智能体/知识库 今日: 0|主题: 70|排名: 1 

在 LLM 发展的上半场，我们执着于不断拉长 Context Window，从 8K 到 128K 甚至百万级别。但在下半场，资深开发者们逐渐意识到：盲目拉长上下文是在用昂贵的算力掩盖逻辑管理的无能为例。 这一章我们围绕Coding这个核心视角来寻找一些新的上下文管理的思路：以 Coding 为核心，将 Context 视为“内存（RAM）”，将 Runtime ...

前言 此前在 MCP 官网就注意到官方提供了 Go SDK，近期由于在 Python 环境下开发 MCP Server 有点"审美疲劳"，因此决定使用 Go 语言尝尝鲜。 从个人实际体验来看，Go 语言在并发处理方面确实具有显著优势：无需纠结于同步阻塞、异步事件循环、多进程多线程通信等复杂的并发问题，goroutine 一把梭哈。同时，Go 语言的部署也 ...

上篇学习了ReACT，今天继续学习PlanAndExecute模式 与ReACT模式的关键区别如下： 对比维度ReAct AgentPlan-and-Execute Agent 思考模式 单步思考-行动循环 两阶段分离：先规划后执行 执行流程 Thought → Action → Observation (循环) Plan → Execute Step 1 → Execute Step 2 → ... 规划范围 只规划下一步 ...

经过前面的一系列流程，招聘来到了最重要的1个环节，AI虽然强大，但是不能完全代替人做决定，最终还是要Boss决策这个候选人的去留。从系统设计角度来说，整个AI智能体环节中，要预留人工干预的能力，也称为"人机协同"（human_in_the_loop)   示例代码： 1 @SpringBootApplication 2 public class _9a_HumanInTheLo ...

本文将指导你如何为 Antigravity 编辑器安装全局 Skills（技能），特别是强大的 ui-ux-pro-max 设计系统，并演示如何在具体项目中调用它们。 1. 核心概念 在 Antigravity 中，技能系统分为两层： Skills (全局库)：实际的代码、脚本和指南，存储在系统级目录（如 ~/.gemini/antigravity/skills）。它们是“能力”的本体。 ...

目录MCP 是什么Dify 作为 Client：调用外部 MCP 工具搭建 MCP 天气服务端在 Dify 中接入“天气感知”能力Dify 作为 Server：被外部应用调用搭建“翻译专家”工作流启用 MCP 服务在外部 AI 应用中调用 在之前的博客中已经介绍了 MCP 的概念，以及在 LangChain 中如何使用 MCP 协议。今天这篇博客，将带大家实战如何在 Dify ...

内容简介 本书是谷歌大佬Antonio Gulli为人工智能领域编写的一本实战型指南，全书通过逻辑严密的框架设计与真实场景的案例演示深入阐述了构建现代智能体的核心设计模式与落地方法论，非常适合想学习了解 Agent 智能体的开发者。 2025 年 10 月初，谷歌资深工程主管、杰出工程师 Antonio Gulli 免费公开发布了一本长达 400 ...

目录1.发展史2.斜杠命令 commands3.skill 技能包4.钩子 HOOK5. MCP 服务器6.插件 plugins7.子代理 SubAgents8.项目记忆文件 CLAUDE.md9.Plan模式暂时的结语 很少有人真的喜欢天天学新东西，我一个 java 技术栈的朋友，说我们怎么天天能学那么多东西（针对于全栈）。我作为一个 出海 Saas 人，我自己也沉默了： 本文 ...

前面已经学习了 顺序、循环、条件分支、并行 这4种基本的工作流编排方式，利用这些可以组合出各种复杂的逻辑。下面将前面招聘的整个流程串起来，做一个相对比较完整的工作流： 宏观上，1-2-3是面向候选人的，4-5-6是面向公司招聘团队的。 一、定义Agent 1.1 CandidateWorkflow 1 public interface CandidateWorkflow ...

目录1.首先是安装！2.配置代理3.上聚合站搞 API4.配置环境，自定义模型 API5.选择其他模型6.终于看到主界面了7.完成 首先，这个话题针对的大概率是 claude opus 4.5 模型 很难在国内被使用。这个很好解决，我肯定不会肉身在国内，冒险去花个几百块砸去 Anthropic 官网搞个会员，我一直使用的是模型聚合中介服务，按量付费。 ...

