智能体

手把手带你构建多模态 GraphRAG 项目实战。传统 RAG 更像“语义匹配”，缺少“关系理解”。我搭了这套多模态 GraphRAG：MinerU 负责解析，知识图谱建关系，Agentic-RAG

你肯定遇到以下场景： 人不在电脑前，却想让 AI 帮你继续写代码、查资料、跑任务； 想在微信、飞书、钉钉 里直接和本地 Agent 对话； 希望一个项目里同时调度多个 Agent，甚至让它们协作讨论

最近，Hermes Agent 的自动进化机制非常火，接下来，我将手把手带你在 Windows 安装 Hermess Agent，并接入飞书。[喂饭级教程含踩坑经验]

Google 开放 A2A 协议，手把手带你跑通智能体 A2A 实战案例。A2A 让智能体学会协作，本文用**实战案例**带你串起完整闭环。跟着代码走就行。

清明时节，雨落纷纷。 那些离开的同事，他们积累了几年的经验、踩过的坑、沉淀的判断力，也随着一纸离职证明，永远地留在了身后。 GitHub 上有个项目 colleague-skill，短短几天star

有没有同感？在和 Cursor、Claude Code 这些 AI 搭档天天共事的过程中，你会发现它们越来越像那种只会甩锅的同事，于是给它们装上了一个专门“骂醒 AI”的 PUA 插件。

我用 OpenMAIC 给孩子生成了一堂生动的 AI 互动课堂，孩子非常喜欢。专业老师随叫随到，再也不用到外面给孩子报班了。

OpenClaw对接的国内IM工具都是封闭的，一步一步带你手搓专属APP控制本地OpenClaw，彻底告别第三方依赖。

本文是 LangGraph 系列的第 1 讲，目标是带你从 0 搭建一个能做四则运算的有状态智能体，理解图、节点、边和状态这几个核心概念，为后续 Memory、RAG、多代理等高级用法打下基础。

有没有可能，像聊天一样问一句，就自动得到答案和可视化结果？ 现在，有了。 🎯 打造“会查数据库还会画图”的门票助手 这个助手不需要你写 SQL、不用打开 Excel。你只需用自然语言提问!

大模型不再只是一个“会聊天的接口”，而是需要作为业务系统的一部分，去访问数据库、调用 HTTP API、触发内部服务。 这必须有一层清晰的“调用抽象”，把模型输出安全、可靠地映射为函数调用和系统操作。

🚀 为什么需要工作流框架？ ❌ 传统方式的痛点 传统的实现方式通常是这样的： ✅ 工作流框架的解决方案 LlamaIndex 工作流框架正是为了解决这些问题而设计的： 工作流框架不仅让代码更加清晰，还

LCEL是LangChain的核心表达语言，支持流式、并行、回退、路由等高级能力。本文结合代码示例，系统讲解如何用LCEL搭建可配置、可观测、可部署的智能应用链路。

别再只让智能体回文字了!给它装上交互式UI吧!手把手教你如何集成LangChain、MCP服务和A2UI，构建一个交互式的智能天气查询应用。

AI 智能体只能发文字？A2UI 协议打破这一限制，让智能体通过 JSON 描述生成丰富 UI。本文详解核心原理、实战案例和常见问题，带你快速上手。

大模型时代，如果你想快速做一个「会思考、会调用工具」的智能 Agent， LangChain几乎是绕不开的选择。 它是一个开源框架，内置了完善的代理（Agent）架构，并且可以和各种模型、工具、外部系

在 AI 应用开发中，你是否遇到过这些问题： 想要切换不同的 LLM 模型，却需要重写大量代码？ 需要处理复杂的 Prompt 工程，但缺乏统一的模板管理？ 想要实现 RAG（检索增强生成），但不知道