sivdead

在Agent平台的工作流系统中，我们经常需要将多个节点的输出组合成一条消息展示给用户，本文将深入探讨一个基于编译时-运行时分离和拦截机制的流式输出消息的设计方案。

工作流驱动稳定低成本适合大部分场景，自主决策型灵活但贵且不稳定，多智能体目前不成熟。建议：优先工作流 > 自主决策 >>> 多智能体。

本文旨在从记忆的分类体系出发，深入剖析各类记忆的技术实现与权衡，并进一步探讨前沿的基于 Agent 的主动式记忆管理，最终为开发者在不同场景下设计和选型记忆模块提供一份兼具理论深度与实践价值的指南

上下文工程并非对提示工程的简单重命名，而是一门系统级工程学科。其目标是在恰当的时间、以恰当的格式，为 LLM 提供完成任务所需的信息与工具

中断处理与长时记忆系统设计实践 前言 在开发基于大语言模型的 Agent 应用时，我们常常会遇到一些棘手的工程问题，它们看似细节，却直接影响着产品的稳定性和用户信任

本章旨在为数据应用智能体的演进建立战略背景，将其置于商业智能（BI）发展的宏大叙事中。通过引入行业标准词汇与概念模型，可以更精确地阐释并指导从被动问答到主动诊断的转型。

现在切换到Python+FastAPI来开发智能体应用，习惯性的使用SpringBoot的方式来处理一些问题，最后才发现，进程模型不一样，很多东西都没法直接套用

一个知识库构建过程中如何解决 Embedding 模型长度限制问题的实践记录: 最近在构建知识库时遇到了一个棘手问题：某些文档的文本块长度超过了 Embedding 模型的上下文限制，导致调用失败。

最近在做一个智能体项目，基于 FastAPI + Gunicorn + LangGraph 搭建。本以为用了异步架构会很丝滑，结果上线后各种问题接踵而至：工作流初始化慢、worker经常kill