首页
沸点
课程
数据标注
HOT
AI Coding
更多
直播
活动
APP
插件
直播
活动
APP
插件
搜索历史
清空
创作者中心
写文章
发沸点
写笔记
写代码
草稿箱
创作灵感
查看更多
登录
注册
AI智能体实践
木昆子记录AI
创建于2026-01-05
订阅专栏
专注于AI智能体的开发与实现,探索多种框架的智能体开发模式
等 5 人订阅
共16篇文章
创建于2026-01-05
订阅专栏
默认顺序
默认顺序
最早发布
最新发布
基于LangChain DeepAgents的Skills应用实践
前几期文章中已经介绍了基于#CodeBuddy、#OpenClaw 等通用智能体进行 #Skills 实践的案例。当用户使用这些工具时,只需直接从第三方Skill市场下载相关技能,或通过官方的skil
用OpenClaw帮孩子成为真学霸—带你拆解AI Agent执行Skill+MCP的原理
你真的理解AI Skill吗?下载一个Skill,放进目录,AI就能用了,看起来很简单,对吧? 但当你真正动手时,却发现事情没那么简单:为什么同样的Skill在不同工具里表现各异?为什么有的能跑脚本、
用一个业务案例,摸透Code Buddy的Skill原理
凭借龙虾(OpenClaw)的爆火出圈,让 Skill 概念被大家所熟知,作为一款基于 Skill 理念构建的通用 Agent,OpenClaw 几乎可以说是这一范式最具代表性的实践之一。 但追根溯源
前端秒变 AI 神器:手把手教你用浏览器跑 TinyLlama 和 Qwen2
还在为 API 费用发愁?担心用户数据泄露?今天带你解锁前端新技能,让AI模型直接在用户浏览器里运行,零成本、零延迟、零隐私风险! 一场悄然而至的技术革命 想象一下这样的场景:用户打开你的网页,不需要
前端微件化:AI编程的Token节省之道
在大语言模型驱动的AI编程时代,Token消耗直接决定了开发成本和响应效率。传统单体前端应用中,AI每次生成代码都需要理解整个项目的上下文,导致Token浪费严重、成本居高不下。 前端微件化通过将应用
Node 安装全解析:从OpenClaw龙虾安装深入 npm 和 bun 原理
最近,AI 应用层出不穷,比如 OpenClaw、OpenCode 这类基于 Node.js 生态的工具,功能强大,但很多朋友卡在了安装这一步:一堆命令行、各种报错、不知道用什么命令…… 今天这篇文章
Oh My OpenCode 与 Superpowers 深度对比
近期,我在探索 OpenCode 开发生态时,遇到了两款风格迥异却同样引人注目的扩展方案:Oh My OpenCode 与 Superpowers。 前者是一个功能强大、架构复杂的 TypeScrip
用 OpenCode 开发"古今地图"微信小程序实战记录
作为一个历史爱好者,经常在看历史书籍、古装剧、穿越历史小说时,会对书中提到的古代地名产生好奇:这个地名现在在哪里?它现在叫什么名字?现在地图上什么位置? 我之前都是打开搜索引擎,输入古代地名找到答案,
用龙虾🦞OpenClaw开发微信小程序实战记录
每当杭城进入春天,小区里、公园内、马路两侧摇曳的各类花朵,总能让人感受到生活的美好,忍不住从内心泛起一阵愉悦。 所以一直有个想法:开发一个展示杭州春季花卉的小程序,记录这春日的美好。 但面对微信小程序
多智能体协作案例实践(二):基于LangGraph框架
在上篇《多智能体协作案例实践(一):基于AgentScope框架》文章中,Chaiys同学围绕高考信息查询智能助手业务场景,采用AgentScope框架进行多智能体协作的验证。 本文基于同样的业务场景
多智能体协作案例实践(一):基于AgentScope框架
在之前《几种AI Agent开发框架对比》这篇文章中,我们设计了一个高考信息查询智能助手业务场景,使用几种AI Agent开发框架分别实现进行对比分析,因为文档太长,其中多智能体协作章节就没有详细展开
几种AI Agent开发框架对比:相比手写代码是否更便捷?
在之前几篇文章中,Chaiys同学设计了一个高考信息查询智能助手AI Agent业务场景,分别使用手写代码、LangChain框架、QwenAgent框架、AgentScope框架实现了一次,学习了几
AI Agent案例实践:智能体开发模式详解之四(基于AgentScope框架)
书接上文:AI Agent案例实践:三种智能体开发模式详解之一(手写代码) 简要回顾前文中高考查询小助手的业务背景:准备两张表(分别是每年的高考参加人数信息表college_entrance_exam
AI Agent案例实践:智能体开发模式详解之三(基于QwenAgent框架)
书接上文:AI Agent案例实践:三种智能体开发模式详解之二(基于LangChain框架) 四、开发实践(基于QwenAgent框架) 前文中,我们使用LangChain框架实现了我们的智能体。下面
AI Agent案例实践:智能体开发模式详解之二(基于LangChain框架)
书接上文:Agent案例实践:三种智能体开发模式详解之一(手写代码) 三、开发实践(基于LangChain框架) 上述高考信息查询的实现,我们的流程:语义匹配表元数据-->大模型根据提示词生成SQL-
AI Agent案例实践:智能体开发模式详解之一(手写代码)
在大模型与智能体应用场景层出不穷的今天,作为一名不断学习的信息化数字化从业者,我们可以实践一下AI Agent基本开发流程,理论联系实践,以加深我们对AI Agent的了解。 一、案例描述 1.1.