智能体(AI Agent)开发实战之【LangChain】(一)接入大模型输出结果
LangChain 是一个开源框架，专为构建与大语言模型（LLMs）相关的应用设计。通过集成多个 API、数据源和工具，助力开发者高效构建智能应用。本文介绍了 LangChain 的环境准备（如安装 LangChain、OpenAI 及国内 DeepSeek 等库）、代码实现（以国内开源大模型 Qwen 为例，展示接入及输出结果的全流程），以及核心参数配置说明。LangChain 的灵活性和强大功能使其成为开发对话式智能应用的理想选择。
数据中台为什么不好搞？
数据中台曾被视为企业数字化转型的利器，但因技术落地难题逐渐遇冷。核心问题在于缺乏高效的计算引擎，传统技术如 Java 和 SQL 在处理复杂结构化数据时效率低下、成本高昂。开源计算引擎 SPL 专为解决这一痛点而生，具备独立完备的计算能力、支持多样数据源的开放性以及敏捷语法和热切换特性，可显著提升开发效率与灵活性，助力数据中台真正落地并发挥价值。
向量数据库和嵌入模型
本文介绍了向量数据库和嵌入模型的概念及应用，重点探讨了两者在AI技术栈中的协作关系。向量数据库是一种用于存储高维向量数据的解决方案，支持相似性搜索而非传统的关系型数据库精确匹配。文中通过实例展示了如何使用阿里百炼的文本嵌入模型（text-embedding-v3）将文本向量化，并结合Qdrant向量数据库进行存储与检索。代码示例部分详细说明了从文本嵌入到向量存储及查询的完整流程，为开发者提供了实践参考。
数据外置提速革命：轻量级开源SPL如何用文件存储实现MPP级性能？
传统交易型数据库在分析计算中常遇性能瓶颈，将数据迁至OLAP数据仓库虽可缓解，但成本高、架构复杂。SPL通过轻量级列存文件存储历史数据，提供强大计算能力，大幅简化架构并提升性能。它优化了列式存储、数据压缩与多线程并行处理，在常规及复杂计算场景中均表现优异，甚至单机性能超越集群。实际案例中，SPL在250亿行数据的时空碰撞问题上，仅用6分钟完成ClickHouse集群30分钟的任务。
构建数据中枢：数据中台指标体系如何赋能企业运营
杭州奥零数据科技有限公司成立于2023年，专注于数据中台业务，维护开源项目AllData并提供商业版解决方案。AllData提供数据集成、存储、开发、治理及BI展示等一站式服务，支持AI大模型应用，助力企业高效利用数据价值。
LangChain脚本如何调度及提效？
本文介绍了通过任务调度系统SchedulerX管理LangChain脚本的方法。LangChain是开源的大模型开发框架，支持快速构建AI应用，而SchedulerX可托管AI任务，提供脚本版本管理、定时调度、资源优化等功能。文章重点讲解了脚本管理和调度、Prompt管理、资源利用率提升、限流控制、失败重试、依赖编排及企业级可观测性等内容。同时展望了AI任务调度的未来需求，如模型Failover、Tokens限流等，并提供了相关参考链接。
使用 LangChain + Higress + Elasticsearch 构建 RAG 应用
本文介绍了如何利用LangChain、Higress和Elasticsearch快速构建RAG（检索增强生成）应用，实现企业知识的智能检索与问答。首先通过LangChain解析Markdown文档并写入Elasticsearch，接着部署Higress AI网关并配置ai-search插件以整合私有知识库与在线搜索功能。最后，通过实际案例展示了RAG查询流程及结果更新机制，确保内容准确性和时效性。文章还提供了相关参考资料以便进一步学习。
通过Milvus和Langchain快速构建基于百炼大模型的LLM问答系统
阿里云向量检索服务Milvus版是一款全托管向量检索引擎，并确保与开源Milvus的完全兼容性，支持无缝迁移。它在开源版本的基础上增强了可扩展性，能提供大规模AI向量数据的相似性检索服务。凭借其开箱即用的特性、灵活的扩展能力和全链路监控告警，Milvus云服务成为多样化AI应用场景的理想选择，包括多模态搜索、检索增强生成（RAG）、搜索推荐、内容风险识别等。您还可以利用开源的Attu工具进行可视化操作，进一步促进应用的快速开发和部署。