- 综合排序
- 最热优先
- 最新优先
- 来自专栏技术杂记
Zabbix Agent 安装4
cd script/ [root@zbx-target script]# vim port.discovery.bash [root@zbx-target script]# ll total 4 /bin/bash printf '{"data":[' for i in `netstat -tnl| grep LISTEN|awk '{print $4}'| awk -F ':' '{print
84830编辑于 2022-03-21 - 来自专栏agent平台
Agent渡劫48关-第4关-Tool参数为什么最容易在线上出问题？
Agent手里最常用的三个工具，是queryOrder、createTicket和refund。 OWASP的ExcessiveAgency把这件事讲得很直接：过度的功能性、过度的权限、过度的自主性，是LLM应用最容易被忽视的风险来源，而参数层正是这三件事最先暴露的地方。 收益有三条：失败可归因，每层有独立失败码；失败拦在最便宜的一层，格式问题不会打到订单库；权限与租户隔离被强制加进写路径，绕不过去。 改在最痛处补在最险层一次改一处才知是对是错08、演进展开代码语言：TXTAI代码解释[同一次refundtool_call]|+--[V1]解析JSON+Schema校验→直接执行|结构合法即放行，业务事实无人验证 9.2参数越少，Agent越安全反直觉判断：减少字段不是降低能力，而是提升安全。
15611编辑于 2026-09-13 - 来自专栏Python数据结构与算法
JAVA学习(4)-全网最详细~
Unicode可以使用UTF-8、UTF-16等不同的编码方式表示，其中UTF-8是一种可变长编码，可以根据不同的字符来使用不同的字节数表示，为了支持更多的字符，UTF-8的编码长度可以达到4字节。 3.字符常量可以直接赋值给字符变量，例如：char c = 'a'； 字符串常量必须用String类来定义，例如：String str = "Hello World"； 4.字符常量可以与其他字符常量或者数值直接进行运算 只有两个取值 true 和 false * 3.在JAVA中 布尔类型 没有 所谓的 0是假 非0是真 * 真 只有 true 假 只有 false * 4.
50410编辑于 2024-01-18 - 来自专栏每月技术成长
Agent 辅助升级 vuetify 4 with tailwind v4 实践分析
近期发现Vuetify发布4.0版本，同时官方也给出了Vuetifyv4withTailwindv4的示例，正好手头上CNB的NPC额度+Copilotchat额度足够，于是分别通过Codebuddy与 Copilot对于已有的两个Vuetifyv3+Tailwindv4项目进行升级，测试Vuetifyv4及两家agnet能力。 ://vuetifyjs.com/en/blog/building-with-vite-and-tailwindcss/解决vuetify4与tailwindcssv4兼容性问题4.运行测试5.对整个过程进行总结实验结果 Copilot花费20分钟左右，消耗3724449token，按照blog内容完成了Vuetifyv4withTailwindv4的升级兼容，但几乎所有组件都出现透明度、位置、动画效果等多方面问题。 NOTE：使用bun管理依赖实验结果Codebuddy最开始并未完全按照blog内容进行项目升级，因此一共新建五次对话，反复要求Codebuddy按照blog进行项目配置，最终Codebuddy花费40
25710编辑于 2026-04-11 - 来自专栏XINDOO的专栏
Agent设计模式——第 4 章：反思
此示例使用 Langchain 库和 OpenAI 的 GPT-4o 模型实现反思循环，迭代生成并优化计算数字阶乘的 Python 函数。 我们使用 gpt-4o 以获得更好的推理。 ## 使用较低的温度以获得更确定性的输出。 llm = ChatOpenAI(model="gpt-4o", temperature=0.1) def run_reflection_loop(): """ 演示多步 AI 反思循环以逐步改进 4. 处理边缘情况：0 的阶乘是 1。 5. 处理无效输入：如果输入是负数，则引发 ValueError。 current_code) if __name__ == "__main__": run_reflection_loop() 代码首先设置环境，加载 API 密钥，并使用低温度初始化强大的语言模型（如 GPT-4o
1.1K10编辑于 2025-10-27 - 来自专栏AI编程
