AI智能体实践

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

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、

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

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

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

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

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

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，

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

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

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

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

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

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

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-

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.