从狂提问到系统设计：5种真正实用的Agentic AI模式
大模型（LLM）不是魔法盒子，它是个需要你用「结构」激活的强大工具。📌 开篇：光有“提示词”远远不够很多人接触 LLM 时，都会陷入一个误区：以为只要写出完美提示词，一切就能搞定。给出足够的上下文，模
阅读全文OpenAI Deep Research AI智能体架构分析
最近，OpenAI展示了他们打造深度研究AI代理的理想场景……关键考量工具和AI代理的数量之间存在一个最佳平衡点。确实，所有这些AI代理可以合并成一个拥有多种工具的AI代理。但工具数量和AI代理数量
阅读全文MCP实战搭建智能助手，附代码
嘿，大家好！最近我们聊了不少关于 MCP 服务器的应用，今天我想带大家从零开始打造一个属于自己的智能聊天机器人，我给它取名叫 Ava，用的是几个常见的框架。这只是个初步想法，但随着时间推移，我们可以
阅读全文这8个2025年最火的RAG项目不可错过！
想象一下，你能打造一个AI驱动的系统，秒速搜索海量数据，像人类一样理解语境，还能对复杂问题给出精准又聪明的回答。听起来像魔法？其实不然——这就是FAISS DB和Langchain，两种正在改变人工
阅读全文提示工程101最后一课：最佳实践经验分享
提供示例最重要的一条最佳实践是：在提示中提供示例（无论是 One-shot 还是 Few-shot 示例）。这种方式非常有效，因为它就像是一个强大的教学工具。这些示例展示了期望的输出或类似的回应，能帮
阅读全文英伟达：专门微调后的小模型才是Agentic AI的未来
NVIDIA 不希望你用一个大模型（LLM）来完成所有智能体（Agent）任务。原因包括成本高、延迟大、系统开销重，以及 LLM 的各种限制，如部署难度、商业绑定等问题。英伟达提出了一种「数据飞轮」方
阅读全文上下文工程 vs 提示工程：你真的分清了吗？
在大型语言模型（LLM）应用的浪潮中，“提示工程”（Prompt Engineering）和“上下文工程”（Context Engineering）这两个概念频频被提及。很多人往往混淆二者，甚至认为它
阅读全文LangChain+LangGraph+RAGAS=可靠的 RAG 系统
逻辑分块、智能体、子图、计划执行、评估等等，带你从零开始打造一个强大的 RAG 系统！引言想打造一个生产就绪的 RAG（Retrieval-Augmented Generation）系统？那可不是件
阅读全文Agentic AI在企业流程中的生命周期
1. 引言关于ChatGPT（或者更广义的generative AI）的讨论，如今已经演变成了agentic AI。ChatGPT主要是个能生成文本回复的chatbot，而AI代理则能自主执行复杂任
阅读全文提示工程101第十九课：多语言与跨语言提示
随着 AI 语言模型日益强大，我们越来越需要在不同语言之间发挥其能力。多语言与跨语言提示技术能够帮助我们打造更加包容、面向全球的 AI 应用，打破语言壁垒，实现不同语言用户之间的无缝沟通。本教程将探讨
阅读全文MindsDB：您唯一需要的 MCP 服务器
去年，我被一堆客户反馈淹没了邮件里、Slack 上，还有一个我几乎搞不懂的随机数据库，客户反馈散落各处，简直让我抓狂，忙得晕头转向。后来我发现了 MindsDB，一个开源神器，感觉就像能跟数据聊天一
阅读全文提示工程101第十八课：提示词格式与结构
随着语言模型的不断进步，设计任务特定的提示词显得愈发重要。精心设计的提示词可以显著提升 AI 模型在各类应用中的表现——无论是概括长文本、生成准确代码，还是激发创意写作能力。本教程旨在为这些多样化任务
阅读全文集推理规划、工具执行、上下文管理于一体的 开源全能 AI Agent 框架：II-Agent
II-Agent 是一个开源 Python 框架，它结合了强大的 LLM 推理和丰富的工具支持，可以跨领域自主规划、执行和自动化复杂任务。简介现在的 AI 可不只是聊天机器人！它能帮你规划、决策，甚至
阅读全文用 AI 打造你的专属旅行计划：多智能体旅行规划工具（实战篇）
在如今快速变化的 AI 世界里，能把各种信息整合成个性化、实用的旅行计划，简直是无价之宝！马上开启小孩们的暑假模式，旅行变热了。不管是随性的周末小逃亡，还是精心设计的长假期，旅行者们都越来越想要一个
阅读全文一篇95页最新80种Deep Research系统全面综述
浙大研究了快速发展的深度研究系统领域（Deep Research）——AI驱动的应用通过整合LLM、高级信息检索和自主推理能力，自动化复杂的科研工作流程。分析了自2023年以来出现的80多个商业和非商
