人工智能

欢迎回到AI智能体系列文章。在上一篇文章中，我们探讨了智能体系统的三大核心要素：大语言模型(LLM)、工具调用能力和推理决策机制。今天我们将深入解析这一架构中最基础的实现形态——LLM+工具的简易组合

刚刚结束全国教育系统紧张的高利害阶段的攻坚工作，我特别欣喜地正式将多个AI智能体部署至生产环境，并且取得了超出预期的成效。这段时间我们成功研发了几个实用的AI智能体应用： Text2SQL——实现了从

大模型时代主要采用三种核心协议方案：MCP（模型协作协议）、Function Calling（函数调用）和A2A（代理间通信协议）。这些协议在设计理念和应用场景上各有侧重： MCP专注于多模型间的协同

MCP生态资源平台深度评测 当前MCP(Model Context Protocol)生态蓬勃发展，各类资源平台层出不穷。作为专注AI和程序开发的从业者，我全面评测了12个主流MCP资源平台，从工具完

各位AI开发者们，说起大语言模型的应用开发，想必都遇到过这个经典难题： 👉 既要让模型能调用搜索、计算器、API等各种工具，又要保持它的智能性、适应性和可控性，该怎么设计架构？ 目前行业主流的解决方案

最近在公司做了很多AI工具分享，发现每次都要重复解释同样的内容。干脆把这些经验写成系列文章吧！不需要教科书式的长篇大论，只分享实践中马上能用的干货。 为什么需要MCP？先看这个例子 假设我要AI完成这

2024年11月，Anthropic公司发布的模型上下文协议（MCP） ，正如同90年代USB终结外设接口乱局——它为LLM与工具/数据的对接提供了标准化解决方案。目前主要兼容Claude模型，但协议

模型越来越大，储存量和上下文窗口容量越来越高，看似所向披靡。作为SmartAI的开发者，我亲眼见证实际应用中最适用的模型不一定是最强大的，而是要最契合场景的。 就像处理博士级别的数学题时，虽然有的模型

今天我们来回顾一下**群体相对策略优化 (GRPO)**背后的数学原理，这是 DeepSeek 强大推理能力的核心强化学习算法。我将一一分析 GRPO 的工作原理、关键组成部分，以及它为何能颠覆大型语

当我们着手打造商用AI代理时，通常会遇到以下一些问题： 在众多平台和工具中，我应该选择哪一个？是 Coze、Dify 还是 LangGraph？或者是自己开发一套系统？ 在开发过程中有哪些关键的注意事

春节期间，AI 界热闹非凡，到处都是关于 DeepSeek 的报道。大家都知道，训练好的模型通常需要昂贵的专用 GPU，这对很多想试试微调技术的人来说，真是一道门槛。 好消息来了：你完全可以用免费的

现在，大家用手机的时间越来越长，对隐私安全的关注也越来越高。各大厂商也在琢磨，怎么才能让大模型直接跑在手机上。这几天写文章时，发现不少小伙伴都在问：怎么在手机上部署 DeepSeek？ 既然大家都感兴

有小伙伴私信我，DeepSeek-R1能用来搭建 RAG（检索增强生成）系统吗？答案是绝对可以！ 春节前夕，我们接到了业务方的紧急任务，需要探讨如何将 DeepSeek-R1 快速集成到即将上线的项目

DeepSeek推出的LLM推理新策略 DeepSeek最近发表的论文DeepSeek-R1中介绍了一种创新的方法，通过强化学习（RL）提升大型语言模型（LLM）的推理能力。这项研究在如何仅依靠强化学

到目前为止我们构建了一个生物医学聊天Agents的原型！不过需要说明的是，这个应用程序目前仅限于一个概念验证（PoC）的范围，实际部署到生产环境之前，还有一些需要解决的局限性和问题。

我们已经完成了基于PubMed的AI Agents应用后端部分的构建，包括数据持久化和向量化的实现。 我们测试了到目前为止构建的所有后端组件的协作情况。

我们使用 metapub 库构建了文献摘要检索API。 我们利用 LLM 优化了使用人员的自然语言查询，从而提高了检索到相关结果的概率。 在接下来的部分，我重点讨论如何将检索到的文献摘要保存到数据库中

这是一系列四篇文章，我将带你从零开始，逐步构建一个基于RAG技术的Streamlit应用——PubMed筛查器。它结合了ChatGPT和PubMed数据库，能帮助你从生物医学研究摘要中快速获取关键信息

最近几天，我收到了不少读者的私信，他们都在讨论AI Agents在各种不同场景下的应用。交流中我发现，许多朋友对AI Agents和Agentic AI这两个术语的定义及其区别似乎有些模糊。这两个听上

在讯飞工作的一年里，我在构建AI Agent方面积累了丰富的经验，这些经验来自于我与工程师和用户体验设计师的紧密合作。我们的目标是为客户提供一个平台，让他们可以使用我们的AI Agent-一款标准数据