即刻App年轻人的同好社区
下载
LangChain 多轮 RAG：4 条链各自干什么（终于搞懂了）
近在啃 LangChain Next.js 模板里的 retrieval 案例，一开始被 4 条链绕晕了，理顺后发现其实就是一条「带历史的客服流水线」。
场景
多轮聊天 + 向量库检索。用户追问「它和普通 chain 有啥区别？」——「它」对人清楚，对向量检索是灾难。
4 条链，各干一件事
1️⃣ 问题改写链 standaloneQuestionChain
把「它是什么」改成「LCEL 和普通 chain 有什么区别」
→ 只为检索服务，让 embedding 能搜到对的文档
2️⃣ 检索链 retrievalChain
用完整问题去向量库查资料，拼成 context
→ 翻资料
3️⃣ 回答链 answerChain
把 文档 + 聊天历史 + 问题 一起交给模型生成答案
→ 看资料后组织话术（不是只给文档+问题，因为要延续多轮语气、偏好，比如「用小白话」「举例子」）
4️⃣ 总链 conversationalRetrievalQAChain
上面三步串成一条，.stream() 流式返回给前端
→ 总导演
❓ 1. 为啥要拆？
改写链：解决「指代词 它 这 那」检索搜不到
检索链：RAG 必须先有 context
回答链：检索结果 ≠ 最终回答
总链：一次调用搞定全流程
近在啃 LangChain Next.js 模板里的 retrieval 案例，一开始被 4 条链绕晕了，理顺后发现其实就是一条「带历史的客服流水线」。
场景
多轮聊天 + 向量库检索。用户追问「它和普通 chain 有啥区别？」——「它」对人清楚，对向量检索是灾难。
4 条链，各干一件事
1️⃣ 问题改写链 standaloneQuestionChain
把「它是什么」改成「LCEL 和普通 chain 有什么区别」
→ 只为检索服务，让 embedding 能搜到对的文档
2️⃣ 检索链 retrievalChain
用完整问题去向量库查资料，拼成 context
→ 翻资料
3️⃣ 回答链 answerChain
把 文档 + 聊天历史 + 问题 一起交给模型生成答案
→ 看资料后组织话术（不是只给文档+问题，因为要延续多轮语气、偏好，比如「用小白话」「举例子」）
4️⃣ 总链 conversationalRetrievalQAChain
上面三步串成一条，.stream() 流式返回给前端
→ 总导演
❓ 1. 为啥要拆？
改写链：解决「指代词 它 这 那」检索搜不到
检索链：RAG 必须先有 context
回答链：检索结果 ≠ 最终回答
总链：一次调用搞定全流程
1 10
【工具分享】开源录屏工具 recordly
偶尔会录屏记录一些工具使用和功能演示类视频，试了一圈工具。
① Screen Studio 功能确实很顶，但价格对我这种「先试再决定要不要付费」的人来说，一下子有点难下决心
② 后来也用过 ScreenSage，整体体验也不错。
③ 最近又在找免费、功能够用的方案，试下来锁定了 Recordly。
它是开源免费的，我常用到的几样都有：自动生成字幕、画面缩放跟焦、马赛克打码、简单剪辑、多格式导出……对我现在的需求基本够用，先稳定用起来了。
如果你也在找平替，可以收藏去搜一下 Recordly，适合自己再深度用。
上一个视频就是Recordly录制的 除了缩放略卡 其他还不错
偶尔会录屏记录一些工具使用和功能演示类视频，试了一圈工具。
① Screen Studio 功能确实很顶，但价格对我这种「先试再决定要不要付费」的人来说，一下子有点难下决心
② 后来也用过 ScreenSage，整体体验也不错。
③ 最近又在找免费、功能够用的方案，试下来锁定了 Recordly。
它是开源免费的，我常用到的几样都有：自动生成字幕、画面缩放跟焦、马赛克打码、简单剪辑、多格式导出……对我现在的需求基本够用，先稳定用起来了。
如果你也在找平替，可以收藏去搜一下 Recordly，适合自己再深度用。
上一个视频就是Recordly录制的 除了缩放略卡 其他还不错
2 00
【工具分享】CF AI gateway
做 AI 项目的同学，如果能付境外（Visa Master），除了在各类国内「API 中转」里折腾，也可以试试 Cloudflare AI Gateway：把多家大模型接到统一网关里管理，链路相对干净。
简单记录下最近使用体验
① 预付费 / 点数 它是预付费思路：通常要先充值拿到可用额度/点数，再跑请求。适合能预估用量、愿意先垫一笔的人；急性子没充够会卡在余额上，这一点要心理有数。
② 速度 整体体感偏快；如果你本来就在 Cloudflare Workers 上跑业务，流量走 Gateway 会有点像同一片机房里串门，延迟往往更明显好过「绕一大圈再回国画中转」，对实时一点的功能更友好。
③ 价格 大面上接近各家官方价，一般不会像某些中转站那样「劲爆低价」。换句话：未必最便宜，但相对稳——少一层不透明加价/跑路的情绪成本，长期维护项目我会更看重这个。
④ 可观测性 控制台里能把单次请求看得比较细（路由、模型、错误、耗时等，具体以面板为准），排错和算成本比「黑盒中转」省心太多。
