暂无搜索历史
过去两年,RAG(Retrieval-Augmented Generation)几乎成了 LLM 应用的"标配"。无论是企业知识库、智能客服还是个人笔记系统,大...
如果你用过 AI 编程助手(Claude、Cursor、Copilot)生成前端页面,大概率经历过这种对话:
如果你用过 Claude、ChatGPT 或各类 AI Agent,一定有过这样的体验:
在 RAG 系统中,有一个被大多数人忽略的关键环节——「查询预处理(Query Preprocessing)」。
RAG(Retrieval-Augmented Generation)的核心流程是:「先搜,再答」。
在 RAG 场景里:文本 → Embedding 模型 → 变成一串浮点数(向量)→ 存进去。用户提问时,问题也变成向量,然后找语义最接近的文本片段。
拿到源码之后通读了一遍,大概1,900个文件、512K+行TypeScript代码。看完之后就有了一个想法:能不能用Go把它重写一遍?不是写个Demo玩玩,而是...
🔥 「伊朗拒绝了特朗普的15点停火方案」,还反手提出了5项条件,包括要求霍尔木兹海峡主权。特朗普随后在内阁会议上说"伊朗迫切想达成协议",但伊朗方面否认存在任何...
「MCP(Model Context Protocol)」 是 Anthropic 于 2024 年 11 月发布的一个开放协议,旨在标准化 AI 模型与外部工...
「eino」(发音类似 "I know")是 CloudWeGo 团队开源的 Go 语言 LLM 应用开发框架,基于 Apache 2.0 许可证。框架设计参考...
Dify 作为一款开源的 LLM 应用开发平台,其插件系统是扩展平台能力的核心机制。很多开发者在阅读源码时会产生疑问:
随着 AI 智能体(AI Agent)在企业级应用中的广泛部署,如何让 AI 安全地执行代码、访问数据、操作工具成为核心挑战。「E2B(Environment ...
但 Agent 不一样。当用户问"帮我规划去日本的旅行",Agent 可能给出无数种合理的回答。我们无法用简单的 assert.Equal 来判断对错。
本文深入分析如何在 Agent 开发中集成 Skill 系统,包括概念介绍、规范设计、框架实现、执行流程细节,以及如何将外部能力封装为 LLM 可调用的能力。
RAG(Retrieval-Augmented Generation)已成为 LLM 应用的标配架构。但在实际项目中,我们经常面临这些问题:
如果说 LLM 是 Agent 的「大脑」,那么 「Plan 机制」 就是这个大脑的「思维方式」。
随着 LLM 应用从 Demo 走向生产,「可观测性 (Observability)」 成为了不可忽视的核心能力。与传统微服务不同,Agent 系统存在独特的挑...
打开你的微信,看看你的好友列表。你会发现一个有趣的现象:你的大学同学之间互相认识的概率很高,你的同事之间也是如此,但你的大学同学和你的同事之间大多互不相识。
Agent 的核心能力是自主规划和执行任务。但在实际业务中,很多场景需要人类参与决策:
大模型时代,单个 Agent 能做的事情越来越多——搜索、写代码、分析数据、调用 API。但当任务复杂到一定程度,单体 Agent 的局限性就显现出来了:上下文...
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