暂无搜索历史
2026年,AI写代码已经不是新鲜事。但AI写代码到底靠不靠谱?我让Claude Code写了5个真实项目,给出了成功率、代码质量、踩坑经验。
企业想自建 Agent 系统,但不知道从何入手?OpenClaw 作为当前主流的企业级 Agent 框架,它的架构到底是怎么设计的?能为企业提供什么借鉴?
先说结论:LLM不会选错,但OpenClaw可能选不到你认为最最最最匹配的那一个。从结果上看,仍然是选错了skill,但不是LLM的锅。
大家都知道 LLM 根据用户的问题找到需要的 Function Call,然后执行。
在AI领域,我们把"能够理解用户意图、主动发现信息、调用工具完成任务的智能系统"叫做AI Agent。
为什么需要Agent Memory?今天的大语言模型(LLM)在单次会话中已经足够聪明,但面临一个根本性挑战:没法把昨天学到的东西,以一种可靠、可更新、可追责的...
2022年底,ChatGPT横空出世。那一刻,所有人都以为AI的终极形态就是"超级聊天机器人"——你问什么,它答什么,知识渊博,对话流畅。
这篇文章的起因是我在做一个Agent项目,把2022年到现在AI工程领域的演进翻了一遍。
大语言模型(LLM,Large Language Model)很强,但它有一个天然局限:它只知道训练时见过的东西。
2月底开源至今不到 2 个月,Star 数狂飙至 5.1 万 +,300 + 贡献者参与,平均 3-5 天一个大版本,已迭代至 v0.8.0。社区吵翻了天,有人...
学了一堆技术,笔记散落在各处——有道云、飞书文档、VS Code的临时文件、浏览器的书签。想用的时候找不到,找到了又不记得上下文。
核心观点:Skill是AI Agent的可复用能力包,本质是一套文本规则+脚本工具的组合,让AI「学会」某项特定技能。
读完本文,你将:理解 RAG 为什么存在、掌握它的完整工作流程、能独立跑通一个本地知识库问答项目,并深入理解 混合检索(BM25 + 向量检索 + RRF 融合...
2023 年是大模型“百模大战”年,所有人都在刷榜单、比参数。2024 年起,战场转移了——谁能把大模型真正用起来,谁才有价值。
在上一篇文章中,我们介绍了 LangChain 的基础用法:LLM 调用、Function Call、Memory、RAG、结构化输出。
简单说,LangChain 是一个 "搭积木"的框架,帮你把大模型、数据库、API、工具等组件拼在一起,快速构建 AI 应用。
技术公众号作者都经历过这样的痛点:每天花 2-3 小时翻阅 Hacker News、GitHub Trending、RSS 订阅源寻找选题,再花 2 小时查阅资...
2026 年,AI 圈最火的概念不是 GPT-5,不是 Claude 4,而是一个你可能没听过的词:Harness(驾驭层)。
这不是调用人家的 API,不是下载人家的预训练模型——而是你自己从头训练出来的模型。
究其原因,是但凡讲到Transformer,铺天盖地的资料上来就直奔自注意力机制(Self-Attention)的Q、K、V细节,只钻枝叶、不谈全局,只见树林,...
暂未填写公司和职称
暂未填写个人简介
暂未填写技能专长
暂未填写学校和专业
暂未填写个人网址
暂未填写所在城市