首页
沸点
课程
APP
AI用量
作品广场
专家标注
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
登录
注册
排行榜
综合
后端
前端
Android
iOS
人工智能
开发工具
代码人生
阅读
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
Agent
AI编程
后端
前端
LLM
AIGC
算法
GitHub
展开
全部
人工智能
Agent
AI编程
后端
前端
LLM
AIGC
算法
GitHub
架构
Python
Claude
开源
OpenAI
LangChain
暂无数据
推荐
最新
DeepSeek Harness 实战与架构解析:让 Agent 从“会聊”到“能交付”
DSH(命令行叫 dsh)是 DeepSeek 推出的 Agent 运行环境。它给模型提供工具、沙箱、记忆和可组装的插件系统,让模型在一个受约束的执行环境里把任务从开始做到交付。本文从一次“整理周报”
Java 与 Python 在大模型与智能体领域的选型
一、结论先行 Python 在大模型与智能体领域整体更成熟,尤其在前沿框架、工具链和社区生态上仍明显领先;Java 尚未追平,但正在企业级生产落地这一特定维度快速补齐。 更准确的判断不是“Java 能
RAG幻觉
RAG遇到的工程化问题,召回的文档信息太多怎么办,幻觉漂移如何处理、检索冗余、上下文溢出问题怎么处理
Python 的 Web 框架:选型选错的人,都踩了同一个坑
# Python 的 Web 框架:选型选错的人,都踩了同一个坑 > 问题从来不是"哪个框架性能高
从零拆解 AI 语音模拟面试系统
开发 AI 语音模拟面试,拆开看就是一条固定的业务链路: 这篇文章就按这条链路从头到尾走一遍:每一步做什么、为什么这么设计、容易在哪里出问题。 如果你正在做 AI 应用,尤其是“语音交互 + 智能体”
给 LangGraph 加一道可审计记忆:替换默认 Checkpointer,实现防篡改 + 崩溃不丢数据
给 LangGraph 加一道可审计记忆:替换默认 Checkpointer,实现防篡改 + 崩溃不丢数据 面向:正在用 LangGraph 做生产级 Agent、又需要审计/留痕的团队。 你将
手搓 AI Agent 第 8 篇:从手写循环到画流程图——LangGraph 封装
把这套手搓的 Agent Loop,用 LangGraph 的 StateGraph 重写一遍,同一套能力换一种"声明式"的表达.
手搓 AI Agent 第 7 篇:菜做砸了别硬炒——错误分类 + 双账本熔断
让Agent报错之后别原地打转——把失败分好类、附一句该怎么改的提示,再记两本账,连续失败到上限就自动停止。
模拟面试智能体开发实战 03:AI 面试官太客气?人设 Prompt 让它像个真考官
我拿第一篇搭好的骨架试跑了一场模拟面试,开场问题很低级:"你是一个面试官,请面试我。" 模型回我:"好的,很高兴与你交流!请问你想面试什么岗位呢?" 我随便答了个 Java 后端,又故意把线程池的核心
LLM 面试必问的 8 个问题,答不上来直接淘汰
第二章:大语言模型(LLM)基础 构建 AI Agent,大语言模型(LLM)是最核心的基础设施。Agent 的推理、工具调用、记忆能力,都依赖底层模型质量。理解 LLM 的内部机制,才能在工程中做出
Jev 实战:为AI工作流引入轻量决策层 x10倍提速|得物技术
前段时间Jev挺火。我一开始也以为它是又一个新模型,实践之后才发现它的与众不同!它是一个可以在AI工作流中,工程化地实现轻量决策层的工具,帮助流程降本提效!
AI 应用开发工程师简历怎么写:HR 初筛、技术复筛、面试追问,三道关卡各看什么?
摘要: 简历不是自述,是要被三道标准不同的关卡各扫一遍的文档。技术很强却约不到面试,问题往往不在能力,在于力气花错了关卡。文末有三组「改前 / 改后」对照,可以直接照着改。 写在前面 「把我做过的东西
15 分钟社媒简报 Agent:我只用了搜索和模型两步
2026-11-13 我用 SandBase 的 X 搜索查公开词 Google Gemini,再把 17 条字段交给模型出简报。搜索走了当天免费额度,模型实付约 USD 0.000715。第一稿会把
百万 token 时代的真相:主流大模型上下文窗口与最大输出的横向对比分析
2026 年的头部大模型,在上下文窗口这个数字上几乎打成了平手,旗舰产品清一色停在 100 万 token 上下。真正拉开差距的,是模型能把多少内容用好、一次能写多长,以及开发者实际能拿到多大的窗口。
模拟面试智能体开发实战 04:面试聊到哪算哪?用状态机把整场面试编排起来
前两篇把面试官的"嘴"和"人设"都调好了,我把整套东西接进服务端做内测,第一位同事聊了三分钟就退出了。我看他的会话日志,看到了三个事故现场: 第一,他刚做完自我介绍,面试官直接甩了一道场景题,技术基础
langgraph 后端发自定义数据,前端接收方法概括
有些自定义数据和状态流转,不能走messages通道,要走custom通道 一、整体流程图 二、四个关键点 1. 必须注册 CustomTransformer,否则事件不会产生 v2 事件流只在 gr
模拟面试智能体开发实战 01:面试挂了都不知道挂在哪?用 Python 给自己造一个随叫随到的 AI 面试官
上个月我帮朋友复盘一场挂掉的面试。我问他被问了什么,他答"Redis 缓存";我问他面试官追问了什么,他答"好像是击穿还是穿透来着,我答岔了";我问他面试官当时是什么表情,他说没注意,光顾着紧张了。
模拟面试智能体开发实战 02:回答等半分钟,谁还愿意练?把服务端和流式输出搭起来
上一讲我们把工程骨架和 build_llm 三通路搭好了,能离线问出面试官的第一句话。但那只是一个玩具——你敲一句、等程序跑完、才看到一整段答案。真要做成产品,这一步就得翻车:整段返回要等十几秒到半分
什么是 Agent:从"会聊天"到"会做事"
前面四篇,你已经在和模型"对话"了。但 Agent 不是对话,是做事。这一篇不写代码,只建立正确的概念地图——什么是 Agent、它和聊天机器人差在哪、由哪几部分组成。概念清楚后,后面三篇手写代码会非
Milvus 8种检索能力实践
你是不是也遇到过这种情况:RAG知识库明明建好了,向量也存进去了,可用户一问,检索出来的答案总是牛头不对马嘴?别急着怀疑Embedding模型,很可能是你的检索姿势不对。Milvus作为现在AI Ag