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
后端
前端
Android
iOS
人工智能
开发工具
代码人生
阅读
第 34 课: 序列化、缓存与存储系统
课程目标 精读 Serializable 基类的序列化机制、动态加载系统(load/index.ts)、LLM 缓存系统、Storage 实现层(InMemoryStore / LocalFileSt
LDAP Nightmare:CVE-2024-49113 漏洞利用工具
LDAP Nightmare 是针对 Windows LDAP 客户端高危漏洞 CVE-2024-49113 的概念验证利用工具,通过 Netlogon 远程协议触发目标服务器崩溃,实现远程代码执行。
第 33 课: MCP 协议适配
课程目标 精读 @langchain/mcp-adapters 包的核心实现:MCP 工具到 LangChain StructuredTool 的转换、MCP 客户端管理、多传输层支持(SSE / s
第 32 课: 完整 RAG 应用实战
课程目标 从零构建端到端的 RAG 系统:文档加载 -> 分割 -> 嵌入 -> 存储 -> 检索 -> 生成。整合 RecordManager 增量索引、对话历史、streamEvents 实时追踪
第 31 课: VectorStore 与 Retriever — 检索核心
课程目标 精读 VectorStore 抽象类、BaseRetriever 抽象类、VectorStoreRetriever 实现类以及 BaseStore<K,V> 通用存储抽象,理解 LangCh
第 30 课: 文本分割与 Embeddings
课程目标 精读 RAG 管道中的两个关键环节:TextSplitter 的文本分块策略(RecursiveCharacterTextSplitter、CharacterTextSplitter)和 E
第 29 课: Document 模型与 DocumentLoader
课程目标 精读 LangChain.js 的文档数据模型:Document 类的 pageContent + metadata 设计、BaseDocumentLoader 加载器抽象、BaseDocu
业务团队也能“手搓”应用?火山 Supabase 助力猿辅导对话式 Agent 落地
猿辅导推出基于火山引擎的内部 AI 开发平台 Rush,依托对话式 AI 让业务人员自主搭建应用。平台解决教育行业开发慢、权限弱、管理难、成本高等痛点,大幅压缩开发周期,保障数据安全。
第 28 课: 生产级 Agent — 错误处理、限流与安全
课程目标 掌握将 Agent 部署到生产环境所需的关键能力:结构化错误体系、最大迭代控制、超时机制、工具调用安全和成本控制。精读 errors.ts、constants.ts、utils.ts 和关键
第 27 课: 多 Agent 协作
课程目标 掌握多 Agent 系统的设计模式:supervisor(主管)、swarm(群体)、hierarchical(层级)。精读子 Agent 封装为工具的实现、withAgentName()
LabVIEW IMAQ 三缓冲高性能图像处理
基于工业视觉实战经验,系统说明 LabVIEW IMAQ 图像引用隐式锁机制、性能瓶颈根源,以及 DLL 直接访问像素指针 + 三缓冲(Triple Buffering) 实现高帧率图像处理的完整方
第 26 课: Agent 中间件与节点系统
课程目标 精读 Agent 的中间件系统和节点架构。理解 createMiddleware() 的生命周期钩子、内置中间件库、RunnableCallable 的桥接作用,以及 Agent 图中节点的
第 25 课: Agent 状态与注解系统
课程目标 精读 Agent 的状态管理机制:AgentState 的构建方式、Annotation 系统(基于 LangGraph 的 StateSchema)、reducer 函数的消息累积策略,以
第 24 课: Agent 基础 — ReAct 模式
课程目标 理解 Agent 的核心范式 —— ReAct (Reasoning + Acting)。精读 createReactAgent() 工厂函数与 ReactAgent 类的实现,掌握 Age
第 23 课: Graph 可视化与调试技巧
课程目标 精读 LangChain.js 的 Graph 系统和测试工具:Graph 类的节点/边数据结构、drawMermaid() 可视化输出、Vitest 测试约定、FakeModel 系列的测
第 22 课: Tracers 与 Event Stream -- 生产级可观测
课程目标 精读 LangChain.js 的 Tracer 系统:BaseTracer 的 Run 管理、ConsoleCallbackHandler 的调试输出、LangChainTracer 的
第 21 课: Callbacks 系统 -- 框架的神经网络
课程目标 精读 LangChain.js 的 Callbacks 系统:BaseCallbackHandler 的事件接口、CallbackManager 的分发机制、callback 在 Runna
第 20 课: 自定义 Provider -- 从零实现一个 ChatModel
课程目标 动手实践 Provider 开发:理解 _generate() 的最小实现要求,掌握 FakeChatModel 系列测试工具,了解 @langchain/standard-tests 标准
第 19 课: Provider 对比 -- Anthropic 实现与差异分析
课程目标 精读 @langchain/anthropic 的 ChatAnthropic 实现,与第 18 课的 ChatOpenAI 逐方法对比,理解统一抽象层如何屏蔽底层 API 差异。 19.1
AI 正在制造一批无法独立调试代码的开发者
\n\nAI助攻使初级开发者效率提升,却导致其对代码理解不足,无法独立调试。行业调研显示入门岗位锐减,人才培养链条正发生结构性断裂,未来或将面临严重的资深人才短缺。 表面上看,一切都很正常。 测试通过
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30