书接上回，简历评估完后，根据评估结果，如果合格，公司就该通知面试，否则回邮件拒绝。也就是今天要演示的“条件工作流”。下面定义这2个分支对应的Agent: 一、定义不同分支的Agent 1.1 EmailAssistant (发邮件拒绝候选人Agent) 1 public interface EmailAssistant { 2 3 @Agent("向未通过筛选的候选人发送 ...

书接上回，现在简历已经润色得足够好了，投递到了HR手上，假设跟候选人也做了初步的电话沟通。接下来，公司需要对候选人做如下审查： 经理：针对简历，结合招聘岗位要求，审查简历是否符合要求（包括优点和不足） HR：针对简历，结合电话沟通记录以及HR招聘相关要求，审查简历是否适合（包括优点和不足） 团队成员：针对简 ...

接上节继续，仍然还是这个简历优化的示例，这次引入1个 “简历审阅者(CVReviewer)”的角色，定义如下： public interface CvReviewer { @Agent("根据特定指示审阅简历，提供反馈和分数。请考虑简历与职位要求的匹配程度") @SystemMessage(""" 您是此职位的招聘经理： {{jobDescription}} ...

自近年AI智能体火爆以来，各种相关的框架和最佳实践也不断涌现，Anthropic公司2024年发布的Building Effective AI Agents \ Anthropic 无疑是最有影响力的指导文章之一，langchain4j在此影响之下，也实现一系列的workflow编排&Agent功能。 本文将在langchain4j官方示例基础上(不熟悉langchain4j的朋友，请移步langchai ...

导读：2025年是智能体爆发的一年。然而，随着模型能力的提升，工业界开始反思：盲目增加智能体、盲目增加工具调用次数真的能“大力出奇迹”吗？本文串联了两篇Google论文，从宏观的架构选择到微观的工具预算感知，探讨如何科学地构建高效的Agent系统。 Part 1. 宏观选型：多智能体的科学定律 Towards a Science of Scalin ...

继我们使用 Claude Code 训练开源模型的项目之后，现在我们更进一步，将 Codex 引入这一流程。这里的重点不是“Codex 自己开源模型”，而是让 Codex 作为编码代理，参与并自动化开源模型的训练、评估与发布全流程。为此，我们为 Codex 接入了 Hugging Face Skills 仓库，该仓库包含了许多与机器学习和 AI 相关的“技能”， ...

随着大语言模型（LLM）能力不断增强，我们逐渐发现一个事实： 真正有价值的，不是模型“会说话”，而是模型“能做事”。 因为再强大的LLM，其核心优势仍然在于语言理解与推理能力，而非实时计算或外部状态获取。, 在某些简单事情上, 例如 查询当前时间, 当前地区的天气, 进行一个简单的数学运算, 其实都不是大模型擅长的 ...

2024 年末，MCP（Model Context Protocol）火了。各种技术文章蜂拥而至："MCP 革命性突破！"、"AI 工具调用的未来！"、"不懂 MCP 就out了！" 但当你真正去了解时，会发现很多文章要么是概念科普（讲了半天不知道怎么用），要么是愿景描绘（听起来很美好但落不了地）。 这篇文章就是来破局的。 我们不讲故事，只讲本质：MCP ...

前言 近年来，大量新兴的 AI 相关第三方库都提供了异步接口，有些甚至出于性能考虑仅支持异步调用，例如 MCP SDK。伴随着 Python 异步编程的发展，FastAPI 等框架迅速流行，许多新项目倾向于采用 FastAPI。但实际上，Flask 自 2.0 版本起也开始支持异步方法，因此我们也能借助 Flask 参与到 MCP 的 AI Agent 浪潮中。 PS： ...

本文介绍如何配置IDA Professional 9.1完全体实现AI自动化分析二进制文件，用于解决CTF竞赛中Reverse与Pwn类型的题目。 增加功能 中文界面补丁 Lumina MCP 环境配置 IDA Professional 9.1（已完成增加功能1和2部分操作的配置：https://pan.baidu.com/s/18dD5JBrSBIcyWI9o04G0_w?pwd=y4ex，解压密码：sunny） Py ...