AI相关开发

0. 问题的本质 LLM agent 和聊天机器人最大的差别是：输入不再只来自用户。 聊天机器人：user 输入 → 模型 → 输出。输入可信度单一。 Agent：user 输入 + 工具结果 + h

0. 为什么这个机制值得单独一篇 LLM agent 的运行成本里，重复处理稳定前缀占了绝大头。每一轮对话，几万 token 的 System Prompt 都要被重新读一次 —— 如果没有 cach

系列文档导航（按优先级排序） 本文是总览，每个核心模块各有独立文档。20 篇按"不读会出多大事"分四档： P0 — 必读：不掌握就会让生产 agent 出事 这四篇覆盖所有 agent 系统都会踩到的

在AI编程Agent领域，有一个共识：真正决定产品竞争力的，从来不是动辄几十万行的外围代码，而是藏在核心文件里的循环逻辑。如果你想快速吃透Claude Code的精髓，不用逐行啃完它50万行代码，只需

在日常的软件开发工作中，程序员排查问题、编写代码的过程早已形成了一套近乎本能的行为模式。当一段程序抛出异常报错时，我们很少会先在脑海中完整规划好所有排查步骤，再按部就班地执行操作。更多时候，眼睛刚捕捉

概述 Claude Code 实现了双层分析管道，收集大量环境和使用元数据。虽然没有证据表明存在键盘记录或源代码窃取，但收集范围之广和无法完全退出的事实引发了合理的隐私担忧。 数据管道架构 第一方日志

模型代号体系 Anthropic 使用动物名称作为内部模型代号。这些代号被严格保护，防止泄露到外部构建中。 已知代号 代号 角色 证据 Tengu（天狗） 产品/遥测前缀，也可能是模型 所有 250+

本文档介绍工具发现系统——工具如何注册、过滤、延迟加载，以及如何通过 ToolSearchTool 动态加载。同时涵盖 MCP 工具集成、工具权限模型以及每个智能体工具池的组装方式。 概述 Claud

目录 错误处理体系 ID 生成器 NSQ 事件总线全清单 配置加载链路 依赖注入实战 GORM Gen 自动生成 测试体系 1. 错误处理体系 1.1 自定义错误接口 源码:backend/pkg/e

目录 实战 1:从零创建一个 Bot 实战 2:从零搭一个工作流 实战 3:开发一个自定义插件 实战 4:二次开发——新增一个工作流节点 典型场景实现思路 1. 实战 1:从零创建一个 Bot 1.1

目录 与 Dify、n8n、LangGraph 的对比定位 生产部署运维 常见问题与排错 选型建议 1. 与 Dify、n8n、LangGraph 的对比定位 理解 Coze 的位置,需要先看清这四者

目录 前端 Adapter 模式(开源/商业版扩展点) i18n 国际化体系 可观测性:日志、Metrics、Tracing 数据库 Schema 与 Atlas 迁移 1. 前端 Adapter 模

目录 会话与记忆系统 CodeRunner Python 沙箱(安全机制) Connector 发布渠道 OpenAPI 与 PAT 鉴权 Chat SDK 嵌入 1. 会话与记忆系统 会话子系统是

目录 项目概览 整体架构 后端原理:Go + Hertz + DDD 前端原理:Rush.js Monorepo + React 18 核心子系统:工作流引擎 核心子系统:Agent 与 Eino 运

一、为什么需要PPO？ 1.1 强化学习的核心挑战 在训练大型语言模型时，传统的监督学习面临以下问题： 难以定义完美答案：数学推理、代码生成等任务没有唯一正确答案 评估成本高：需要运行代码或验证逻辑才

从零开始的深度学习实战指南 📚 目录 模型文件格式详解 模型架构与层数 模型参数与权重 模型量化技术 模型训练基础 模型微调技术 模型部署实战 性能优化技巧 常见问题与解决方案 1. 模型文件格式详解

目录 开篇：两个带 "K" 的算法有什么不同？ KNN（K-近邻算法） 2.1 核心思想：近朱者赤，近墨者黑 2.2 距离度量：如何衡量"近" 2.3 K 值的选择 2.4 KNN 做分类 2.5 K