ai 编程实践

不同于传统的单向文本对话，Agent 的核心能力在于主动使用工具与外部环境进行交互，获取信息、执行任务，并根据反馈进行调整。这种能力使得 Agent 可以应用在各种应用场景

本文深入解析 Vercel AI SDK 的统一接口规范，手把手教你如何不依赖网络和 API Key，在本地纯手工打造一个轻量级 Mock 模型。文章不仅包含单次生成与流式响应的完整实现，更深度剖析了

做 Agent 开发的人经常会遇到一类"灵异事件"——明明 prompt 写得没问题，模型却反复犯同一个错；明明上下文没超，模型却"忘了"前面的信息；调了半年参数，效果还不如别人随手写的。这些问题的根

你有没有想过一个问题：ChatGPT 和 Claude Code，用的都是前沿的大模型，为什么体验完全不一样？ ChatGPT 你问一句它答一句，聊完就完了。Claude Code 你说一句"帮我重

当你对 Claude Code 说「帮我把这个项目的 moment 全部替换成 dayjs，200 多个文件」，从按下回车到任务完成，中间发生了什么？

AgentType LangChain 提供了多种智能体类型，可以根据具体需求选择合适的类型。常见的智能体类型包括： AgentType 核心机制 适用场景 优点 缺点 ZERO_SHOT_REACT

常用模版特性和使用场景对比 子类 适用模型 输入类型 主要用途 PromptTemplate 文本补全模型 单字符串 生成单轮文本任务的提示 ChatPromptTemplate 聊天模型 多消息列表