今天阳光很暖
  文章分类
yarn 13 airflow 7 ambari 16 others 26 clickhouse 40 ClickHouse 2 deepagent 14 dolphinScheduler 2 flink 23 greenplum 7 hadoop 4 mapreduce 2 sqoop 2 flume 1 hbase 14 hdfs 9 hive 22 java 31 hudi 15 kafka 11 langchain 9 langgraph 15 mcp 7 zookeeper 2 phoenix 11 prometheus 6 python 18 rag 9 redis 16 Scala 16 spark 58
LangChain 系列 9：支持图片和音频的多模态聊天数字人 LangChain 系列 9：支持图片和音频的多模态聊天数字人
上一章使用 Whisper 把语音转换成文字，再交给 Qwen3 回答。这个过程可以实现语音输入，但 Qwen3 实际接收到的仍然只有文字。 如果还希望程序理解图片，就需要增加真正的多模态模型。本文在 M1 Max 上部署 mlx-comm
2025-12-26 langchain
langchain multimodal mlx-vlm gemma
LangChain 系列 8：Gradio 聊天界面与本地语音输入 LangChain 系列 8：Gradio 聊天界面与本地语音输入
上一章完成了一个可以保存多轮历史的聊天机器人，但它只能在终端中运行。普通用户更习惯在网页里输入消息，也希望直接使用麦克风说话。 本文为聊天机器人增加 Gradio 页面，并使用 MLX Whisper 在 Apple Silicon 上完成
2025-12-19 langchain
langchain gradio mlx-whisper speech-to-text
LangChain 系列 7：实战开发一个有记忆的聊天机器人 LangChain 系列 7：实战开发一个有记忆的聊天机器人
前面已经学习了本地模型、OpenAI 兼容接口、消息、提示词模板和输出解析器，但每个示例基本都只完成一次调用。 真正的聊天机器人还要解决一个问题：用户说完第一句话后，模型能不能在第二轮继续理解前面的内容？ 例如： 用户：我叫小明。 助手：你
2025-12-12 langchain
langchain chatbot memory sqlite
LangChain 系列 6：输出解析器与结构化输出 LangChain 系列 6：输出解析器与结构化输出
前面已经学习了消息和提示词模板。前面的示例向模型发送问题后，得到的主要还是一段自然语言。 自然语言适合人阅读，但程序更希望得到稳定的数据。例如，程序需要的天气信息可能是： { "city": "北京", "conditio
2025-12-05 langchain
langchain output-parser structured-output pydantic
LangChain 系列 5：提示词模板从基础到 ICL LangChain 系列 5：提示词模板从基础到 ICL
上一篇介绍了 LangChain 中的消息。我们已经知道，聊天模型接收的通常不是一段孤立文字，而是由 SystemMessage、HumanMessage、AIMessage 等对象组成的消息列表。 接下来会遇到另一个问题：消息结构可以固定
2025-11-21 langchain
langchain qwen 大模型 prompt
LangChain 系列 4：消息与消息类型从入门到多轮对话 LangChain 系列 4：消息与消息类型从入门到多轮对话
前两篇已经完成了本地 Qwen3 部署，并分别使用 OpenAI Python SDK 和 LangChain 调用了这个模型。 调用 ChatOpenAI 时，既可以直接传入一个字符串，也可以传入一个消息列表。字符串适合一次独立的问题；当
2025-11-15 langchain
langchain message llm 大模型
LangChain 系列 3：用 OpenAI 兼容接口连接本地 Qwen3 LLM LangChain 系列 3：用 OpenAI 兼容接口连接本地 Qwen3 LLM
上一篇已经使用 MLX-LM 直接加载本地 Qwen3-14B-AWQ-4bit-MLX，并完成了一次中文生成测试。 直接加载模型适合验证模型文件和推理环境，但业务代码会和 MLX-LM 绑定在一起。后续学习 LangChain 时，更常见
2025-11-09 langchain
langchain openai qwen mlx
LangChain 系列 2：在 M1 Max 上本地部署 Qwen3-14B MLX 大模型 LangChain 系列 2：在 M1 Max 上本地部署 Qwen3-14B MLX 大模型
在开始写 LangChain 代码之前，先要准备一个可以稳定调用的大模型。 如果模型本身还不能正常加载，后面遇到问题时，就很难判断究竟是 LangChain 代码写错了，还是模型、运行环境、网络接口出了问题。因此，本系列先从最底层开始：把模
2025-11-05 langchain
langchain qwen mlx 大模型
LangChain 系列 1：先搞懂 LangChain、LangGraph、LangSmith 是什么 LangChain 系列 1：先搞懂 LangChain、LangGraph、LangSmith 是什么
1. 为什么有了大模型还需要应用框架1.1 大模型不是完整应用Qwen、DeepSeek、GPT、Claude 这类大模型，主要负责理解输入和生成内容。 如果只是写一个简单问答程序，直接调用模型接口就可以： 用户问题 -> 模型 -> 模型
2025-11-01 langchain
langchain langgraph langsmith agent