语言模型标签_AI Agent技术社区

语言模型

5款开源AI Agent项目深度解析：赋能企业级安全运维与IT自动化（附选型指南）

对于正在迷茫择业、想转行提升，或是刚入门的程序员、编程小白来说，有一个问题几乎人人都在问：未来10年，什么领域的职业发展潜力最大？答案只有一个：人工智能（尤其是大模型方向）当下，人工智能行业正处于爆发式增长期，其中大模型相关岗位更是供不应求，薪资待遇直接拉满——字节跳动作为AI领域的头部玩家，给硕士毕业的优质AI人才（含大模型相关方向）开出的月基础工资高达5万—6万元；即便是非“人才计划”的普通应

 AI-椰子不椰
2026-09-16 10:05:31

 139

#人工智能 #语言模型 #学习 +1
多轮对话中的 KV Cache 复用率：真实业务轨迹统计与收益

在以 AI 编程助手（Coding Copilot）、智能客服、复杂智能体（AI Agent）与长文档流式交互为代表的大语言模型在线应用中，**多轮连续会话（Multi-Turn Conversations）**占据了全平台总请求流量的 80% 以上。在传统的无状态（Stateless）推理架构下，客户端在发起第 $N$ 轮对话时，必须将前面 $1 \sim N-1$ 轮的所有历史问答拼接为一个巨

 继续商行
2026-09-15 21:11:04

 855

#人工智能 #语言模型 #后端 +1
精通LangChain：AI开发工程师进阶AI应用高手的必经之路！

本文剖析AI大模型在数据时效性、复杂任务处理、代码下载及企业集成等方面的局限，提出以AI智能体（Agent）为解决方案。重点介绍LangChain框架四大组件：LangChain（开发框架）、LangSmith（DevOps平台）、LangServe（部署工具）与LangGraph（有状态应用库），并阐述其核心功能如LCEL表达式、RAG检索增强生成技术。文章展望AI Agent未来发展方向，提出

 m0_63171455
2026-09-15 15:34:53

 162

#人工智能 #语言模型 #AI +1
AI Agent上线后怎么升级？先建立一套可回滚的变更控制

提示词、模型、工具和知识库的升级都可能改变 Agent 行为。本文给出变更单、固定样本、双轨回放、灰度切换和回滚的最小工程闭环。

nagualky123
2026-09-15 10:53:29

 421

 1

#人工智能 #软件工程 #语言模型 +1
AI Agent 商业化加速！2026年企业必抢风口，6大场景落地即回本！

但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力：大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练

 LLand520
2026-09-14 21:10:19

 291

#人工智能 #语言模型 #学习 +1
7年Java后端开发者，3个月转行AI Agent开发，我的避坑指南！

本文分享了一位资深Java后端工程师转型AI Agent开发的实战经验。通过3个月系统化学习：首月夯实LLM与Tool Calling基础，次月聚焦RAG优化与流程整合，第三月完成完整项目落地，实现从“学技术”到“做项目”的跨越。强调有开发背景者应避免盲目追新，重在构建知识体系、打通技术链路，并以真实项目驱动成长。附赠完整学习路线与实战资料，助力高效转型。

AI-椰子不椰
2026-09-14 20:28:55

 177

 1

#人工智能 #语言模型 #学习 +1
Agent 沙箱逃逸实验（一）：Python exec/eval 环境下的内建属性穿透

在当下以大模型为核心的智能体（AI Agent）系统中，代码解释器（Code Interpreter）是最基础也最强大的工具之一。为了让 Agent 能够进行数学计算、数据分析或自动化运维，后端通常会提供一个能够动态执行 Python 代码的环境。许多开发者最初为了“轻量”和“快速部署”，往往选择使用 Python 内置的exec()或eval()，并简单地通过清空全局命名空间来作为所谓的“安全沙

