前言 随着大模型能力的持续提升，Agent 已经不再只是对话式 AI，而是逐步演进为能够直接操作真实计算环境的智能执行体。以 Claude Code 为代表的新一代 Agent，可以访问本地文件系统、

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

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

本篇分享介绍了如何利用阿里发布的Qwen3系列大模型和Qwen-Agent工具快速接入MCP服务端并开发AI Agent智能体，通过开发一个自然语言操纵数据库的智能体实例直观感受Qwen-Agent!

Qwen-Agent 是阿里通义开源的一个基于 Qwen 模型的 Agent 应用开发框架，支持指令遵循、工具使用、规划和记忆能力，适用于构建复杂的智能代理应用。

1.LangChain Agent 2.什么是LangChain Agent 3.LangChain Agent 核心组件 4.Agent 5.Tools 6.Prompt Templates

在RAG系统中，混合搜索最常见指向量检索和关键词检索的组合。在不同场景中，实际应用会有不同方式，从概念上讲：混合检索是结合了两种或者多种搜索算法提高搜索结果相关性的搜索技术。

实现了一个 uptime-kuma 监控系统 open api 的 uptime-kuma-mcp-server ， 用以对话实现批量增删改查页面监控。这个方法也能快速判断某个域名 GFW 情况。

今天我们一起来聊聊大模型的进阶使用：“模型微调” ，也就是较大家真正的 “调教“ 出一个能够满足特定需求场景、更贴合个人使用习惯的个性化模型。