智能体/知识库 今日: 0|主题: 70|排名: 1 

从数据采集痛点说起 在搭建量化交易系统时，数据采集往往是最耗时的环节。对接交易所 API、爬取财报数据、监控舆情信息……这些重复性工作可能占据团队 80% 的开发时间。 最近我们发现了一个开源项目 n8n-workflows，它收录了 4343 个生产级工作流模板，覆盖 365 个主流 API 接口。虽然不是专门的量化系统，但在数据管道搭 ...

一、TextSplitter TextSplitter继承自BaseDocumentTransformer，是一个抽象类，不能直接创建实例。   核心(内部)属性有： _chunk_size: 每块大小 _chunk_overlap: 每块之间的重叠区大小 _length_function: 计算大小的方法，可以传递token计算的函数，也可以传别的比如普通的len() _keep_separator: Boolean 分块后是否 ...

💡 文章摘要 Anthropic SKILLS 看着只是一堆提示词和脚本，但其精妙在于“大道至简”。本文将深入解构 SKILLS 的三层分层加载架构，探讨它如何解决传统 Agent 上下文膨胀、领域任务成功率低的核心痛点。我们将通过一个完整流程展示 SKILLS 如何工作，并延伸思考它对现有 MCP、工作流和多智能体范式带来的冲击与重构可能。同 ...

在现代 Web 应用开发中，越来越多的开发者开始借助 AI 助手提升编码效率。而近日，欧洲知名企业级Java前端框架 Vaadin正式发布了官方MCP（Model Context Protocol）服务端，这意味着开发者的 AI 编码助手（如 GitHub Copilot、Claude、Cursor 等）可以实时访问最新的 Vaadin 官方文档，实现精准代码生成与 ...

1.简介 我们在上一章介绍了如果想实现将markdown内容转换为word的话, 如果想要转换后的word内容排版好看的话, 就需要将其转换过程分为两步 markdown→html html→ooxml(Office Open XML) word内容,word元信息本身就是个xml) 上一章节我们使用flexmark将markdown内容转换为html内容, 完成了第一步, 本章节我们将介绍如何将 ...

当大模型成为Agent，我们该如何教会它“行动”？纯粹的模仿学习（SFT）天花板明显，而强化学习（RL）又面临奖励稀疏、环境复杂、探索成本高的挑战。本文将带你深入四种前沿的Agent训练方案：ReTool, RAGEN, RStar2, 和 Early Experience，看它们如何巧妙地设计环境、利用反馈，让Agent不仅“能干”，而且“聪明”。 我们将 ...

前言 Model Context Protocol (MCP) 是一个标准化协议，让 AI 客户端（如 Claude、ChatGPT 等）能够通过统一的接口调用你的 API。本文将详细介绍如何在 ASP.NET Core WebApi 项目中集成 MCP 支持，实现 AI 与你的服务无缝对接。 什么是 MCP？ MCP（Model Context Protocol）是一个开放协议，旨在标准化 AI 应用与外部工具、 ...

11. Spring AI + ELT @目录11. Spring AI + ELTELTDocument Loaders读取Text读取markdownpdfB站：DocumentSplitter‌TokenTextSplitter自定分割器：分隔经验：分块五种策略1）固定大小分块2）语义分块3）递归分块4）基于文档结构的分块5）基于LLM的分块ContentFormatTransformerKeywordMetadataEnrichingSummaryMetadat ...

跟着 .NET 官方博客的博文 Introducing Microsoft Agent Framework (Preview): Making AI Agents Simple for Every Developer 中的示例代码基于 Microsoft Agent Framework 创建非常简单的写博文 Agent 与多 Agent 工作流初步体验一下。 先准备好访问 GitHub 模型市场 的 PAT(Personal Access Token)。 在 GitHub 的 Settin ...

随着Agentic AI 的最新进展，Microsoft 正在改进其相关开发工具，整合  Semantic Kernel 和 AutoGen 的功能，提供新的开源 Microsoft Agent Framework，以简化 AI Agent和Multi-Agent工作流程的构建、编排和部署，支持 Python 和 .NET。Microsoft 在 10 月 1 日的一篇博文[1]中表示: “开发人员问我们：为什么我们不能 ...