阅读全文Multi-Agent 系统 + CWIC Flow：AI编排的先锋
Multi-Agent 系统概述Multi-Agent 系统代表了人工智能领域的一次范式转变，从单一模型方法转向由多个专业化人工智能智能体组成的协作团队。这些系统具有以下几个关键优势：•专业化（Spe
阅读全文AI项目实战：构建一个专注于AI领域的迷你版谷歌新闻
在当今快速演变的人工智能（AI）领域，紧跟最新发展可能具有挑战性。因此，我开发了一款AI新闻聚合器应用程序，用于在单一便捷位置整理和呈现最相关的人工智能新闻。本文将带您了解我是如何创建这个应用程序的，
阅读全文不需要RAG！在30分钟内构建一个问答AI智能体。万字长文，先收藏再看！
2024年，大家都在为检索增强生成（Retrieval-Augmented Generation, RAG）着迷吗？构建向量数据库（vector database）、分割文档（chunking doc
阅读全文创建具有自我评估机制的Agentic RAG系统
随着大语言模型（LLMs）的发展，模型已经能够理解大量数据并进行逻辑推理。这些发展带来的最重要成果之一是检索增强生成（Retrieval-Augmented Generation，简称RAG）系统。L
阅读全文我尝试了12种智能体开发框架，看看哪种适合你？
AI代理的热潮真实存在。 但构建一个AI代理？那完全是另一回事。今年早些时候，我着手打造一个个人AI代理，自动化我的日常工作流程——邮件回复、报告生成、日程管理、内容草稿，甚至调试代码片段。我以为这只
阅读全文MCP+CrewAI+Streamlit=构建AI Agent的最优学习路线
如何通过 MCP(Model Context Protocol) 创建一个结合网络搜索、AI 代理和图像生成的现代研究助手🌟 引言：AI 驱动的研究未来已来想象一下，您拥有一个个人研究助手，可以即时搜
阅读全文RAG已死？听听Anthropic怎么说！
你有没有向你的RAG系统问过一个具体问题，却得到一个令人沮丧的模糊答案？你并不孤单。以下是一个巧妙的改进方法如何改变游戏规则。想象一下：你为公司的文档建立了一个流畅的RAG（Retrieval Aug
阅读全文2025下半年值得关注的10大向量数据库
在现实世界中，数据并不总是整洁或结构化的。如果你曾经处理过图像、视频文件、音频记录或原始文本，你对此应该深有体会。这正是 vector databases（向量数据库）旨在解决的挑战。随着人工智能（A
阅读全文盘点RAG中最容易犯的5个错误
我大部分时间都在构建和改进 Retrieval-Augmented Generation (RAG) 应用。我相信 RAG 可能是最受欢迎的 AI 应用之一。它无处不在，从聊天机器人到文档摘要。我也相
阅读全文0代码构建 AI Agent 网络：Python-A2A
你可以创建一个由专业 AI Agents 组成的网络，它们协同合作解决复杂问题 —— 而你无需写一行代码。这正是 python-a2a 的可视化构建器所实现的目标。只需两个命令即可开始使用：pip i
阅读全文MCP & RAG：赋能人工智能突破创新的完美组合
🚀 引言在人工智能应用不断发展的背景下，两种技术脱颖而出，成为改变游戏规则的存在：模型上下文协议（MCP）和检索增强生成（RAG）。让我们来探讨这两种技术如何协同工作，打造更强大、更高效的人工智能系统
阅读全文提示工程101第十五课：提示词长度与复杂度管理
高效的提示词设计需要在“提供足够上下文让模型理解任务”与“保持提示简洁提高执行效率”之间找到恰当平衡。此外，许多实际应用涉及处理长文档或复杂的多步骤任务，这往往会超出模型的上下文窗口。掌握应对这些挑战
阅读全文未来可期的技术栈：Kafka+A2A+MCP+Flink
在网络拥有 HyperText Transfer Protocol (HTTP) 之前，在电子邮件拥有 Simple Mail Transfer Protocol (SMTP) 之前，我们受困于定制化
阅读全文16年磨一剑！三位图灵奖大咖力荐的深度学习书有中文版了！
一本好的教材兼备两大特质——体量恢弘、思想深邃。由世界公认的机器学习专家Christopher M.Bishop耗时16年精心打磨而成的《深度学习：基础与概念》，就是这样一本经典的深度学习入门书，随着
阅读全文你懂AI Agents 与 Agentic AI之间的区别和联系吗？
随着AI系统功能日益强大并逐渐融入日常工作流程，一个新的区别正在重塑我们设计、构建和评估这些系统的方式：AI Agents 与 Agentic AI。虽然这两个术语常被混用，但它们指的是不同的系统架构
阅读全文