青铜

大模型是有知识边界的，无法获取实时数据。要让大模型了解更新世界知识，结合搜索引擎的能力是最佳方式之一。本文介绍如何大模型支持联网搜索的实现方案。

人机协作（Human-in-loop）AI Agent 开发是一种协作方法，它将人类输入和专业知识融入到 AI 应用开发的生命周期中。人类可以参与到模型的训练、评估和运行，提供有价值的反馈、输入和指导

背景 AI 应用的状态持久化（Persistence）可以让用户在多轮交互中共享上下文能力，让 Agent 记住之前的互动，提供更具交互性和个性化的使用体验。

可自我纠错的 RAG 设计模式，通过设计一套 evaluator，实现普遍适用、精准可衡量的评价指标

Tool-use agent 就像人类打开了使用工具的新世界一样，帮助 LLM 扩展能力边界，从外部寻找合适工具的助手。

人类最显著特征之一就是能够使用工具。对于 AI Agent 来说，调用外部工具，可以扩展 LLM 既有能力的边界，包括代码执行能力、上下文扩展能力和三方能力集成等。

Reflection 设计模式是让 Agent 审视并修正自己的输出，Langgraph 基于人在回路的交互方式让 AI 应用更可靠

一步一步处理方式正是区别于 Agent（智能体）和 LLM 的核心，背后的原理也正是卡尼曼的「慢思考」理论。

4. 颜色比例尺 数据可视化中颜色有三种应用场景：（i）用颜色来区分数据集；（ii）用颜色来代表数据集；（iii）用颜色来突出数据。如何选择并使用颜色在这三种情况下各有不同。 我们经常使用颜色作为区分不具备内在顺序关系的离散项目或分组的手段，例如地图上不同的国家，或者某个产品的…