与生产级架构的学习者。
Elasticsearch + Kibana 增删改查
用 Kibana Dev Tools 手把手跑通 ES 的索引/文档增删改查，并从分词器原理出发讲透为什么中文检索必须上 IK
LangGraph 之 Agentic RAG
朴素 RAG 是一条不会转弯的流水线：简单问题照样检索、信息够不够没人判断、一步查不到的链式问题直接放弃、知识库里没有就编。本篇以《天龙八部》小说问答为例，用 LangGraph 逐步加入「意图路由 → 多跳循环检索 → 检索效果评估 + 联网兜底」，让大模型自己做决策中枢，把流水线改造成能自问自答、自我纠偏的闭环。适合已掌握 LangChain / LangGraph 基础、想理解 Agentic RAG 底层逻辑的学习者。
LangGraph 与多 Agent 架构
用 JS 手写一张 LangGraph 图（State / Node / Edge / Checkpointer / interrupt），再基于 Supervisor 把它扩展成多个 Agent 各司其职的架构。适合刚学完 LangChain 基础、想理解多 Agent 产品底层的学习者。
AGUI 协议 + Data Stream Protocol 全链路实战
把 Agent 从"灰盒子"变成"看得见的过程"——讲透如何用 AGUI 协议的事件模型 + Vercel AI SDK 的 Data Stream Protocol，让 Agent 流式渲染文本、把工具调用画成组件。附 LangChain createAgent + useChat + Streamdown 可直接照抄的最小示例
从「录音」到「流式语音回答」：一次吃透 ASR + 流式 TTS 全链路
用 NestJS + 腾讯云造一个豆包同款的语音助手，拆解「录音转文字（ASR）→ AI 流式回答（SSE）→ 流式语音合成（WebSocket + TTS）→ 边收边播（MediaSource）」四条链路的选型与实现，附带可直接照抄的最小代码示例。
用 LangChain.js + NestJS 造一个能发邮件、能定时干活的 AI 助手
一篇带你完整走过「工具调用 Agent + 定时任务」全流程的实战博客——用最小代码造一个能搜网页、发邮件、读写数据库、到点自动提醒的 AI 助手，适合想上手 LangChain.js 与 NestJS 的开发者。
LangChain.js Runnable 全解：用 LCEL 把散装逻辑组装成一条 Chain
系统梳理 LangChain.js 的 9 个 Runnable 组合 API 与 invoke/stream/batch 三种调用方式，标注已废弃 API 及对应替代方案，附带可直接照抄的最小代码示例
LangChain.js 提示词模板全解
系统梳理 LangChain.js 的 9 个 Prompt Template 相关 API——基础模板、对话模板、Few-Shot 示例、示例选择器与流水线组装，附带可直接照抄的最小代码示例。
agent流式输出拆解
让 Agent 的工具调用像打字机一样流式输出：一个 mini-cursor 的实现拆解
agent之结构化输出
大模型输出结构化：Output Parser 与 withStructuredOutput，一文讲透
Memory 的管理策略
LLM 无状态，每次调用的上下文窗口有限，对话一长就"装不下、记不住"。三种常用记忆策略 = 三种"腾空间、留信息"的方式。