在之前几篇文章中，Chaiys同学设计了一个高考信息查询智能助手AI Agent业务场景，分别使用手写代码、LangChain框架、QwenAgent框架、AgentScope框架实现了一次，学习了几

在之前《几种AI Agent开发框架对比》这篇文章中，我们设计了一个高考信息查询智能助手业务场景，使用几种AI Agent开发框架分别实现进行对比分析，因为文档太长，其中多智能体协作章节就没有详细展开

在上篇《多智能体协作案例实践（一）：基于AgentScope框架》文章中，Chaiys同学围绕高考信息查询智能助手业务场景，采用AgentScope框架进行多智能体协作的验证。 本文基于同样的业务场景

书接上文：AI Agent案例实践：三种智能体开发模式详解之二（基于LangChain框架） 四、开发实践（基于QwenAgent框架） 前文中，我们使用LangChain框架实现了我们的智能体。下面

前言 书接上回，关于MAF框架的探索，上次只聊了几个基本的Agent创建，本篇将深入探讨MAF框架的三个核心进阶特性：可观测性集成、聊天记录存储与持久化，以及为智能体赋予记忆能力。 我这里的案例代码都

今天先把12月的复盘写了， 改天再把25年的复盘整理哈，这一年还是经历了很多事情，需要好好总结复盘~

TRAE 中国版 SOLO 现在已经对全部用户免费开放，不仅能自由切换模型，还支持接入自定义模型。工具的价值就在于被人用起来，而现在，门槛又低了一大截。

站在 2026 年伊始的节点上，审视自己的工作流，发现已经完全被锚定在文章中的工具链上。这里把 2025 年一年的经验总结成十条，希望能够引起讨论，共同交流学习。

AI 向右，社区向左 站在 2025 的尾巴上回望，这确实是极具撕裂感的一年。 一方面，AI 技术像一列高速列车，轰鸣着向着更强的逻辑、更高的效率、更极致的自动化狂奔——我称之为 “向右” ；另一方面

在大模型与智能体应用场景层出不穷的今天，作为一名不断学习的信息化数字化从业者，我们可以实践一下AI Agent基本开发流程，理论联系实践，以加深我们对AI Agent的了解。 一、案例描述 1.1.

很多人都在问：在国内，如果不使用“魔法”，到底能不能用上顶级的 AI 大模型？ 毕竟像 OpenAI 的 ChatGPT、Anthropic 的 Claude、谷歌的 Gemini，还有马斯克的 Gr

今早看到 Manus 被 Meta 收购的消息，我下意识瞄了一眼浏览器侧边栏。 那里停着 Monica 我去年买了它的 Unlimited Level。这一年，眼看着它从一个小插件长成巨头争抢的资产

CB Insights最新发布《人工智能编程代理市场份额报告：2025 年 12 月》：Cursor 被誉为当下最强的 AI 代码编辑器 Claude Code

为什么要写这篇文章： 三年前，我写过一篇《给想转Go或者Go进阶同学的一些建议》，有幸在稀土掘金获得了近8万的阅读量，帮助了许多正在转型和迷茫中的开发者。 今天，我们站在2026年的门槛上，技术浪潮已

从 0 到 1 写一个“可解释”的 RAG 检索器：规则检索 V1 → V2（含可运行代码） 上篇文章我们学习到了基本的Rag原理，用本地的ollama实现了一个非常简易版本的rag流程。 这一篇我们

3 天，一个人，从 0 到 1 打造一款能变现的 AI 产品。不是Demo，不是概念验证，是一个真正上线、真正打通付费流程，完整的商业产品。讨论关于独立开发者的下一个核心竞争力究竟是什么？

2025年12月初,因旧系统数据修复需要,我在没有db-proxy的情况下,用6小时时间让AI从零开发了一个分片SQL生成器。纯Node.js原生实现,支持6种分片算法,包含完整UI界面和Docker

差不多 1 年没写了，这两年一直忙着创业，抽个空给大家聊聊，扯扯闲天。 我思来想去能写的东西其实很多，比如 一个前端老鸟是如何开始创业不归路的 搞技术的创业要注意哪些是 创业上班有啥不同 怎么融资，投

2025 年 10 月 15 日，苹果公司正式发布全新 M5 芯片。作为继 M4 之后的又一代 Apple Silicon 处理器，M5 采用第三代 3nm 制程工艺，在 AI 运算、图形性能与能效方