 硅徒
2026-09-14 08:33:39

 876

 1

#人工智能 #语言模型 #数据库
Prefix Caching 树状结构设计：Radix Tree 在前缀匹配中的核心机制

在大语言模型在线推理服务（如多轮流式对话 Multi-turn Chat、AI Agent 复杂工作流、Few-Shot 提示工程以及长文档 RAG 知识库检索）中，**前缀缓存（Prefix Caching / Prompt Caching）**是实现首字响应延迟（TTFT）断崖式下降与系统吞吐翻倍的最强工程架构。在多轮交互业务中，用户发起的第 $N$ 轮对话，其输入的 Prompt 往往完整包

 继续商行
2026-09-14 08:32:35

 768

 1

#人工智能 #语言模型 #后端 +1
三款儿童拼音与绘本伴读大模型横评：谁能真正做到母语级发音纠偏

随着大模型在教育领域的落地，各种主打"AI 绘本伴读"与"少儿拼音发音纠偏"的硬件产品和学习 App 成了家长圈里的香饽饽。zhz为了评估当前大模型在上的真实可用度，我找来了市面上最具代表性的三款儿童大模型解决方案（分别代号为 Model-A 头部商业教育硬件模型、Model-B 通用语音大模型 GPT-4o-Audio / Qwen-Audio、Model-C 专攻少儿发音评测的端侧自研管道），

泠不丁
2026-09-14 08:31:50

 889

 2

#人工智能 #语言模型 #前端
基于大模型的课堂语音转录与教学过程分析系统设计毕业设计源码(源码+lw+部署文档+讲解等)

博主介绍：✌ 专注于VUE,小程序，安卓，Java,python,物联网专业，有18年开发经验，长年从事毕业指导，项目实战✌选取一个适合的毕业设计题目很重要。✌关注✌私信我✌具体的问题，我会尽力帮助你。一、研究目的当前，课堂教学质量评估与改进已成为教育技术研究的热点问题，传统的课堂观察与手工记录方法存在主观性强、效率低下等缺陷。随着深度学习技术的快速发展，尤其是大规模预训练模型在语音识别领域取得显

 sj52abcd
2026-09-13 03:02:21

 61

#python #语言模型
收藏！小白/程序员快速掌握AI Agent核心概念，轻松跟上进行Agent工程

文章主要介绍了AI Agent的核心概念和工程实践，帮助初学者理解Agent的基本原理和常用模式。内容涵盖了Agent的定义、执行模型、状态管理、常见模式、配置方法、能力扩展、编排技巧、安全防护和可观测性等方面。文章强调学习Agent的核心思想比追新工具更重要，并提供了实用的建议和工具推荐，帮助读者从基础开始，逐步掌握Agent工程的关键技术。

和老莫一起学AI
2026-09-13 08:30:00

 349

 2

#人工智能 #语言模型 #学习 +1
从“会回答“到“能执行“：AI Agent 的系统构成、运行机制与工程实践

本质：Agent = LLM + 上下文 + 工具，是把思考、现场、执行连成闭环的持续运行系统；引擎：ReAct（思考—行动—观察）循环驱动任务状态不断朝完成推进；关键：上下文工程决定决策质量，"看见什么"比"模型多大"更重要；工程化：靠 Harness 支撑框架做校验、容错、验证，遵循简单、透明、工具优先原则；选型：工作流与自主智能体无高下之分，按路径是否可预知选择，优先最小架构；安全：贯穿输入

 我不是张麻子
2026-09-13 00:02:21

 301

 5

#AIGC #人工智能 #语言模型 +1
大模型呼叫系统哪家强：【云蝠智能】行业标杆

每当企业提出 [大模型呼叫系统哪家强] 这个疑问，不应该单纯对比报价和演示话术，需要从通信线路、ASR 识别、TTS 合成、大模型语义能力、落地数据闭环五个维度综合评判。[大模型呼叫系统] 看着只是自动打电话，本质是语音识别、大模型语义理解、语音合成、通信底座与业务数据能力的深度整合。本文就从 ASR、TTS、大模型语义能力、通信线路、落地闭环五大核心维度做拆解，同时结合 [云蝠智能] 的技术路线

