精选文章
先从这些文章开始看，更容易快速理解我最近在做什么。
文章列表
按时间记录最近输出，适合持续追更。
LangChain 01 - LangChain简介
本文介绍LangChain框架的基础知识，涵盖其存在原因（解决大模型知识冻结、幻觉、无法调用外部工具的短板）、家族分工（LangChain管能力、LangGraph管流程、LangSmith管观测）、AI应用四条路线（纯Prompt、Agent+Tools、RAG、Fine-tuning），以及第二章中模型初始化的三种方式（专用模型类、OpenAI兼容、init_chat_model统一抽象），并
Python-1-基础
本模块系统讲解 Python 类型标注与 Pydantic 数据校验。涵盖 import 导入语法、函数类型标注、嵌套类型(list[dict[str,str]])解读、Python 3.10+ 竖线 | 语法、Literal 限定值、TypedDict 与 Pydantic BaseModel 的对比（运行时校验、Field 约束、default_factory）、以及为什么 LLM 输出必须用
健身第十三课
本节课聚焦肩部训练，涵盖5个动作：史密斯肩推（前束+中束）、侧平举（中束为主）、哑铃坐姿肩推（前束+中束）、坐姿俯身反向飞鸟（后束）及蝴蝶机反向飞鸟（后束）。记录了各动作当前负重水平（如史密斯肩推两侧5kg需辅助、侧平举2.5kg较标准），并强调动作质量要点：控制速度避免惯性、手肘稳定、核心收紧、不耸肩。训练策略建议：无人辅助选小重量多容量，有人辅助选大重量加动作质量。
健身第十二课
本文为健身训练课程第十二课，主题为背部训练，涵盖四个动作：直臂下拉、坐姿划船（双手）、剪刀单侧下拉、助力引体向上（宽距+窄距）。每个动作均配有详细的姿势讲解，包括准备姿势、呼吸节奏、躯干稳定要点等，主要目标肌群为背阔肌。
健身第十五课
本文介绍臀部训练的三大经典动作：正向哈克深蹲、站立式单腿硬拉和臀推。每个动作均配有详细的姿势讲解，包括脚位、髋部运动、核心控制等要点，并附有目标肌群说明（臀大肌、大腿后侧）。强调慢下快上、控制离心、膝盖与脚尖方向一致等关键细节，帮助训练者安全有效地刺激臀部肌肉。
健身第十六课
本文为背部训练专项课程，系统讲解五个背部训练动作：坐姿划船、高位下拉、单臂哑铃划船、双手划船和绳索直臂下压。每个动作均包含详细的姿势要领、目标肌群（背阔肌、菱形肌）及注意事项，强调脊柱中立、核心收紧、肩胛后收下沉，禁止肩手代偿，发力呼气、缓慢回放保持张力。
健身第十四课
本文为健身训练课程，聚焦胸部训练，详细讲解四个经典动作：分体卧推（分动式器械推胸）、史密斯卧推、上斜卧推和蝴蝶机飞鸟（器械夹胸）。每个动作均包含姿势讲解、发力要点、目标肌群及注意事项，强调沉肩挺胸、肩胛骨后缩、肘部角度控制等关键细节，并提示胸部训练每两周循环一次即可。
健身第十课
本文为健身训练课程，聚焦臀腿部位训练，详细讲解四个动作的姿势要领：箭步蹲（主力肌群为股四头肌、臀大肌，需核心收紧、保持躯干稳定）、罗马尼亚硬拉（微屈膝、屁股后顶、重量贴近腿、腰背挺直）、臀推（脚踩踏板中下部、抬臀、配合呼吸节奏）以及坐姿髋外展（已有记录不再赘述）。
LangChain 10 - RAG（检索增强生成）学习导航与实战
本文系统讲解LangChain中RAG（检索增强生成）技术的核心概念与实战应用。首先阐述大模型知识滞后、知识缺失和幻觉三大局限，以及RAG通过检索+生成解决这些问题的设计意义、优缺点和六大工作流程（Source→Load→Transform→Embed→Store→Retrieve→Generate）。随后深入讲解文档加载器（TextLoader、CSVLoader、JSONLoader、PyPDFLoader、Word/Markdown/HTML加载器、DirectoryLoader）的BaseLoader与Document底层设计，以及文档切分器TextSplitter的五种Chunking策略、核心参数和三种调用方法，重点推荐递归字符切分作为首选策略。
LangChain 09 - 上下文与记忆学习导航与实战
本文系统讲解 LangChain/LangGraph 的上下文与记忆机制。核心要点：大模型无状态，需通过记忆模块保存历史交互；LangChain 1.x 记忆分为短期记忆（State + Checkpointer + Thread ID）和长期记忆（store 对象）；提供 InMemorySaver（内存持久化，适合测试）和 PostgresSaver（PostgreSQL 持久化，适合生产）两种实现方案，并对比其差异；最后介绍消息裁剪、删除、摘要等上下文治理策略，解决 token 消耗和上下文窗口限制问题。
LangChain 08 - 中间件学习导航与实战
本文系统讲解 LangChain Agent 中间件机制，涵盖中间件的概念（Agent 执行过程中的钩子函数）、价值（分离横切逻辑）、分类（自定义/内置/供应商定制，内置16个分六大类），并深入实战讲解 SummarizationMiddleware（摘要压缩上下文）、HumanInTheLoopMiddleware（人工审批）、PIIMiddleware（敏感信息保护）、TodoListMiddleware（任务规划）等核心中间件的参数配置与代码示例。
LangChain 07 - 智能体学习导航与实战
本文系统讲解LangChain 1.x中Agent智能体的核心概念与实战用法，涵盖Agent与普通模型调用的区别、四大核心组件（Action/Tool/Planning/Memory）、create_agent()统一创建入口、Agent调用与输出格式、LangGraph图本质、三种工具绑定方式、ReAct循环工作流、重试机制、系统提示词及结构化输出（response_format）等13个关键知识点，并提供完整代码示例。