万字长文详解 Agent 的评测机制：从任务、环境、轨迹到验证器、统计与持续回归 一、先给结论：Agent 评测评的不是一句话，而是一次受约束的执行。

本文是 RAG 系列第三篇。第一篇《RAG 技术全景》帮你建全局认知；第二篇《离线阶段（知识入库）》讲了"地基怎么焊牢"；这一篇，我们钻进**在线检索生成阶段**——用户提问后，系统怎么"找到对的资料

记忆让Agent拥有知识，但知识本身不能解决问题。Agent需要"思考"——面对一个复杂任务，它能分解步骤、选择策略、发现错误并自我纠正。这就是规划与推理的核心价值。 4.1 任务分解：ReAct框架

别再以为大模型蒸馏就是抄答案了，我之前理解错了大半 前阵子刷到 OpenAI 和 DeepSeek 的争议新闻，我当时啃着瓜就下了结论：不就是拿大模型的输出训自己的小模型吗，说白了就是抄答案走捷径。直

每天最难回答的问题，可能不是工作上的，而是下班后那句“今天吃什么”。我做了一个 AI 饮食规划工具，想把菜单、菜谱和采购清单真正串起来。源码目前暂不开源，先认真把产品做好，未来保留逐步开源的可能。

万字长文谈谈Loop Engineering，Google 工程师**Addy Osmani**发表了一篇博客，将这个概念正式命名为**Loop Engineering**（循环工程）...

DataElem 开源的企业级 LLM 应用 DevOps 平台，以毕昇（活字印刷发明者）命名。集成 AGL 框架驱动的 Linsight Agent、可视化工作流编排等

折腾了一晚上，从爬虫怎么取正文，到文档怎么切块，踩了好几个实打实的坑。今天整理出来，给同样刚上手 RAG 的朋友避避。 爬网页取正文，正则真的不如选择器香 最开始我图省事，直接 axios 发请求拿

现在市面上能调用的模型确实越来越多了，各家都有自己的亮点和侧重点，光看宣传文档和跑分数据其实很难判断哪个真正适合自己——尤其是当任务从单轮对话延伸到多步操作的时候，情况就更加复杂了。 所以我就想着，不

阿里一面Agent方向面试复盘，涵盖LangChain架构、Multi-Agent、A2A协议、MCP、Transformer自注意力、大模型对比等核心面试题

GPT-Red:自动化红队如何形成 Agent 安全数据飞轮 TL;DR 场景:OpenAI 2026-07-15 公布内部使用的红队模型 GPT-Red。它把自动化红队从一次性 Benchmark

Agent 工程实习复盘 03｜从 Pickle 到 PostgreSQL：LangGraph Checkpoint 迁移、内存治理与可回滚发布 一、先说结论：这次改造解决了什么 我们原来使用本地 P

人类之所以能进行复杂的对话和决策，是因为我们有记忆。同样，一个实用的Agent也需要记忆能力——它需要记住之前的对话、积累的知识、以及用户偏好。本章将深入探讨如何为Agent构建完整的长短期记忆系统。

DataWorks 数据集成 Agent 是以 Agent 为核心交互范式的智能数据平台。它不是传统死板的 ETL 配置工具，而是深度理解你的数据源、能直接用自然语言干活的“专属数据集成专家”。

从 Tool Calling 到 MCP Server：把业务能力做成 Agent 可复用接口 在 MCP 工作流文 里，我讲的是 怎么用 Figma、语雀、GitLab 的 MCP——消费方视角。在

今天把我踩坑、搭建、调试完整流程捋一遍，全程都是实操过程，没有空洞概念，看完你也能给自己封装专属工作技能。 先聊明白：Skill 到底解决了我什么痛点 以前我用 AI 写纪要的低效模式 没接触 Ski

Agent 工程实习复盘 04｜长对话越聊越容易崩？Request-only Summary 与 Token 预算治理 一、先说结论：这次解决了四类问题 长对话治理不是简单地“消息多了就做一次摘要”。

用 Go 语言从零手写一个终端 AI 编码助手——能读代码、改 Bug、跑命令、接入外部工具，带你手把手完成一个Agent。

基于红狐数据新媒体数据API，搭建AI热点雷达平台，聚合抖音、小红书、公众号三大平台AI热点，LLM分析机会评分，附Codex Skills集成和在线查询实战。