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 Agent 组合成一个协作系统已成为

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，Knowledge Pipeli

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：多源异构数据处理效率低下、跨领域任务

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，给大家从技术层面，用万字长文剖

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, LLM)经过海量文本数据的训

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，往往都需要各自不同的算法和模型。然而，

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”？我们习惯了和ChatGPT、Cla

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LangGraph 1.0，

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 Prompt→LLM 生成。但落地时总