大模型知识官

使用 LangGraph 构建复杂的多 Agent 系统：智能合同审核实战 摘要【AI大模型教程】 随着大型语言模型（LLM）能力的飞速发展，将多个专业化的 AI Agen...

Agent 开发者重大利好！Dify 知识库 RAG 升级 Knowledge pipeline 【AI大模型教程】 Dify 知识库9 月份迎来了一个非常重大的升级，Kn...

通用智能体开发框架：架构设计与技术实现解析 【AI大模型教程】 01 引言 随着人工智能技术向多模态融合与复杂任务协同方向快速演进，当前智能体开发面临三大核心挑战：多源异构...

4大阶段，10个步骤，助你高效构建企业级智能体（Agent） 在之前的一篇文章《万字长文解读AI原生（AI Native）应用架构新范式，架构师迎接的下一场科技革命》中，给...

RAG的基本使用——基于LangChain 生成式AI是一种能够生成各类内容的技术，包括文本、图像、音频和合成数据。大语言模型(Large Language Model, ...

大语言模型能力评估体系 【AI大模型教程】 传统的自然语言处理（NLP）算法通常需要针对每个特定任务单独设计和训练模型。例如，机器翻译、情感分析、文本摘要等任务，往往都需要...

深度解读Google Context Engineering中的会话与记忆机制 在大模型如日中天的今天，一个显而易见却常被忽视的问题浮出水面：模型如何真正理解“你”？我们习...

最详细的 DeepAgents 实战拆解：一次看懂LangChain全新深度智能体框架 前段时间LangChain 公司终于正式发布LangChain 1.0版本及其配套的...

企业落地 RAG 系统优化手段全攻略 【AI大模型教程】 一、先搞懂：RAG 优化的核心目标 RAG（检索增强生成）的核心流程很简单：用户提问→检索知识库→拼接 Promp...

LangGraph - 03：持久化机制，让 AI 智能体拥有"记忆" 【AI大模型教程】 本文为 LangGranph 系列的第三篇，介绍 LangGraph 的持久化机...

这次，LLM黑盒被LLM打开了~ 随着大语言模型（LLM）能力的飞跃，其内部机制却愈发不透明。传统可解释性方法依赖固定标签集（如情感、词性）去“探测”神经元，但模型可能学到...

2025最全的长达126页大模型强化学习综述 创新点【AI大模型教程】 本文首次全面且系统地回顾了强化学习（RL）在大型推理模型（LRMs）领域的最新进展，涵盖了从基础组件...

从ReAct到Multi-Agent：LangGraph如何实现智能体间的无缝协作？ 在LangChain生态日益成熟的今天，我们构建的AI应用正从简单的“问答机器人”向复...

两周，如何快速入门Agent开发 我是在10月份第一次真正看到“Agent”的潜力。\ 【AI大模型教程】 当时就一个念头——这玩意儿，未来肯定有戏。 于是我决定试试看。 ...

为什么越来越多企业开始做 AI Agent工作流平台？ 过去一年，AI Agent 和工作流（Workflow）赛道简直是“神仙打架”。【AI大模型教程】 从字节的 Coz...

智能体（AI Agentic）工作流设计的 6 个核心阶段详解！ 在人工智能和自动化日益成熟的今天，设计高效、可靠的智能体（AI Agentic）工作流成为了构建复杂AI应...

2025年AI大模型应用开发学习指南：入门到精通的进阶之路 2018年Open AI发布了GPT-1，把人工智能从后台推到了前沿，2022年随着GPT-4爆火，让业内人都意...

LangGraph之工具调用 (ToolNode) 扩展智能体的能力边界 本节我们将重点探讨在构建智能体系统的过程中，工具调用 (Tool Calling) 是一项至关重要...

设计思维与AI Agent的碰撞：重新定义人机交互的未来 一个设计师的AI觉醒时刻 作为曾经的UI/UX设计师，我必须承认一个尴尬的事实：我们在AI Agent时代，似乎还...

提升RAG召回和生成效果策略之——小块检索，大块生成 “ 小块召回，大块生成的策略的作用是提升文档的召回率，并保证文档上下文的连贯性。”【AI大模型教程】 在RAG技术的真...