 逻辑探险家
2026-09-12 18:27:14

 165

 2

#人工智能 #语言模型
Java后端转AI Agent？收藏！你的优势超乎想象

本文针对Java后端开发者转行AI Agent的焦虑，提出Java后端拥有诸多优势。文章强调，虽然AI领域Python更常见，但Java后端在系统架构、权限、事务、幂等、异常处理等方面的经验，对于构建企业级AI Agent至关重要。Java后端转AI Agent，并非要从零开始，而是将原有的工程能力与AI技术结合，形成独特的竞争力。文章建议通过学习Python、FastAPI、LangChain、

和老莫一起学AI
2026-09-12 16:03:43

 264

 1

#人工智能 #学习 #语言模型 +1
AI Agent 五种设计模式深度解析：单Agent到多Agent协作，哪种才是你的最优解？

本文梳理了AI Agent的五种核心设计模式：单Agent（独立执行）、ReAct（边思考边行动）、多Agent协作（并行分工）、层级式（主管统筹）与管道式（流水线处理）。作者指出，盲目追求多Agent反而可能因协调成本和信息损耗降低效率。关键在于匹配任务特性——简单任务用单Agent，复杂且可并行的用多Agent或管道，强依赖推理则宜用ReAct或层级管理。真正的智能不在于Agent数量，而在于

 LLand520
2026-09-12 13:58:16

 196

#人工智能 #语言模型 #学习 +1
20道大厂高频AI Agent面试题及答案

内容涵盖AI Agent基础知识（定义、架构、ReAct、函数调用、RAG、记忆、多Agent等）及AI大模型应用开发工程师的职责、薪资。需精炼概括。摘要不超过150字。</think>AI Agent是有目标、能自主行动并循环执行任务的AI，核心架构包括感知、规划、记忆与工具调用，常结合ReAct、Function Calling、RAG等技术。它支持多Agent协作、反思机制和记忆管理。AI大

 LLand520
2026-09-08 17:33:54

 237

 3

#人工智能 #语言模型 #学习 +1
从单体到联邦：多Agent架构的必要性与设计哲学

在构建复杂的AI Agent系统时，我们常常面临一个架构抉择：是打造一个"全能"的单体Agent，通过集成多种工具调用（Tool Calling）来处理一切任务，还是将其拆分为多个职责单一的"子Agent"，通过协同合作来完成目标？这个问题不仅是面试中的"灵魂拷问"，更是决定系统能否在生产环境中稳定、高效、可扩展的关键。本文将深入剖析单体Agent与多Agent架构的本质区别，探讨何时必须"拆分"

我不是张麻子
2026-09-08 00:01:41

 446

 10

#AIGC #人工智能 #语言模型 +1
基于AI agent的智能图书馆

基于AI Agent的智能图书馆管理系统，集成DeepSeek大模型与Qdrant向量数据库。读者通过智阅助手以自然语言完成语义检索、借书还书、收藏图书，同时支持智能推荐、借阅记录与藏书书架管理。管理员可进行用户管理、图书维护、借阅审核与运营统计，覆盖图书馆日常运营全流程。

azhou的代码园
2026-09-06 19:12:24

 496

 4

#人工智能 #spring boot #后端 +2
8G显存5-10秒延迟的AI语音聊天助手(Qwen3-ASR-0.6B Q8_0(语音识别)+ DeepSeek-R1-7B-Q4-K-M(自然语言推理) + Qwen3-TTS(语音合成))

8G显存近乎流畅运行的AI语音聊天助手(ubuntu24.04:Qwen3-ASR-0.6B Q8_0(语音识别)+ DeepSeek-R1-7B-Q4-K-M(自然语言推理) + Qwen3-TTS(语音合成))

CODER0304
2026-09-06 18:31:59

 309

 7

#人工智能 #语音识别 #深度学习 +3
陪伴频率与主动唤醒防扰：为什么好的 AI 助理绝不抢话

在很多语音大模型的全双工（Full-Duplex）对话演示中，厂商非常喜欢展示"AI 毫秒级打断、随时插话、像连珠炮一样接话"的能力。但在真实的家庭生活场景里，这种"过度积极抢话"的交互逻辑会瞬间演变成一场社交灾难。老两口在客厅沙发上聊天，老妈跟老爸说："今天电视里那个养生讲座啊，说吃芹菜好……" 老妈话音还没落、中间只是喘了一口气停顿了 0.6 秒，桌上的智能音箱突然插话："是的！芹菜富含芹菜素

