LangChain 将提示词、模型调用、输出解析、链式编排、记忆、工具、智能体和检索封装成可组合组件。围绕这些组件讲清大模型应用从简单调用到 RAG 和 Agent 的实现方式、适用场景与常见坑。
大语言模型在复杂任务中容易遇到幻觉、信息过期、规划不足和错误传播问题。ReAct 通过“推理 + 行动 + 观察”让模型调用外部工具完成多步任务,Reflexion 再加入评估、反思和记忆,让 Agent 能从失败轨迹中改进下一次尝试。
opcode 是一个面向 Claude Code 的桌面图形化工具,用来集中管理 AI 编程项目、会话历史、任务型 Agent 和使用成本。它不替代 Claude Code,而是在命令行能力之上提供更直观的项目控制台。
Context Engineering 关注在调用大语言模型前,如何把指令、知识、工具结果和记忆组织进有限上下文窗口。围绕 LLM OS 类比、上下文失败模式、记忆分类和工程实践,系统讲清 LLM 应用为什么不能只靠提示词。