TellWorldAI 世界档案
问档案English

首页›实践

实践

实践

智能体框架、Skill 和 AI 工具的上手教程与一手使用经验。

共 217

实践提示词工程入门同一个问题,提示词写得好坏决定回答质量。这篇讲清模型如何读提示、为什么输出不稳定、提示的三层结构和八个最佳实践,读完能系统地改进自己的提示词。实践链式提示:把大任务拆成几步链式提示把大任务拆成子任务,让前一个提示的输出成为下一个提示的输入。看完能把长文档问答拆成两环提示链,掌握拆链的时机和三条实用原则。实践ReAct 提示:边思考边行动ReAct 让模型边思考边行动:写一步推理、调一次工具,把查到的信息喂回推理。读完能读懂 ReAct 轨迹,知道适合什么任务,还能用 LangChain 搭会搜索、会算数的代理。实践思维链(CoT)提示思维链提示让模型先写出中间推理步骤再给答案。看完能给推理任务写出带示例的思维链提示,会用一句「让我们逐步思考」的零样本版,还能用 Auto-CoT 自动生成示例。实践少样本提示(Few-shot)怎么写在提示里附上几个示例,让大模型照着完成任务。看完能写出第一个少样本提示,知道示例怎么挑、随机标签为什么也能用,以及什么时候该换思维链提示或微调。实践Qwen3 思考模式怎么开关Qwen3 为什么既能深度思考又能快速回答?本文拆解两个机制:用「思考预算」限制思考长度,用对话模板里的 enable_thinking 开关切换思考模式。实践Qwen3 LoRA 微调入门想让通用大模型学会某种风格?本文用 Qwen3-8B 演示 LoRA 微调全流程:整理数据、配置、记录训练和推理。实践Windows 上用 LM Studio 跑 Qwen3不想敲命令行,想在 Windows 上离线跑 Qwen3-8B?本文用 LM Studio 下载对话,再开本地服务用 Python 调用。实践Qwen3 用 vLLM 部署并提供 OpenAI 兼容接口想把 Qwen3-8B 部署成本地服务,并让程序像调用 OpenAI 接口一样调用它?本文给出从下载到测试的完整步骤。实践国内怎么下载大模型:ModelScope 与 HF 镜像国内直连 Hugging Face 常常很慢,本文整理五种下载大模型的方法,以及 pip、conda 的国内换源方式。实践从零搭建数据分析深度智能体(Deep Agent)用 create_agent 和 Deep Agents 中间件,从最小智能体开始,一步步加上沙箱、上下文压缩、技能和可视化子代理,搭出能分析 CSV 的智能体。实践LangGraph 中断与人工介入用 interrupt() 在 LangGraph 节点里暂停执行、保存状态并等待人工输入,再用 Command 恢复;附审批例子和节点重跑时必须遵守的规则。实践LangChain 流式输出用 stream_mode 把 LangChain 智能体的执行进度、逐字输出和自定义信息实时推给应用,并说明多模式、推理内容和关闭流式的做法。实践LangChain 人工审批:危险操作先让人确认用 HumanInTheLoopMiddleware 给写文件、执行 SQL 等工具加人工审批,讲清四种决定和中断后的恢复方法。实践LangChain 智能体的短期记忆用 checkpointer 给 LangChain 智能体加上线程级记忆,生产环境改用数据库存状态;对话变长时用裁剪、删除或摘要控制历史。实践LangChain SQL 智能体:用自然语言查数据库用 SQLite 示例库搭一个把问题转成 SQL 的智能体,并在执行查询前加入人工审核。实践LangChain 搭知识库:文档加载、切分与检索用 PDF 搭一个语义搜索:切分文本、生成向量、写入向量库,并把相似度查询包装成可接入大模型的检索器。实践LangChain 结构化输出:让模型返回 JSON用 response_format 让 create_agent 返回固定结构的数据,并理解提供方原生策略与工具调用策略的区别。实践LangChain 工具调用:@tool 怎么写用 @tool 或 tool 函数把普通函数变成智能体可以调用的工具,讲清起名、参数声明、返回方式和出错处理。实践LangChain 快速上手:安装与第一个智能体用 LangChain 装好依赖、配置模型密钥,写出第一个会调用工具的智能体,并可选地打开 LangSmith 追踪。实践用 LangGraph 做一个文档分析智能体本文用 LangGraph 搭一个小型文档分析智能体:用视觉模型从图片中提取文字,调用计算工具,并在助手节点和工具节点之间循环,直到给出回答。实践LlamaIndex 智能体与工具LlamaIndex 的智能体由工具组成,工具可以是函数、查询引擎或 ToolSpec。本文讲如何做出第一个智能体、让它记住对话、把多个智能体组合起来,以及接入 MCP 工具。实践smolagents 多智能体系统一个智能体要处理很多步时,速度会变慢,token 花费也会上升。本文用 smolagents 把任务拆给管理者智能体和网页搜索智能体,再给最终答案加一道检查。实践smolagents 自定义工具smolagents 的工具就是智能体可调用的函数。本文讲 @tool 与 Tool 类两种写法、内置工具,以及如何导入 Hub、Space、LangChain 和 MCP 工具。