烟台市网站建设_网站建设公司_色彩搭配_seo优化

文章介绍了LangChain的新定位和Agent开发的三层架构：Framework框架层解决"怎么写"，Runtime运行时解决"怎么跑"，Harness基座提供开箱即用方案解决"怎么用"。文章强调Agent开发工程化成熟度快速提升，未来将形成"开放基座生态系统"，让开发者能快速构建并迭代Agent应用，AI工程的黄金时代刚刚开始。

LangChain拿到了新融资，对自己有了新定位——Agent基础设施提供商，同时对自己的产品矩阵做了新的梳理，重新定义了Agent开发的三个层次。

他把Agent开发分成三层：

Framework（框架层）：提供抽象和标准化接口。LangChain就是这一层，还有Vercel的AI SDK、CrewAI这些。主要解决的是"怎么写"的问题。框架的价值在于提供心智模型的抽象，让开发者更容易上手，但做得不好就会掩盖内部机制，缺乏高级用例的灵活性。

Runtime（运行时）：处理生产环境的基础设施需求。LangGraph属于这层，提供持久化执行、流式支持、人机协作中断、线程级持久化等能力。解决的是"怎么跑"的问题。Chase提到，运行时通常比框架更底层，可以为框架提供支撑——比如LangChain 1.0就构建在LangGraph之上。

Harness（基础方案引擎、基座）：更高层的封装，内置默认提示词、工具调用处理、规划工具、文件系统访问等。DeepAgents就是这个定位，Chase形容它是"通用版本的Claude Code"。解决的是"怎么用"的问题，提供开箱即用的完整方案。

这个分层有意思的地方在于，它不是简单的技术栈划分，而是基于用户分层的。Chase承认边界很模糊，LangGraph既是运行时也有框架特性。但这确实是个问题，但也是改进方向。

简单概括，“LangChain = build, LangGraph = run, harness = deploy + monitor + scale”。

"Agent Harness"概念的起源

Chase特意提到这不是他发明的术语，而是来自Vtrivedy的文章（见末尾）。Vtrivedy把这叫做"HaaS"（Harness as a Service），认为AI开发的核心原语正在从LLM API转向Harness API：

client.chat.completions.create() --> client.responses.create() --> agent.query()

Vtrivedy对Agent Harness的定义很具体：增强模型运行时执行的外部功能集合，包括对话和上下文管理、工具调用层、权限控制、会话和文件系统状态、循环控制和错误处理、基础可观测性等。简单讲，就是一个更高阶的，能够低门槛，正确高效实施Agent的具备开放性的开箱即用方案（模板）。

Harness定制化流程图

他强调，构建Agent的关键是"个性化定制基座"，包括四个核心组件：

1. 系统提示词- 告诉Agent目标、环境、工具使用方法等
2. 工具/MCP- 内置工具加上特定用例的自定义逻辑
3. 上下文- 代码文档、用户个性化信息等
4. 子Agent- 用于专业化和并行化处理

小结

Agent开发的工程化成熟度在快速提升。从手写提示词到框架抽象，再到运行时保障，最后到开箱即用的基座服务。每一层都在降低使用门槛，提高开发效率。

Vtrivedy提到一个关键点：好的Agent构建是迭代进化，你不能在没有v0.1版本的情况下进行迭代。开箱即用的完整解决方案能让你的Agent快速进入内部团队手中，然后持续迭代改进。他预测在接下来的6个月内，大多数面向用户的AI产品将使用现有的Agent基座作为其核心用户交互模式。他设想了一个"开放基座生态系统"的未来——开发者创建定制基座，用户插入其中进行进一步编辑或作为产品使用。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

为什么要学习大模型？

我国在A大模型领域面临人才短缺,数量与质量均落后于发达国家。2023年，人才缺口已超百万，凸显培养不足。随着AI技术飞速发展，预计到2025年,这一缺口将急剧扩大至400万,严重制约我国AI产业的创新步伐。加强人才培养,优化教育体系,国际合作并进是破解困局、推动AI发展的关键。

大模型入门到实战全套学习大礼包

1、大模型系统化学习路线

作为学习AI大模型技术的新手，方向至关重要。 正确的学习路线可以为你节省时间，少走弯路；方向不对，努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划，带你从零基础入门到精通！

2、大模型学习书籍&文档

学习AI大模型离不开书籍文档，我精选了一系列大模型技术的书籍和学习文档（电子版），它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。

3、AI大模型最新行业报告

2025最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

4、大模型项目实战&配套源码

学以致用，在项目实战中检验和巩固你所学到的知识，同时为你找工作就业和职业发展打下坚实的基础。

5、大模型大厂面试真题

面试不仅是技术的较量，更需要充分的准备。在你已经掌握了大模型技术之后，就需要开始准备面试，我精心整理了一份大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

适用人群

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】