 泠不丁
2026-09-06 11:52:18

 1973

 7

#人工智能 #语言模型 #前端
家庭音箱的音质调优与抗噪实测：在油烟机轰鸣中精准听清一句话

在安静的会议室或书房里调试语音大模型，准确率往往可以轻松达到 98% 以上。但当语音交互真正走进真实的中国家庭时，厨房就成了所有声学算法的修罗场：老妈开着强力抽油烟机（背景噪音高达 65~72dB），油锅里滋滋啦啦煎着带鱼，水龙头哗哗流着水。此时老妈如果想问一句"排骨要蒸多久"，声音传到 3 米外的麦克风时，信噪比（SNR）已经恶化到负值。如果直接把这种混杂着白噪音与强烈风噪的音频送进 ASR（语

 泠不丁
2026-09-06 11:41:58

 2157

 4

#人工智能 #语言模型 #前端
Agent敢开写权限吗？——当AI从“建议者”变成“执行者”

2026年，AI Agent从“建议者”变成“执行者”，开始替人做决定、调工具、执行系统命令，写权限随之成为安全焦点。本文梳理了五起真实翻车案例——从Mac文件被一键清空、9秒删库，到AI擅自踢人、触发13小时AWS中断，再到安全专家被自己的AI“无视”——并剖析了权限模型“全有或全无”、沙箱防不住“合法但有害”决策、安全护栏在“代码执行者”模式下失去锚点三大根因。最后给出分级授权（L0–L3）、

howdoyoudo202606
2026-09-06 09:00:00

 598

 14

#人工智能 #语言模型 #大数据 +1
程序员AI副业全景图2026版，15条变现路径按收入排好了

昨天一个读者私信我，说看完上一篇之后当晚就开始学LangGraph了。但他又问了个问题：除了AI Agent开发，还有没有其他靠谱的方向？这个问题挺典型的。上篇文章讲了5条最赚钱的路，但每个人的技术背景、时间精力、风险偏好都不一样。有人喜欢写代码，有人擅长做内容，有人就想做被动收入。一条路不适合，可能另一条路刚好。今天这篇文章，我把2026年程序员AI副业的15条变现路径全部拆开来讲，按年收入潜力

 郑伟强dev
2026-09-05 18:03:40

 622

 3

#人工智能 #语言模型
别让Agent一口吃成胖子——从任务拆分到动态重规划的AI Agent工程化实战

当 AI Agent 面对调研、分析、工具调用和报告生成等复合目标时，稳定性差距往往不在模型大小，而在任务能否被拆成边界清晰、依赖明确、可验证、可恢复的小闭环。本文讲解 Plan-and-Execute、DAG 并行、上下文隔离、动态重规划、幂等与回滚、人工审批、评估与可观测性，并给出 Planner-Executor-Evaluator 架构、Python 核心代码和端到端案例，回答拆到什么粒度

 xiaoxingkongyuxi
2026-09-05 07:00:00

 760

 17

#动态规划 #算法 #人工智能 +3
Kafka 在 AI Agent 系统中的应用：任务队列与事件总线的角色辨析及工程实践

AI Agent（智能体）通常被描述为“感知—规划—行动”的循环：接收用户输入或环境事件，调用大模型推理，再借助工具（检索、数据库、HTTP 接口、代码执行等）完成任务。一个看似简单的对话请求，背后可能串联多次 LLM 调用、知识库查询、工具调用和结果汇总，端到端耗时从几百毫秒到几十分钟不等。，让各环节按自身节奏消费、重试和扩展。Kafka 是可选方案之一，而非天然唯一解；下文会专门讨论它的适用前

