🔥 Jadwal & Hasil: songhuangong - Jadwal Siaran Langsung

code bean

码龄14年

IP 属地：江苏省

加入CSDN时间： 2012-10-19

个人简介：桌面应用，视觉算法，硬件驱动，深度学习，技术分享~~~~

查看详细资料

个人成就

《fpga设计技巧与案例开发详解第2版》作者之一
领域专家: 后端开发技术领域
获得4,844次点赞
内容获得625次评论
获得5,235次收藏
代码片获得5,604次分享
原力等级

原力等级

8

原力分

6,756

本月获得

22

TA的专栏

TA关注的专栏 26

TA关注的收藏夹 0

TA关注的社区 6

TA参与的活动 12

兴趣领域设置

人工智能

深度学习
微软技术

.net
音视频

计算机视觉
行业数字化

制造

创作活动更多

【多重好礼】鸿蒙心迹 · 开发录原创征稿活动

鸿蒙开发者的实战经验，值得被记录。从踩坑排查到项目复盘，从工具脚本到学习笔记，每一段真实的开发经历，都是社区最宝贵的技术资产。「鸿蒙心迹 · 开发录」正式启航，不限主题、随时可写，只要是鸿蒙开发相关的真实经验都欢迎投稿。本活动为 [HarmonyOS 7.0 创新内容共创季](https://builderx.csdn.net/activity-site/harmonyos/activity2026)双轨征文之一，与[「共创季 · 稿事节」](https://harmonyosdev.csdn.net/6a97f0de2b83d06f0ecadec5.html)深度征文互补——「稿事节」写深度技术长文，「开发录」写日常开发实战笔记。「开发录」每月一期，12月截止，本季共三期，投稿即有机会获得京东卡、CSDN博客流量券、亿万Token、社区定制周边好礼！

126人参与去参加

更多

无为排除杂念之后还剩什么

无为呢，排除杂念之后还剩什么

博文更新于 2026.09.11 ·

从无为到知行合一：驱动行为的真正引擎

从无为到知行合一：驱动行为的真正引擎

博文更新于 2026.09.11 ·

知行合一：缩小知与行之间的间隙

知行合一：缩小知与行之间的间隙

博文更新于 2026.09.11 ·

悟是一个过程：从无为法到正念修行的对话录

悟是一个过程：从无为法到正念修行的对话录

博文更新于 2026.09.11 ·

从十二缘起到职场修行：一场关于念头、业力与现实的对话

从十二缘起的轮回链条，到业力的种子与惯性，再到"论迹不论心"的处世智慧，最后落回职场这个最现实的道场

博文更新于 2026.09.11 ·

【感悟】波起即散：关于情绪复原力

《波起即散：情绪复原力》

博文更新于 2026.08.14 ·

上位机软件设计要点

事件驱动模块间Pub-Sub，加功能即订阅，零侵入（有时一套代码适配多个项目，不能应为改了一处影响所有项目）一个好的可维护的代码，一定可以为公司节省大量的时间和成本。报警即定位：不是报"通信超时"，而是报"从站3无响应，检查站号/波特率/物理连接"核心：上位机关键不是功能都"做出来"就行，而是"活得久、修得快、现场能自治"。还比如（try 的捕获，要能反馈最初始的问题，而不是一个最终的显示的问题）人好理解：语义命名、状态机图表、决策注释写清"为什么"四、好理解：人懂 + AI懂，重点攻AI。

博文更新于 2026.08.02 ·

【LangChain】 LangChain中的工具（Tools）——自定义工具调用与 ReAct 隐性纠错

本文是 LangChain Expression Language (LCEL) 系列文章的开篇，聚焦于 **Tool（工具）** 的定义、自定义方式，以及一个有趣的实验：当工具"说谎"时，Agent 会如何反应？

博文更新于 2026.08.02 ·

【C#】主构造函数（Primary Constructors）的来龙去脉

这是与record// record：参数 = 自动属性（public）// Name, Age 是公共属性// class 主构造函数：参数 = 参数（作用域内可用，不自动暴露）public class Person(string name, int age) // name, age 只是参数// 开发者决定如何暴露record的定位是"数据载体"，公开属性符合其语义class的定位是"行为封装"，隐藏内部依赖符合 OOP 原则。

博文更新于 2026.07.25 ·

【C#】 `Channel＜T＞` 深度解析：生产者-消费者模式的现代解法

C# Channel<T> 深度解析摘要 Channel<T> 是 .NET Core 3.0 引入的生产者-消费者模式现代解决方案，位于 System.Threading.Channels 命名空间。它提供了线程安全、异步优先的数据交换机制，支持无界和有界两种模式。无界 Channel 队列可无限增长，而有界 Channel 可配置容量和满队列策略（等待/丢弃新旧数据等）。核心组件包括 ChannelWriter<T>（提供写入方法）和 ChannelReader<T>（提供读取方法），支持多生产者/多消

博文更新于 2026.07.24 ·

【C#】一行代码的魔法：`public readonly record struct` 完全解析

C#中的public readonly record struct MachineId(string Value)一行代码浓缩了现代编程的多项最佳实践。这行声明创建了一个轻量级、不可变的值类型标识符，具有以下特性：通过public提供广泛访问性 readonly确保不可变性，增强线程安全性 record自动生成值相等比较、解构和with表达式等功能 struct实现栈分配，减少GC压力主构造函数语法(C#12)简化声明这行代码特别适用于领域驱动设计中的强类型ID模式，能有效避免原始类型滥用问题，同时通

