本文介绍了Coze平台中变量与长期记忆两大核心功能。变量用于动态存储用户信息；长期记忆则记录对话历史。笔者通过实战示例，展示了如何配置和使用变量和长期记忆提升智能体的服务体验。

本篇分享 LangChain 1.0 create_agent API 的高阶功能，涵盖 MCP 协议工具集成、结构化输出、记忆管理和中间件机制等。通过 MCP 接入、自定义中间件等实战案例构建智能体

本篇深入解析LangChain 1.0的create_agent API，涵盖智能体三要素消息类型及四种流模式。通过天气助手实例演示智能体完整执行流程，帮助大家快速掌握新一代智能体开发标准。

LangChain 1.0 核心升级包括： create_agent、标准化接口及精简包结构。智能体开发从“原型玩具”迈向“生产级框架”，create_agent 通过中间件和结构化输出提升开发上限

本篇分享系统梳理了OCR技术的发展脉络，比详细分析DeepSeek-OCR、PaddleOCR、MonkeyOCR等主流模型的架构特点，针对长文档处理、学术资料数字化和边缘计算三大场景提供了实践指南。

本文详解Coze消息卡片功能，涵盖官方单条/列表卡片的配置方法，并演示自定义卡片从布局设计、变量配置到数据绑定循环渲染的全流程。通过NBA新闻助手案例，展示插件数据与卡片模板的融合，实现信息结构化展示

本文详细演示如何利用LangGraph构建包含任务规划、网络搜索和报告生成三个智能体的DeepResearch应用，并完成前后端一体化部署。通过图结构封装和多节点协同实现问题输入到研究报告生成的全流程

本期内容分享了基于 Pipeline-Agent 架构编写多智能体实现DeepResearch应用，整个系统通过任务规划、网络搜索和报告生成三个核心智能体协同工作，实现了从问题分析到研究报告的完整代码

本篇分享系统讲解了Coze平台大模型与插件的核心配置方法。在模型配置方面，详细解析了模型参数及输入输出设置。在人设配置环节，提出了结构化提示词模板。插件使用部分介绍了两种调用方式和五项功能。