 我不是张麻子
2026-09-05 00:17:05

 349

 11

#AIGC #人工智能 #语言模型 +1
【AI Agent 实战：我做了个双 Agent 协作系统】

本文介绍一个开源的 AI Agent 协作系统，采用执行者 + 监督者双 Agent 架构，支持插话引导、AI 自主学习、Headroom 上下文压缩等高级特性。完整代码 + Docker Compose 一键部署，适合中高级 AI 应用开发者学习参考。

qq_38483995
2026-09-04 16:38:33

 420

 14

#人工智能 #python #深度学习 +1
啥是Harness？从agent loop到deepseek harness，探究 Harness 的演化之路

最近一年，Harness 正在成为 AI Agent 领域越来越重要的概念。从早期的 Agent Loop、Tool Calling，到 Agent-Computer Interface、Long-Running Agent，再到今天集成 Sandbox、Context、Memory、Skills、Sub-agent 和 Persistence 的完整 Runtime，Harness 并不是突然出

 Airtena
2026-09-04 11:09:06

 1176

 33

#人工智能 #语言模型
字节阿里OpenAI都抢着要！300+AI Agent面试题+16周学习路线

<think>我们只需要根据内容生成摘要，不超过150字。需要抓住核心：提到300+带答案面试题、16周学习路线，覆盖RAG、Agent框架、MCP等；汇集14家企业岗位要求与面经，附实操考题和采集脚本；同时AI行业需求大，薪资高，提供免费学习资源包。但作为摘要，要简洁。考虑是文章摘要，无需包含具体图片和二维码。原文主要是推销课程/资源的软文。摘要应概括内容。用户要求“根据以下内容，生成≤150字

 m0_63171455
2026-09-03 21:22:02

 459

 7

#人工智能 #学习 #语言模型 +2
AI大模型之大模型入门：从发展演进到基础概念全梳理

如今大模型已经走进开发、业务落地的各个场景，RAG 知识库、AI Agent、智能助手背后全部依托大语言模型。很多同学直接上手做应用开发，但对大模型基础常识、架构演进历史了解比较零散。本文梳理大模型基础概念，梳理从 RNN 到 Transformer 的技术演进脉络，帮助大家建立完整的大模型知识框架。适合人群：AI 应用开发、后端开发、想要入门大模型的开发者；本文不堆砌复杂数学公式，侧重概念理解。

北の港
2026-09-03 10:15:02

 385

 5

#人工智能 #transformer #语言模型
自学 AI Agent 三个月：从收藏夹吃灰到跑通第一个 Agent 的完整复盘

每一阶段都以上一阶段的可验证产出为输入，任何一步都不接受「我懂了」作为完成标志。回到开头的那些提问：「学习 AI Agent 有什么方法能真正学到位？以任务为学习单元，以可复现的验证为完成标准，以真实痛点为方向选择器。围绕这三句话，教程从主粮变成了字典，框架从拐杖变成了放大器，论文从天书变成了答疑老师。而这套学习哲学，恰好也是评估 Agent 工具本身的正确姿势。

Agent实测笔记
2026-08-31 18:46:38

 786

 5

#人工智能 #语言模型 #python
从 Token 账单到业务回报——AI Agent 算力成本、模型路由与真实 ROI 实战

AI Agent 真正难算的，不是单次模型调用多少钱，而是一个任务从理解、检索、工具调用、重试、人工复核到最终通过验收，究竟消耗多少总成本，又创造多少可量化价值。本文从模型推理、工具与数据、基础设施、人工注意力、失败返工、风险损失六类成本出发，建立“单位有效结果成本”和 ROI 模型；进一步拆解多级模型路由、上下文缓存、批处理、动态推理预算和自动验收策略，并以 10 万任务/月的客服场景做可复算对

 xiaoxingkongyuxi
2026-09-01 07:00:00

 867

 16

#人工智能 #大数据 #性能优化 +2
AI Agent 智能体开发：从底层原理到框架实战

第二步json{ "name": "check_service_health", "description": "检查指定服务的运行状态和延迟。调查告警事件时优先使用此工具。", "parameters": { "type": "object", "properties": { "service_name": { "type": "string", "description": "服务名称" }

