大语言模型

EmbeddingGemma是Google发布的开源小规模多语言文本嵌入模型，旨在常见设备上高效运行，同时在 MTEB / MMTEB 等评测任务中保持与同类模型相当的性能

UltraRAG作为一个RAG框架，比较适合RAG科研人员使用，可以快速实验各种复杂的 RAG 策略，而无需重写大量代码，只需修改 YAML 文件。

aisuite作为一个开源的Python库，通过提供统一的接口和灵活的模型切换机制，简化了跨多个LLM提供商的集成过程。对于经常使用不同LLM的开发者来说，可以显著降低开发门槛，提高开发效率.

随着LLM的能力越来越强，Agent设计中更多决策权会交给模型，但是在Deep Research这种场景下，好像还是以工作流作为基本实现思路会更加合适一些，用于确保生成研究内容的质量下限。

之前的文章介绍过主控Agent以及上下文实现的细节，除了主控Agent和上下文管理外，工具实现也是Agentic的一个重要环节。

在沉寂了半年之后，智谱推出了新一代开源模型GLM-4.5系列，采用MOE架构并使用混合推理模式。模型统一提升了在推理、代码与智能体等多方面的能力，专为复杂智能体应用打造。

gemini-cli 从开源至今仅一个多月，已经收获接近65K Star，作为第一个开源的通用命令行智能体工具，现如今功能已经非常完善。本文将对源码进行解析，学习其中优秀Agent设计思路

上下文工程已成为现代AI Agent系统不可或缺的一部分。无论模型本身如何进化，对上下文的建模、维护、裁剪与反馈机制的设计，将决定一个智能体是否稳健、高效、可扩展。

月之暗面发布的Kimi K2，具有目前开源模型中最大的参数量，具备非常强的coding能力。该模型从一开始就清晰地把Agentic作为该模型的核心能力，包括模型训练的整个过程都蕴含对该能力的重视

OCRFlux-3B 是目前业内首个开源支持跨页结构智能合并的模型，不仅精度高，而且支持关键的结构化能力，并且能够在消费级硬件上运行，实用性极高。

Prompt Engineering 是我们与 LLM 交互的原始技巧，但随着智能体的开发，我们需要的不再是简单的文本生成器，而是一个智能助手。

Nanonets-OCR不再满足于单纯提取文本，它能智能解析图像中的公式、表格、水印、签名、图表、复选框等复杂结构，并输出格式清晰的 Markdown。

MonkeyOCR提出一种新的SRR三元组架构，结合传统两种文档解析方式的优化，在精度和效率上都有不错的表现。

Mem0 是一个轻量级、可扩展的长期记忆框架，支持本地部署和云端使用。其设计初衷是为 LLM 提供结构化的记忆支持，帮助智能体记住用户偏好、背景信息等，从而提供更个性化、更连贯的回答

LLM本质上是无状态的模型，每次调用都像一次“短暂失忆”。为了让 AI Agent真正理解上下文、具备个性化交互和任务持续性，引入记忆系统至关重要。

Ollama-OCR是一个Python的OCR解析库，结合了Ollama的模型能力，可以直接处理 PDF 文件无需额外转换，轻松从扫描版或原生 PDF 文档中提取文本和数据。

MCP是由Anthropic推出的开源协议，目的是通过统一的连接方式，让大型语言模型（LLM）与外部数据源和工具无缝集成，减少重复造轮子的过程。

PandaAI是一个开源的大模型智能体，主要利用自然语言进行数据处理和分析，能够将简单的自然语言输入转换为可执行代码，生成可视化图表。

Decoder-only 架构的大模型，其任务是根据历史信息逐步预测下一个词。若使用双向注意力，在训练时模型能看到完整序列，但推理时还是只能看到历史部分，这会导致训练和推理不一致