前言 截至目前（2025年9月19日），除了基础的Prompt、Resource和Tool概念，FastMCP还提供了以下功能：Sampling、Elicitation、Roots、Logging、Progress、Proxy、Middleware、Composition和Authentication等功能 Sampling，采样，在server端调用client的llm，实现功能解耦 Elicition，征询，实现人工介入 Roots，Client告 ...

前言 在之前的案例中，会话历史都保存在内存中，一旦程序重启，会话历史就会丢失，导致AI没法根据会话历史推测用户当前意图。这就像一个人记性特别差，每次见面都忘了之前聊过什么，让人感觉很不专业。 如果你之前使用过LangGraph，那应该知道LangGraph提供了checkpointer功能来管理历史会话，可以把历史会话保存到关系型数 ...

前言 如果你之前接触过LangGraph的"Human in the loop"概念，那么理解MCP的Elicitation机制就会容易很多。这两个功能非常相似，都是让AI在需要时停下来，礼貌地向人类寻求帮助或确认。 想象一下，当你正在和朋友聊天，突然他问你："嘿，我该穿哪件衬衫去参加明天的聚会？"这时候你就会停下来思考，然后给出建议。Elicitatio ...

前言 在第一篇MCP文章中我们简单介绍了Sampling： 采样是工具与LLM交互以生成文本的机制。通过采样，工具可以请求LLM生成文本内容，例如生成诗歌、文章或其他文本内容。采样允许工具利用LLM的能力来创建内容，而不仅限于执行预定义的操作。 为什么我们要在MCP Server通过Sampling方式调用Client的LLM，而不是MCP Server直 ...

前言 之前的示例用的都是MCP的官方SDK（版本 1.14.0），简单使用还是没问题的，但对于Sampling、Elicitation这些相对高级的功能，官方没有提供Demo，而且因为比较新，网上也没搜到能用的案例。以我自己的水平折腾了一天也没捣鼓出来。在翻mcp源码时意外发现了其内置的FastMCP，顺藤摸瓜找到了FastMCP的官网，在官方文档中找 ...

前言 很多文档和博客都只介绍如何开发MCP Server，然后集成到VS Code或者Cursor等程序，很少涉及如何开发MCP Host和MCP Client。如果你想要在自己的服务中集成完整的MCP功能，光看这些是远远不够的。所以本文及后续的MCP系列文章都会带你深入了解如何开发MCP Client，让你真正掌握这项技术。 准备开发环境 MCP官方SDK主要支 ...

简介 MCP（全称为Model Context Protocol，模型上下文协议）是一种面向大模型交互过程的通用上下文协议标准。其核心目标在于为模型构建一个结构化、可控、可扩展的语义执行环境，使语言模型能够在统一的上下文管理体系下进行任务调度、工具调用、资源协作与状态保持，从而突破传统Prompt Engineering在多轮交互、指令组合与 ...

作为结构化推理的坚定支持者，我一度对MCP感到困惑：Agent和工具调用的概念早已普及，为何还需要MCP这样的额外设计呢？本文就来深入探讨MCP，看看它究竟解决了什么问题。 我们将分几章解析MCP：本章理清基础概念和逻辑，后面我们直接以一个Agent为例演示全MCP接入的实现方案。 工具调用方式的演进 大模型调用工具的概念从Ch ...

01. Vibe Coding 从“码农”到“代码指挥家” 你是否曾感觉，日常开发中很大一部分时间都耗费在了编写那些“理所当然”的模板代码上？比如，为了一个简单的数据模型，你需要写 CURD (增删改查) 的 API、定义数据结构、配置数据库连接…… 这些工作重要但重复，消磨着我们的创造力。 现在，想象一下这样的场景： 你打开一个 ...

如果你之前经常使用 vscode 的话，这篇文章会帮助你开始使用 AI 编辑器 kiro、cursor、trae 等，因为后者的配置和插件等都和 vscode 是共通的。甚至 kiro、cursor 等都是基于开源 vscode 的变种开发而来。 如果你是第一次使用类似 vscode 的编辑器，这篇文章也会帮到你，更快了解如何去安装插件和修改配置。 以下教程都是以 ...