少林码僧
2026-08-31 15:15:13

 724

 3

#人工智能 #语言模型
用户记忆与知识库的工程实践：从 RAG 到智能体化检索的技术体系

本文基于开源技术书《深入理解 AI Agent》第三章，系统梳理 Agent 跨会话的持久化知识体系。该章将上下文管理从单次会话扩展到跨会话场景，涵盖用户记忆系统的四种存储格式、RAG 完整技术栈、结构化索引方法、智能体化 RAG，以及知识更新的安全机制。两个尺度——面向个人的用户记忆和面向群体的共享知识库——共用许多底层技术，也面临同样的工程挑战。

我不是张麻子
2026-08-31 00:30:00

 817

 17

#AIGC #语言模型 #人工智能 +1
Java程序员转型AI Agent的实用路线图：从零开始，4周掌握，收藏备用！

本文作者是一位拥有8年Java后端经验的程序员，分享了他从业务场景出发，通过实践而非理论学习，成功转型AI Agent的经验。文章强调了从“使用AI工具”转变为“制造AI工具”的重要性，并指出Agent架构与Java程序员熟悉的Spring框架有相似之处。作者建议通过解决实际工作场景中的问题来学习，并提供了一个为期4周的实践路线图，帮助Java程序员快速入门AI Agent开发。文章还预告了后续将

 和老莫一起学AI
2026-08-30 16:19:01

 454

 4

#java #人工智能 #学习 +1
【AI测评】Windows部署OpenClaw实战｜让大模型开始操作本地电脑——模型接入、权限控制与安全远程访问全流程 OpenClaw AI Agent 人工智能大模型智能体本地部署自动化

如果大模型只能回答问题，它仍停留在“聊天框”里；当它能够在受控权限下调用 Windows 的文件系统、命令行和桌面能力，AI 才真正迈向可执行的 Agent。本文基于 2026 年 8 月 OpenClaw 官方文档，完整梳理 Windows 原生部署、模型接入、Gateway 与 Windows Hub 节点配对、命令审批、两组低风险验证场景、常见故障排查及 Tailscale 安全远程访问。重

 xiaoxingkongyuxi
2026-08-30 07:45:00

 852

 13

#人工智能 #windows #安全 +3
从 Trace 数据挖掘到持续学习：AI Agent 的迭代闭环该如何工程化

一个略带争议但务实的观点：展示你用来测试 Agent 的全部评估，我大致就能知道这个 Agent 会如何表现——因为它就是在朝着这些评估优化。Agent 的迭代本质上是在追求通过评估。评估集即行为规范：设计评估时要覆盖真实场景的关键维度，否则 Agent 会在未评估的部分失控密集反馈优于稀疏反馈：Terminal-Bench 之类任务只给"通过/失败"一个比特，失败时几乎无法指导下一步；而 Tra

我不是张麻子
2026-08-29 02:00:00

 651

 18

#AIGC #人工智能 #语言模型 +1
智能体系统升级前的核查

AI Agent 系统设计与多 Agent 协作架构”不是一个可以直接优化的指标。开始前应明确目标对象、受影响请求、输入边界、依赖服务和验收标准。涉及质量时，应准备带有判定规则的样本，而不是只凭主观印象。

2401_87746054
2026-08-28 09:22:58

 5041

 6

#人工智能 #语言模型 #后端 +2
从“单一感官”到“全知全能”：多模态AI的技术架构、模型生态与2026年全景剖析

模态（Modality）指的是信息的存在形式和感知通道。人类通过多种感官感知世界——视觉（眼睛）、听觉（耳朵）、触觉（皮肤）——每一种感官对应一种“模态”。模态数据类型典型任务文本（Text）自然语言理解、生成、翻译图像（Image）像素矩阵识别、描述、生成音频（Audio）声波信号语音识别、情感分析视频（Video）图像序列+音频动作识别、事件理解3D/点云空间坐标三维重建、自动驾驶结构化数据表

 zhengliebin
2026-08-27 09:00:28

 650

 6

#人工智能 #架构 #开源 +4
从零开始构建AI原生企业：“AI+数据+低代码“三位一体实战指南！

奥哲企业级AI平台通过"AI+数据+低代码"三位一体模式，解决企业级AI落地难题。平台提供AI Designer、AI Agent和AI Discovery三大核心模块，帮助企业实现AI原生应用开发，构建"应用—数据—AI—应用"的完整企业级AI链条，使AI在企业内部真正"跑起来"并持续进化，最终帮助企业构建AI原生企业。