测试必学：推荐4个测试用例设计最值得掌握的Agent Skill，几乎覆盖所有用例设计场景！
系统校验库存 → 4. 商品加入购物车 → 5. 这也是测试工程师日常最消耗精力、最容易出错的环节。2. 测试用例编写的三种形式据我观察，在实际测试工作中测试用例的编写形式，也会影响团队协作效率、用例质量、评审成本与维护成本。 我的建议：Excel 是正式用例交付的最佳载体，也是 AI 最容易标准化赋能的格式。 输入手机号 → 4. 获取验证码 → 5. 输入验证码 → 6. 设置密码 → 7. 点击注册 → 8. 由于用例数量较多，workbuddy在执行用例评审时，会启动4个并行的评审Agent，对261条用例进行并行评审。
1.7K11编辑于 2026-06-18 - 来自专栏A周立SpringCloud
Skywalking系列博客4-Java Agent配置
deleteByIds和deleteByQuery） false plugin.solrj.trace_ops_params 如果为true，则跟踪Solr请求中的所有操作参数 false plugin.light4j.trace_handler_chain 如果为true，请跟踪Light4J的请求的所有中间件/业务handler。 将被忽略） 未设置 Java Agent配置方式 agent配置有多种姿势，上面修改 agent.config 文件中的值，只是其中一种。下面专门探讨agent支持的配置方式。 :/opt/agent/skywalking-agent.jar=agent.service_name=你想设置的值 -jar somr-spring-boot.jar 系统环境变量 agent.config 例如，agent.config 中有如下内容 agent.service_name=${SW_AGENT_NAME:Your_ApplicationName} 这说明Skywalking会读取名为 SW_AGENT_NAME
2.7K20发布于 2020-07-07 - 来自专栏码匠的流水账
聊聊langchain4j的Agent
序 本文主要研究一下langchain4j的Agent 示例 CustomerSupportAgent customer-support-agent-example/src/main/java/dev/ langchain4j/example/CustomerSupportAgent.java @AiService public interface CustomerSupportAgent { @SystemMessage(""" Your name is Roger, you are a customer support agent of a car rental company /src/test/java/dev/langchain4j/example/CustomerSupportAgentIT.java @Test void should_provide_booking_details_for_existing_booking langchain4j目前暂不支持类似AutoGen或CrewAI中用于构建多智能体系统的"Agent"高级抽象功能，如果需要则可以基于low-level的API去构建。
64110编辑于 2025-03-17 - 来自专栏用户7494468的专栏
FPGA逻辑设计回顾（4）亚稳态与单比特脉冲信号的CDC处理问题
亚稳态的概念 上面说了如果信号从一个时钟域到达另一个时钟域会出现一系列问题，就像人因水土不服一样，信号也会“生病”，最常见的症状就是亚稳态！什么是亚稳态呢？ 下面我们总结，如果不满足建立时间要求导致的亚稳态会导致输出的结果是怎么样，如下图： ? 亚稳态 作为第一种情况，假设DFF2的输出值在t=t2的clk2上升沿时进入逻辑高电平。 退出亚稳态所需的时间被称为resolution Time（Tr）。 ? 两级寄存器同步 两级寄存器同步能够将最终输出信号发生亚稳态发生的几率降低到很低的量级，可以大致地认为“消除了”亚稳态。 从快时钟域到慢时钟域的场景 上个小标题讲过了从慢时钟域到快时钟域的场景，在那种场景下，目的时钟域的寄存器一定能采样到源时钟域脉冲信号，只是不能保证不会出现亚稳态，因此采样两级寄存器同步的方式降低亚稳态发生的概率
1.4K11发布于 2021-01-26 - 来自专栏BestSDK
4种主流评论功能设计：虎扑最悬疑，豆瓣最人性
一、只能评论，不能对评论进行回复 不让回复的评论结构是最简单的结构，评论一扯上回复，就会涉及到回复的回复，回复的回复的回复……（子子孙孙无穷尽也）后面说的几种评论结构也都基本是关于怎么显示评论回复的。