博文更新于 2026.07.20 ·

【LangChain】从“链式调用“到“中间件架构“——一场关于“控制“的三年长征

本文回顾了LangChain框架从2022年到2026年的演进历程，揭示了开发者需求从"便利"到"控制"的转变。早期链式调用虽简化LLM集成，但导致代码臃肿和失控；2024年LangGraph引入图结构实现流程控制，但上下文工程仍不足；2025年LangChain 1.0采用中间件架构解决横切关注点问题，实现控制与模块化的平衡。最终形成运行时（LangGraph）、上下文工程（LangChain）和模型集成的清晰分层架构，下载量突破24亿次。文章指出AI应用开发的真正挑战在于平衡控制权与开发效率。

博文更新于 2026.06.29 ·

【LangChain】预定义工具与 Toolkits 详解：从单独使用到混合编排

在上一篇博客中，我们深入探讨了 LangChain 中**自定义工具（Custom Tools）**的实现方式，包括如何使用 `@tool` 装饰器和 `BaseTool` 类来封装业务逻辑。然而，LangChain 的强大之处不仅在于支持自定义扩展，更在于它提供了一套**开箱即用的预定义工具（Prebuilt Tools）**和**工具集（Toolkits）**，能够让我们快速构建具备搜索、计算、数据库操作等能力的智能 Agent。

博文更新于 2026.06.27 ·

【LangGraph】 InMemorySaver 深度解析：与 Message History 的范式对比

在 LangChain 生态中，记忆机制经历了从"消息容器"到"状态快照"的范式跃迁。本文将深入解析 `InMemorySaver` 的工作原理，并与传统的 Message History（如 `ConversationBufferMemory`）进行全面对比，帮助你在 2026 年的 Agent 开发中做出正确选择。

博文更新于 2026.06.27 ·

【LangChain】文档链与检索链深度解析

LangChain文档链与检索链解析摘要： LangChain的RAG体系包含文档链和检索链两大核心。文档链负责处理检索到的文档（格式化、拼接、整合到提示词并传递给LLM），而检索链则管理完整问答流程（问题→检索→文档处理→回答）。相比手动拼凑的无链方案，链式架构具有标准化流程、自动上下文管理、高扩展性等优势：通过create_stuff_documents_chain处理文档，create_retrieval_chain协调整个流程，实现检索器、文档链和LLM的解耦，避免手动方案存在的格式混乱、代码冗余

博文更新于 2026.06.17 ·

【LangChain】RAG 中检索结合多轮对话记忆

1. **包装器模式**: 不侵入原有 RAG 链, 基础逻辑零改动;2. **零侵入**: Prompt, 检索, 模型调用层完全保留;3. **成本最低**: 仅需增加 `MessagesPlaceholder` 和包装器配置, 实现复杂度极低。

博文更新于 2026.06.15 ·

【LangChain】检索器完全指南：从向量检索到生产级 RAG 架构

本文是 LangChain Expression Language (LCEL) 系列文章的开篇，后续将深入探讨 LCEL 的链式组合与高级用法。系列文章将遵循统一的 Markdown 格式规范，标题层级清晰，代码示例可复现。

博文更新于 2026.06.15 ·

平衡相关性与多样性：推荐系统中的永恒博弈与 MMR 算法详解

摘要：推荐系统面临相关性与多样性的根本矛盾：过度追求相关性会导致信息茧房，而单纯强调多样性则降低用户体验。MMR算法（最大边际相关性）通过数学公式平衡两者，每次选择物品时既考虑与用户的相关性，又惩罚与已选物品的相似性。关键参数lambda控制权衡比例，算法采用贪婪迭代策略实现高效计算。MMR已广泛应用于RAG、推荐系统等领域，并被主流框架原生支持，但其存在贪婪策略局限性和参数敏感问题。进阶方法如xQuAD和多目标优化可进一步优化效果。理解场景需求是找到最佳平衡点的核心。

博文更新于 2026.06.13 ·

【LangChain】嵌入模型包装器（Embeddings）深度解析

本文深入解析了LangChain框架中的嵌入模型包装器（Embeddings），这是文本向量化的核心组件。文章首先介绍嵌入模型将文本转化为数值向量的基本原理及其在语义理解、相似度计算等任务中的应用。然后详细说明了LangChain提供的标准化接口设计，包括批量文档嵌入和单查询嵌入两种方法。通过OpenAI和百度千帆的代码示例展示了具体使用方式，并分类介绍了支持的各种嵌入模型类型，包括云端API、本地部署、多模态和中文专用模型等。文章还讲解了缓存包装器这一高级特性，可显著提升性能并降低成本。最后阐述了嵌入模型

博文更新于 2026.06.08 ·

【LangChain】文档加载器（Loader）深度解析：从数据源到 Document 的统一之道

这是 LangChain Expression Language (LCEL) 系列文章的开篇。我们将从最基础的数据输入层——Document Loader 开始，逐步深入 LangChain 的完整数据管道。

博文更新于 2026.06.07 ·