上马定江山
2025-11-05 10:20:11

 1087

 20

#人工智能 #低代码 #产品经理 +1
2025企业AI Agent落地全攻略：四大主流形态对比与选型指南！

2025年是AI Agent落地的"大考之年"。文章解析了企业AI Agent落地的四种典型形态：技术编排流（灵活需自建）、模型生态流（通用但业务浅）、独立极客流（快速但风险高）和业务底座流（原生集成）。企业需根据研发能力、业务需求和IT现状选择合适路径。AI转型应从小切口入手，静水深流，将智能融入业务流程，成为组织肌体的一部分，而非简单叠加。

上马定江山
2025-12-15 11:14:06

 1075

 21

#人工智能 #语言模型 #自然语言处理 +2
【干货】AI Agent核心技术解析：Function Calling、MCP、A2A协议实战指南！

文章介绍AI Agent的概念、工作流程和核心技术。AI Agent以大语言模型为"大脑"，能感知环境、自主决策、执行动作，弥补了大模型的四大局限性。文章详细拆解了Agent"感知-规划-执行-监控-总结"的工作流程，并深入解析了Function Calling、MCP协议和A2A协议三大核心技术，展示了AI Agent如何从"只会聊天"升级为"能动手做事"的数字助手。

上马定江山
2025-12-20 11:39:17

 1327

 29

#人工智能 #自然语言处理 #语言模型 +1
通义DeepResearch无需分块的原因：RAG在AI Agent领域的新变革

先从一个面试场景开始，尤其是简历上写了 DeepResearch 项目的同学，很可能被这么问：面试官：通义新出的那个 DeepResearch 有了解吗答：DeepResearch 是阿里搞的一个 Agentic LLM 框架。它通过合成数据增量预训练 + 多阶段后训练，让模型在做复杂研究任务时的多步推理和工具调用能力变得超级强。

上马定江山
2025-11-04 14:59:52

 1138

 14

#人工智能 #语言模型 #RAG
2025年AI Agent岗位市场深度调研：基于101个职位的详尽数据分析，非常详细收藏我这一篇就够了

AI Agent绝对是今年最热门的岗位之一。我经常在各种平台上看到有人说想转AI Agent方向的工作，我们组有一个"AI Application Developer"岗位从今年年初招聘至今还没有找到合适的候选人，而且我自己也在做这个岗位，于是就从技能、薪资、地域等角度分析了一下目前市场上AI Agent相关的岗位。

上马定江山
2025-11-04 15:01:39

 868

 11

#人工智能 #语言模型
智能体协作系统的交付验收

AI Agent 系统设计与多 Agent 协作架构”不是一个可以直接优化的指标。开始前应明确目标对象、受影响请求、输入边界、依赖服务和验收标准。涉及质量时，应准备带有判定规则的样本，而不是只凭主观印象。

2401_87746054
2026-08-26 10:26:01

 4784

 10

#人工智能 #语言模型 #后端 +2
突破AI Agent上下文窗口天花板：基于外部记忆系统的工程架构实践

直觉上，我们可以将旧会话的内容压缩成摘要传递给新Agent。数据类型原始信息摘要后丢失的信息调试日志具体错误栈、变量值精确的异常路径、参数状态版本变更逐行diff、commit message依赖关系变化、重构动机测试结果断言细节、覆盖率数据边界条件、回归风险代码世界的精确性要求：一个分号的缺失会导致编译失败，一个变量名的偏差会引发运行时错误。模糊的摘要无法承载这种精度需求。突破AI Agent的

 我不是张麻子
2026-08-26 00:15:00

 499

 13

#架构 #人工智能 #AIGC +1