3.9K60发布于 2018-02-28 Agent设计模式（4）：Tool Use模式——构建安全的多工具Agent
今天这篇，讲的是Agent最实用的能力：Tool Use（工具使用）。 工具调用是Agent区别于聊天机器人的核心能力。 但工具调用也是最容易出问题的地方： 工具描述被注入恶意指令，Agent被利用做坏事 工具参数没校验，导致SQL注入、命令注入 代码执行没沙箱，删除了整个数据库 50个工具塞进上下文，token爆炸 这些问题 添加允许使用的工具 safe_globals.update(global_vars) # 4. 写Python代码调用工具 4. 从输出中提取关键信息 5. 工具调用是Agent最实用的能力，也是最容易出问题的地方。 用好了，Agent能干很多事；用不好，Agent就是个定时炸弹。 下一篇，我们讲Planning模式——如何让Agent处理复杂任务。
87410编辑于 2026-05-09- 来自专栏掘金安东尼
4 个 JavaScript 最基础的问题 —— Eric Elliott
本篇就从他原本 10 个基础面试问题中抽取其中 4 个还不错的问题来看看~ 按需所取，冲冲冲ヾ(◍°∇°◍)ﾉﾞ 一、你能说出 JavaScript 的编程范式吗？ 有一些重要的概念： 纯函数 避免副作用 函数组合 高阶函数（闭包） 函数组合 其它函数式编程语言，比如 Lisp、Haskell 本瓜觉得这里最 nb 就是能提到 monad 和延迟执行了~ 差的回答
54240编辑于 2022-09-19 - 来自专栏菩提树下的杨过
Agent设计模式学习(基于langchain4j实现)(1) - 基础Agent用法
本文将在langchain4j官方示例基础上(不熟悉langchain4j的朋友，请移步langchain4j学习系列），介绍几个主要模式的用法，今天先来看最基本的Agent如何实现 为方便讨论，先交待一下这一系列的业务背景 AiService，只不过这里我们使用了@Agent这个注解，需要添加下面的依赖 1 <dependency> 2 <groupId>dev.langchain4j</groupId> 3 、最基础的Agent示例 1 /** 2 该示例演示了如何实现一个基础Agent(改编自langchain4j官网示例) 3 注意：Agent只有与其他Agent结合使用时才更有用，后续步骤中将展示这一点。 4 如果只有一个Agent，使用 AiService 会是更好的选择。 5 这个基础Agent将用户的个人简介转换成一个简洁而完整的简历。
1.2K10编辑于 2026-01-12 - 来自专栏DeepHub IMBA
深度研究Agent架构解析：4种Agent架构介绍及实用Prompt模板
深度搜索Agent核心问题其实就有两个：怎么把复杂问题拆得合理，以及怎么判断搜索结果够不够用。 近两年深度搜索Agent发展很快各家的实现思路也越来越成熟，围绕这两个问题业界逐渐沉淀出几种主流架构：从最基础的Planner-Only，到加入评估反馈的双模块设计，再到Sentient Labs提出的递归式方案 迭代式搜索Agent 在讨论更复杂的架构之前，先回顾一下最基础的迭代式搜索Agent。 所以强烈建议用推理能力强的模型来做Planner，比如GPT-4o、Claude 3.5 Sonnet或者专门的推理模型如o1、DeepSeek-R1等。 计划出问题一般都会是以下几种情况： 目标失败：Agent没完成任务或者完成了但违反了约束条件。
1.7K10编辑于 2026-01-12 - 来自专栏程序员的知识天地
4 月排行：Python 最流行，Java 还行不行？
PYPL 发布了 4 月份的编程语言排行榜。PYPL 是非常流行的参考指标，其榜单数据的排名均是根据榜单对象在 Google 上相关的搜索频率进行统计排名 ? PYPL 发布了 4 月份的编程语言排行榜。 ? 前五的分别是：Python、Java、Javascript、C# 和 PHP。 可以看到，榜单没有什么大变化，但是相比去年 4 月份，Python 市场份额在今年上涨了 5.2%，成绩颇为亮眼。
71900发布于 2019-04-18 - 来自专栏ET
2023最值得推荐的4款免费ETL工具
（4）数据格式化： 将数据转换为目标存储的格式，可能涉及重新组织数据结构、调整数据类型等。（5）数据规范化： 统一数据值的表示方式，确保数据的一致性和可比性。例如，将地区名称转换为标准的地区代码。 （4）批处理加载和流式加载： 批处理加载适用于大规模数据处理，而流式加载适用于需要实时数据分析的场景。 （4）社区免费版本，有大量的用户群体，技术文档全面，具有丰富的组件市场快速实现与SASS应用的打通。缺点：社区免费版本有部分功能不支持，需要企业版本才可以使用。 使用界面图：流程设计：（流程设计界面）(任务监控运行界面)4.DataXDataX是阿里开源的一个异构数据源离线同步工具。
