暂无搜索历史
🔥 「伊朗拒绝了特朗普的15点停火方案」,还反手提出了5项条件,包括要求霍尔木兹海峡主权。特朗普随后在内阁会议上说"伊朗迫切想达成协议",但伊朗方面否认存在任何...
「MCP(Model Context Protocol)」 是 Anthropic 于 2024 年 11 月发布的一个开放协议,旨在标准化 AI 模型与外部工...
「eino」(发音类似 "I know")是 CloudWeGo 团队开源的 Go 语言 LLM 应用开发框架,基于 Apache 2.0 许可证。框架设计参考...
Dify 作为一款开源的 LLM 应用开发平台,其插件系统是扩展平台能力的核心机制。很多开发者在阅读源码时会产生疑问:
随着 AI 智能体(AI Agent)在企业级应用中的广泛部署,如何让 AI 安全地执行代码、访问数据、操作工具成为核心挑战。「E2B(Environment ...
但 Agent 不一样。当用户问"帮我规划去日本的旅行",Agent 可能给出无数种合理的回答。我们无法用简单的 assert.Equal 来判断对错。
本文深入分析如何在 Agent 开发中集成 Skill 系统,包括概念介绍、规范设计、框架实现、执行流程细节,以及如何将外部能力封装为 LLM 可调用的能力。
RAG(Retrieval-Augmented Generation)已成为 LLM 应用的标配架构。但在实际项目中,我们经常面临这些问题:
如果说 LLM 是 Agent 的「大脑」,那么 「Plan 机制」 就是这个大脑的「思维方式」。
随着 LLM 应用从 Demo 走向生产,「可观测性 (Observability)」 成为了不可忽视的核心能力。与传统微服务不同,Agent 系统存在独特的挑...
打开你的微信,看看你的好友列表。你会发现一个有趣的现象:你的大学同学之间互相认识的概率很高,你的同事之间也是如此,但你的大学同学和你的同事之间大多互不相识。
Agent 的核心能力是自主规划和执行任务。但在实际业务中,很多场景需要人类参与决策:
大模型时代,单个 Agent 能做的事情越来越多——搜索、写代码、分析数据、调用 API。但当任务复杂到一定程度,单体 Agent 的局限性就显现出来了:上下文...
2026年了,AI Agent 能写代码、能做分析、能聊天能画画——但你让它打开 Blender 建个模?让它用 GIMP 修张图?让它在 LibreOffic...
看完上一篇文章,很多人可能以为 CLI-Anything 是一个庞大的代码生成引擎——里面有 AST 解析器、有模板系统、有各种软件的适配层……
就像汽车刚出现的时候,大家讨论的是"我不会修发动机怎么办",但后来真正值钱的能力,是知道该开去哪里,以及怎么规划路线。
OpenClaw 是一个 AI Agent 平台,它的核心是对话引擎和工具调度。但一个平台不可能内置所有能力——今天要接飞书,明天要接钉钉;今天要查日历,明天要...
那么,如何设计一套机制,让 Agent 能够 「按需加载」 技能内容,同时 「对 Token 友好」、「对缓存友好」、「对多 Agent 安全」?
本文详细分析 trpc-agent-go 框架中会话上下文的管理机制,包括 LLM 提示词的注入内容、Memory 记忆系统、Session Summary 会...
过去两年,AI Agent 领域最热闹的话题永远是"哪个模型更强"。GPT-4o 还是 Claude Opus?Gemini 还是 DeepSeek?我们盯着排...
暂未填写个人简介
暂未填写技能专长
暂未填写学校和专业
暂未填写个人网址