LangGraph背景但是如果我们不想依赖平台，而是要自己开发一个带有工作流的 AI 应用，这时最好的方法就是借助框架来完成，比如前两年比较火的 LangChain，可以做出一条后面这样的链。所以这个框架为什么叫 LangChain 也很好理解了，核心就是提供了 Chain（链）的功能。需要注意的是这条链在方向上来说是单向的，不能够向回流或者循环。不过随着 AI 逐渐深入到业务，在落地一些应用的时
Dify一个低代码 AI 开发平台，用户可以通过少量代码甚至零代码去开发对话、Agent、工作流等应用。新增了插件管理的功能。比如可以将我们自己写的 Agent Tool 发布成一个后缀名是 .difypkg 的文件，之后就可以将其安装到任意 Dify 平台上被调用。类似于我们在 windows 上写一个软件，打包成 exe 文件，可以在任意 Windows 系统上安装。这其实是 Dify 为了丰
模型上下文协议MCPAnthropic（Claude 模型的母公司） 推出了模型上下文协议 MCP，该协议旨在统一大型语言模型（LLM）与外部数据源和工具之间的通信协议。MCP 主要是为了解决当前 AI 模型因数据孤岛限制，无法充分发挥潜力的难题，MCP 使得 AI 应用能够安全地访问和操作本地及远程数据，为 AI 应用提供了连接万物的接口。MCP架构当大模型选择了工具之后，需要有一个
LobeChat+AI 网关+Ollama什么是OllamaOllama 是一个专为在本地机器上便捷部署和运行大型语言模型（LLM）而设计的开源框架，它可以用简单的命令行快捷部署多种大模型，例如 DeepSeek、Qwen、Llama3 等等模型。除此之外呢，Ollama 自身还会通过权重量化技术，调整模型权重，并通过分块加载与缓存机制以及 GPU/CPU 灵活调度等技术，使得模型能够降低对硬件的
使用AI改造现有业务
Copyright © 2005-2025 51CTO.COM 版权所有 京ICP证060544号
