第一章 机器学习概述
机器学习(Machine Learning, ML)主要研究计算机系统对于特定任务的性能,逐步进行改善的算法和统计模型。通过输入海量训练数据对模型进行训练,使模型掌握数据所蕴含的潜在规律,进而对新输入...
章末自测
题目 1:为什么 Session 不能只保存 Conversation History? 请至少从 Working Memory、Tool History、Run History 和恢复能力四个方面说明。如果只保存 messages,用户下午回来“继续刚才任务...
4.2.3 多层结构
与RNN类似,LSTM 也可以通过堆叠多个层来构建更深的网络,以增强模型对序列特征的建模能力。 在多层 LSTM 中,每一层 LSTM 的输出隐藏状态,会作为下一层 LSTM 的输入,同时每一层都维护独立的...
小节二:状态流转——READY、THINKING、TOOL_CALLING 到底为什么要显式设计?
State 不只是“有哪些字段”。 更重要的是,这些状态之间怎么流转。 在继续列状态前,我们先区分两个层次: Run 生命周期:任务整体是否还在运行 步骤阶段:这一轮正在请求模型、执行工具,还是...
5、模型的调用
在 LangChain 中,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。根据不同的应用场景和需求,LangChain 提供了几种核心的调用方式,主要是 invoke() 、stream() 和batc...
2. 列表
2.1. 概述 列表:用来存放一组有序的数据,并且可以对其中的数据进行:增删改查。 列表就像一个长度可变的收纳盒,能按顺序装下多个元素,还可以随时添加、拿出、替换里面的元素。 2.2. 定义列...
6. 结果分析与解读
在本部分,我们将深入分析癌症生存率数据集 的模型预测结果,并总结其意义~ 6.1 关键指标回顾 6.2 特征重要性分析 哪些因素对癌症预测影响最大? 6.3 预测概率分析 我们绘制了 预测概...
小节六:Tracing 到底怎么帮助定位问题——先判断“错在哪一层”
有 Trace 以后,排查可以先收窄到具体层:是 Plan 走偏、State 没更新、Context 携带了错误信息,还是模型、Tool、Middleware、数据或 SubAgent 出了问题?图里把这些可能性拆开,便于按证据排...