6.9K50编辑于 2023-09-19 windows上安装PyQt4最简单方法
在安装PyQt4之前，请确认您的Python版本，并下载与之兼容的PyQt4 whl文件。 安装whl文件 在命令行中输入以下命令来安装PyQt4： pip install PyQt4-x.x.x-cpXX-cpXX-win_amd64.whl 其中PyQt4-x.x.x-cpXX-cpXX-win_amd64 请确保将文件名替换为您下载的PyQt4 whl文件的实际名称。 验证安装 安装完成后，可以在Python解释器中导入PyQt4并尝试调用其方法来验证安装是否成功。 例如，在命令行中输入python启动Python解释器，然后输入import PyQt4来检查PyQt4是否已正确安装。如果没有出现错误消息，则说明PyQt4已成功安装。 三、注意事项 依赖项 PyQt4依赖于Qt库。在某些情况下，您可能需要先安装Qt库才能成功安装PyQt4。但是，通常在使用whl文件安装PyQt4时，这些依赖项会包含在安装包中。
77610编辑于 2026-02-06- 来自专栏埋名
最流行的4种前端构建项目工具介绍
In web development we deal with a lot of small technical artifacts. You use HTML to describe page structure, CSS how to style it and JavaScript for logic. Or you can replace HTML with something like Jade, CSS with Sass or LESS, JavaScript with CoffeeScript, TypeScript and the ilk. In addition you have to deal with project dependencies (ie. external libraries and such).
2.1K30发布于 2018-10-18 LangChain4j 万字实战：Java生态最火大模型框架，从入门到企业级RAG与Agent落地
Spring AI 胜在 Spring 生态原生集成，标准化强；AgentScope 胜在智能体工程化，多Agent协同与生产底座完善；而 LangChain4j 是目前 Java 生态活跃度最高、组件最丰富 、社区最成熟的大模型应用开发框架。 不同于专注Agent工程化的框架，LangChain4j 的核心定位是：一站式大模型应用开发工具箱，覆盖从基础对话、记忆管理、文档解析、向量检索、RAG检索增强、智能工具调用、链式编排、Agent智能体的全链路能力 ，专注Agent生产落地RAG能力原生顶配，组件完善、开箱即用基础可用，高阶能力需自研封装适配较弱，主打Agent而非检索增强工具/函数调用原生完善，注解极简开发基础支持，代码偏繁琐侧重Agent编排， 四、企业级核心落地案例：LangChain4j RAG知识库问答RAG检索增强生成是目前企业落地最多、最稳定的AI场景，有效解决大模型幻觉、知识滞后、私有数据无法问答的问题。
3.2K10编辑于 2026-06-03你加了4个Agent，结果比不加更慢——多Agent的代价没人告诉你
Agent 开始"忘记"早期的关键信息，重复已经做过的步骤，或者忽略你最核心的需求。 最容易被忽视的硬约束：Token 经济学 这一节是整篇文章最值得认真对待的部分。 多 Agent 不是免费的，它的 Token 成本可能让架构决策完全反转。 管道规模 子 Agent 编排器成本 团队模式单 Agent 成本 小型（2-4 Agent，短输出） 可忽略 可忽略 中型（5-10 Agent，中等输出） 30-50K tokens 每 Agent 2-4K tokens 大型（10+ Agent，大输出） 可能触及上下文限制 每 Agent 2-4K tokens Anthropic 的真实数据：15 倍代价换 90% 提升 Anthropic 在 Claude Research 多 Agent 系统上的内部评估给出了最直接的参照： 多 Agent（Opus 4 主导 + Sonnet 4 工作）比单 Opus 4 提升 90.2%，但 Token
44400编辑于 2026-07-17
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号