没有说 Gateway 一定碾压中转，而是：有境外支付、追求稳定和可观测、又已经在 CF 生态里，它很值得放进备选。接法还是要啃文档、管密钥和额度，上手有一点成本，接稳以后换模型、扩业务会顺很多。
做 AI 项目的同学，如果能付境外（Visa Master），除了在各类国内「API 中转」里折腾，也可以试试 Cloudflare AI Gateway：把多家大模型接到统一网关里管理，链路相对干净。
简单记录下最近使用体验
① 预付费 / 点数 它是预付费思路：通常要先充值拿到可用额度/点数，再跑请求。适合能预估用量、愿意先垫一笔的人；急性子没充够会卡在余额上，这一点要心理有数。
② 速度 整体体感偏快；如果你本来就在 Cloudflare Workers 上跑业务，流量走 Gateway 会有点像同一片机房里串门，延迟往往更明显好过「绕一大圈再回国画中转」，对实时一点的功能更友好。
③ 价格 大面上接近各家官方价，一般不会像某些中转站那样「劲爆低价」。换句话：未必最便宜，但相对稳——少一层不透明加价/跑路的情绪成本，长期维护项目我会更看重这个。
④ 可观测性 控制台里能把单次请求看得比较细（路由、模型、错误、耗时等，具体以面板为准），排错和算成本比「黑盒中转」省心太多。
没有说 Gateway 一定碾压中转，而是：有境外支付、追求稳定和可观测、又已经在 CF 生态里，它很值得放进备选。接法还是要啃文档、管密钥和额度，上手有一点成本，接稳以后换模型、扩业务会顺很多。
1 00
很多人知道 Gemini / GPT 生图可以塞 JSON，但不清楚对做产品、尤其是 Agent 有什么用。
最近一个项目实践中才发现， JSON 不是炫技，是把「创意描述」升级成「机器可读的清晰参数」。
对 Agent 来说，生图提示词最怕两件事：一段长文本里改一个词就全乱；一次要出很多张，每张都有差异(角度、场景、比例清晰度等)。用结构化 JSON，Agent 可以：
1️⃣ 像管配置一样管 prompt
每个字段对应一个维度：风格、构图、主体、色调、比例……Agent 只改需要变的字段，其它不动，稳定性会比「重新写一整段话」高很多。也方便做成工具调用（tool）的入参：模型返回 JSON，下游直接交给生图 API。
2️⃣ 一次出多张：模板 + 变量替换
把 JSON 当成模板，占位符只在 subject、copy、variant_id 这类字段里轮换，Agent 循环或并行生成多份 JSON，就能批量出同风格、同布局的系列图（例如同一套电商主图 N 个 SKU、同一 campaign 多版文案）。比让 Agent 每次从零写一长段自然语言，成本更低、也更可复盘。
3️⃣ 和前端表单天然对齐
产品里常见：用户在下拉里选「比例」「风格」「主色」，输入框里写「标题」「副标题」。这些输入本身就长得像 JSON 的 key-value。前端表单 → 序列化成 JSON → Agent 校验/补全 → 再喂给生图模型，整条链路不用在「长提示词字符串」里反复拼接字符串、也不用在业务层写一堆 if 去抠字眼。
一句话：JSON 提示词 = 生图领域的「强类型接口」。对人好读，对 Agent 好写、好改、好批量；对上产品，还能和 UI 表单一一映射，后期加字段也不用推翻整套 prompt 叙事。
同款封面图 可以在 找到 aihaibao.org
最近一个项目实践中才发现， JSON 不是炫技，是把「创意描述」升级成「机器可读的清晰参数」。
对 Agent 来说，生图提示词最怕两件事：一段长文本里改一个词就全乱；一次要出很多张，每张都有差异(角度、场景、比例清晰度等)。用结构化 JSON，Agent 可以：
1️⃣ 像管配置一样管 prompt
每个字段对应一个维度：风格、构图、主体、色调、比例……Agent 只改需要变的字段，其它不动，稳定性会比「重新写一整段话」高很多。也方便做成工具调用（tool）的入参：模型返回 JSON，下游直接交给生图 API。
2️⃣ 一次出多张：模板 + 变量替换
把 JSON 当成模板，占位符只在 subject、copy、variant_id 这类字段里轮换，Agent 循环或并行生成多份 JSON，就能批量出同风格、同布局的系列图（例如同一套电商主图 N 个 SKU、同一 campaign 多版文案）。比让 Agent 每次从零写一长段自然语言，成本更低、也更可复盘。
3️⃣ 和前端表单天然对齐
产品里常见：用户在下拉里选「比例」「风格」「主色」，输入框里写「标题」「副标题」。这些输入本身就长得像 JSON 的 key-value。前端表单 → 序列化成 JSON → Agent 校验/补全 → 再喂给生图模型，整条链路不用在「长提示词字符串」里反复拼接字符串、也不用在业务层写一堆 if 去抠字眼。
一句话：JSON 提示词 = 生图领域的「强类型接口」。对人好读，对 Agent 好写、好改、好批量；对上产品，还能和 UI 表单一一映射，后期加字段也不用推翻整套 prompt 叙事。
同款封面图 可以在 找到 aihaibao.org
0 01
1 00
