归档

一、什么是结构化输出？ LangChain 的结构化输出（Structured Output）指的是： 要求模型最终返回一个符合预定义结构的数据对象（比如固定字段的 JSON、Pydantic 模型、TypedDict），而不再是无格式的自然语言文本。

一、为什么要学 Tools？ 先想一个问题：大模型本质上只能"生成文字"。它上知天文下知地理，但它不能真正做事情——不能查实时天气、不能查数据库、不能发邮件、不能下单。 工具（Tools）就是给大模型装上"手脚"，让它从认识世界走向改变世界。 在 LangChain 中，工具是一个非常明确的概念：

面向 ADAS 功能开发者的合规速查：APA/RPA 的法规归类、车速限制、遥控链路中断判据与倒车盲区要求。 APA（车内自动泊车）与 RPA（遥控泊车）是低速场景最常见的功能，但它们的法规边界里有几条反直觉的规则（比如蓝牙断连、R158 在遥控期间不适用），开发时务必分清。 一、功能怎么归类

变道安全评估是 L2 级智驾（DCAS，Driver Control Assistance Systems）的核心命题。这里最容易踩的坑是：把法规里的 TTC 当成"变道允许门限"来用。真正的判据是一个运动学约束公式。 一、法规里的 TTC 是什么 依据 UN Regulation No. 171（

面向 ADAS 功能开发者的合规速查：LDW / LKA / ELKA 的法规归类、测试场景与代码落地要点。 车道保持与行车辅助类功能（LSS，Lane Support Systems）涵盖了我们在量产车上最常见的一族功能，但它们在法规里的归类、控制形态和允许被关闭的方式完全不同。开发时最忌讳的是把

一、为什么推荐提示词模板？ 在 LangChain 开发中，构造提示词既可以直接用 Python 字符串拼接（f-string、format()、+），也可以使用 LangChain 提供的 PromptTemplate 或 ChatPromptTemplate。

一、认识消息 大模型没有记忆，它的输出只和输入模型的内容有关（上下文）。很多大模型 API 服务也没有在服务端维护会话历史，是"无状态"的。因此，如果应用需要"记住"对话历史，就必须在程序中维护消息列表。 在 LangChain 中，Message（消息）是模型交互的最基本单元，既代表模型接收到的输

一、调用方式总览 "模型调用（Invocation）"是指通过特定方法触发大语言模型生成输出的过程。LangChain 提供以下核心调用方法：

一、模型初始化概述 简单来说，模型初始化就是回答一个问题：用谁家的 API、以什么方式、创建存放在哪个位置的大模型。 可以从三个角度分类：

一、为什么需要 LangChain？ 随着大语言模型（LLM）能力的爆发，单纯"一问一答"式调用大模型已经不足以构建真正实用的 AI 应用。单一的大语言模型存在明显的局限性： 知识冻结：训练成本高、周期长，模型无法实时学习最新信息；