直到我把完整的 response 打印出来，才发现返回的 AIMessage 里藏了个tool_calls数组，里面清清楚楚写着要调用read_file，参数就是我传的文件路径。合着模型根本没执行工具

图解 120 个大语言模型（LLM）核心概念（31-60），这是第二篇，介绍 LLM 的核心概念，科普大模型

【机器人 / 强化学习】QAM：基于伴随匹配的 Q-learning 流策略优化 0x00 概要 1.1 核心问题：Flow 策略的优化困境 1.1 为什么 Flow 策略难以用 RL 优化？ 1.2

在企业级架构中，真正的考验不在于系统正常运行时有多快，而在于系统出错时死得有多优雅。今天，我们为插件加入一套“错误状态定位和处理”机制，让我们的插件更健壮。

一、十万卡，不只是加一个零 从万卡到十万卡，不是简单的 10 倍扩列——这是一道完全不同的工程题。 网络怎么不堵？存储怎么不崩？散热怎么不烧？调度怎么不乱？规模每上一个量级，系统复杂度都是指数级翻倍。

摘要 1. 自监督学习：CLM 取代 MLM 的工程必然性 自监督是大模型可行的前提——无需人工标注，数据规模可扩展到万亿 token。但自监督目标的选择并非理所当然，CLM（因果语言建模）战胜 ML

GPT 5.6 来了！单纯看基准维度，好几项都赢了 Fable 5！ 那么实际能力如何呢？ 我决定设计一个新的测试例子，一个例子测试多种能力。一轮定胜负！ 而且一轮测试，几乎把 Sol 和 Fable

循环工程正在取代那些需要人工提示智能体的人员。现在，系统可以自行完成这些任务。可以将循环视为一种递归式的目标，即定义出一个目的，然后让人工智能不断迭代直到完成。大致来说，有五个基本组成部分，而 Cla

为了大家理解大模型（LLM）概念，将120 个概念制作为张图片，当前文章是 1-30，后续持续更新...

GPT-5.6预计在7月7号发布。 不只是更强——Sol/Terra/Luna 三层矩阵、Ultra 多智能体协作模式、Codex 深度集成。OpenAI 选在 Fable 5 结束免费的当天发布

Agent 入门：从 LLM 与 Agent 的区别到 Function Calling 现在常见的 AI 产品，为什么越来越像 Agent 一个很现实的变化：现在很多 AI 产品相比于22年、23年

MCP（Model Context Protocol）入门与实践：让 AI Agent 跨进程调用工具 一、问题的起点：Tool 的复用困境 在构建 AI Agent 时，我们经常需要给大模型绑定各种

在上一篇的最后，我们在 AI 编程助手里各试了一句提示词：一句做「天空为什么是蓝色」的动画解说，一句做「凌晨四点的城市」的真实素材纪录片。当时只是让它们跑了起来，没展开讲背后发生了什么。这一篇我们就把

一、从“自嗨工具”到“通用能力”：我们为什么需要MCP？ 先灵魂拷问一下：你平时给AI Agent写的工具（Tool）有什么痛点？ 绑定特定项目：工具只能在一个代码库中用，换个项目就得复制粘贴。 语言

你有没有遇到过这种场景：想让 AI 帮我查一下北京南站附近的酒店，然后把每个酒店的图片在浏览器里打开，还要自动把标签页标题改成酒店名——结果你发现，大模型再强，也拿不到地图数据，点不了浏览器，更写不了

从一次普通模型调用出发，逐步封装读文件、写文件、列目录和执行命令工具，用 ReAct 循环实现一个迷你编程 Agent，并生成 React TodoList

OpenAI Workspace Agents 进入信用计费：Coding Agent 从额度体验走向成本治理 TL;DR 场景：OpenAI 在 2026-04-22 推出 Workspace Ag

先搞懂：MCP 到底在中间干了啥 说实话，最开始我对 MCP 的概念特别模糊，以为又是啥新的微服务框架。翻了半天才搞明白，它全称是 Model Context Protocol，说白了就是一套「统一传

开篇——我被一个 buzzword 追上了 2026年6月，Loop Engineering突然在硅谷AI圈刷屏了。 先是Boris Cherny（Claude Code负责人）说："我现在基本不直接