首页
AI Coding
NEW
沸点
课程
直播
活动
AI刷题
APP
插件
搜索历史
清空
创作者中心
写文章
发沸点
写笔记
写代码
草稿箱
创作灵感
查看更多
会员
登录
注册
关注
综合
后端
前端
Android
iOS
人工智能
开发工具
代码人生
阅读
排行榜
综合
后端
排行榜
前端
Android
iOS
人工智能
开发工具
代码人生
阅读
全部
人工智能
AIGC
LLM
AI编程
OpenAI
Agent
后端
算法
Python
展开
全部
人工智能
AIGC
LLM
AI编程
OpenAI
Agent
后端
算法
Python
前端
Trae
程序员
MCP
深度学习
计算机视觉
暂无数据
推荐
最新
关于AI Agent处理大量第三方集成的思路
在典型的AI Agent系统中,其工作流程是一个迭代循环(AI Agent参考):LLM根据任务需求选择并调用一个工具,观察返回结果,然后基于新信息进行下一步思考和决策。 随着一个AI A
🚀从零构建AI智能体:九大核心技术拆解与落地建议
今天我们来系统梳理AI智能体架构设计的九大核心技术,这些技术构成了现代AI应用开发的核心框架,涵盖从基础推理到多智能体协作、从数据处理到人机交互的关键层面。欢迎各位指正交流。 一、AI 智能体(AI
🍇Embedding模型怎么选?一文解决RAG应用中最头疼的难题
Embedding模型是大型语言模型(LLM)的核心,负责将文本转换为高维向量空间中的数值表示,从而使语义关系转化为可计算的数学关系。如果选错Embedding模型,RAG系统可能会检索到不相关或低质
大模型Agent开发框架哪家强?12项Agent开发框架入门与选型
本期分享梳理了现有的12项Agent开发框架并将其归类为四大类:低代码平台、基础编程范式、高级代码框架和智能体框架。本期分享旨在通过梳理这四类框架的特性与适用场景,为开发者的技术选型提供清晰指南。
前端开发 AI Agent 智能体,需要掌握哪些知识?
大家好,我是双越老师。本文介绍前端人员开发一个 AI Agent 需要哪些核心技能,包括 LLM 提示词工程 langChain RAG 。对于前端转行 AI 工程师是一个很好的参考。
狂揽 133K Star!优质开源AI项目-提示词指南/提示词工程
朋友们好,我收集了Github上热度最高的数百个AI领域的开源项目,按照开发者的视角做了分类,一共包含28个分类,分类列表如下图所示。
🚫万能Agent兜底:当规划缺失工具时,AI如何自救
在多智能体协作调度场景中,尽管存在诸如层级指挥、嵌套模式、转交模式和群聊模式等多种实现方式,但层级指挥模式仍是生产环境中最常用的方式。该模式通常由主代理生成任务拆分,调度工具或子智能体分别执行,类似
深入浅出LangGraph AI Agent智能体开发教程(九)—LangGraph长短期记忆管理
本期内容分享了LangGraph中的长短期记忆管理机制,短期记忆代码演示实现会话级对话跟踪,支持线程隔离的数据持久化;长期记忆代码演示构建跨会话的稳定知识体系,支持语义检索等高级功能。
🌈破解数据瓶颈!看AI Agent如何让人人成为数据分析师
2025年,商业智能(BI)正经历由AI Agent驱动的根本性变革。传统BI工具从被动的数据展示平台,逐渐演变为能够自主感知、推理、规划并执行任务的主动决策伙伴。本次分享的内容面向企业技术决策者(如
建构 AI Agent 应用——保护代理式系统
采用代理式 AI 带来了有别于传统软件的独特安全挑战。代理式系统具有自治、复杂推理、动态交互与复杂工作流等特征,显著扩大了威胁面。要有效保护此类系统,必须同时应对传统安全问题以及源自代理自治、概率决策
建构 AI Agent 应用——Agentic 系统的学习机制
本章介绍将“学习”引入智能体系统的多种方法与集成技巧。让智能体具备随时间学习与改进的能力非常有用,但在设计智能体时并非绝对必要。实现学习能力需要额外的设计、评估与监控工作,是否值得投入取决于具体应用。
建构 AI Agent 应用——编排
既然你的智能体已经具备一套可用工具,下一步就是将它们编排起来以解决真实任务。编排不只是决定调用哪些工具、何时调用;还需要为每次模型调用构建恰当的上下文,以确保行动有效且有依据。简单任务也许只需一个工具
🙈AI Agent的未来:工具调用将如何重塑智能应用?
我们都知道,AI Agent的核心价值在于其与外部世界交互的能力,而这通过工具调用实现。传统LLM仅作为“大脑”处理文本生成和推理,而Agent则通过工具充当“感官”和“四肢”,执行实际任务(如查询天
👀10分钟搞懂RAG架构:离线索引+在线检索的闭环秘密
RAG的检索增强生成(Retrieval-Augmented Generation, RAG)技术,一直是不少人研究和优化的方向,RAG通过整合外部知识库来增强模型能力,特别适用于实时性、准确性和专业
深入浅出LangGraph AI Agent智能体开发教程(八)—LangGraph底层API实现ReACT智能体
本期内容分享如何使用底层API构建多轮对话机器人和复现ReACT图结构智能体。通过定义状态、添加模型节点和工具节点,结合条件分支图实现ReACT图的工具调用与决策循环,并通过天气助手演示完整的开发流程
⭐精准率暴跌50%?RAG开发者必避的十大认知误区
在RAG(检索增强生成)系统开发中,技术选型与场景适配的合理性直接决定系统性能。今天我将基于企业级实践经验,系统化拆解开发全流程的十大关键误区,并提供四维优化框架,助力开发者构建高精度、高可用的R
彻底搞懂大模型“预训练”和“微调”
你是否曾经好奇,像ChatGPT这样的大模型为什么既能写诗又能编程,既能聊天又能翻译?这背后的秘密就在于两个关键过程:预训练和微调。
首次尝试,95% 的代码都是垃圾:一位工程师使用 Claude Code 六周的心得
AI 辅助编程是一项需要通过实践来学习的技能。未来不是 AI 取代开发者。而是开发者利用最先进的工具,工作得更快,创造出更好的解决方案。
🤖告别复杂粘合代码:LangGraph+OceanBase构建智能Agent蓝图
不知道你们有没有遇到过,在我们一些实际落地的AI项目中,虽然前期“Demo 很惊艳,但上线后却无人问津”。你们有没有想过问题究竟在哪?今天我将从企业级 AI 应用的真实场景切入,并通过一个Demo构建
Transformer | 一文带你了解Embedding(从传统嵌入方法到大模型Embedding)
本文主要介绍Embedding的基础知识,带你一文了解Embedding。介绍什么是Embedding,它们是如何从统计方法演变成为当前Embedding技术的,了解它们在实践中的实现方式,并介绍总结