<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Androiddddd的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/Androiddddd</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; Androiddddd]]></copyright><item><title><![CDATA[别再只盯着 Prompt 了！上下文工程才是 Agent 爆发的真正推手]]></title><link>https://blog.csdn.net/Androiddddd/article/details/156691912</link><guid>https://blog.csdn.net/Androiddddd/article/details/156691912</guid><author>Androiddddd</author><pubDate>Wed, 07 Jan 2026 16:47:32 +0800</pubDate><description><![CDATA[从 Chatbot 到 Agent，上下文正从“输入的一部分”进化为“系统状态的集中体现”。未来的 AI 不再仅仅是利用人类数据进行预训练，而是通过与环境的自主交互，在“干中学”中积累经验。上下文工程，正是承载这些“经验”的容器。在 Agent 时代，掌握上下文工程，就是掌握了通往通用人工智能（AGI）的工程钥匙。]]></description><category></category></item><item><title><![CDATA[爆肝实测！RAG技术让大模型在矿山领域拿到4+级认证？小白程序员也能学会的AI黑科技！]]></title><link>https://blog.csdn.net/Androiddddd/article/details/156691888</link><guid>https://blog.csdn.net/Androiddddd/article/details/156691888</guid><author>Androiddddd</author><pubDate>Wed, 07 Jan 2026 16:46:58 +0800</pubDate><description><![CDATA[中国信通院联合多家单位编制了检索增强生成标准，煤科总院的"太阳石矿山大模型RAG服务平台"通过评估获得最高4+级。该平台基于RAG技术构建，提供矿山专业智能问答服务，支持联网检索和应急问答，全面评估了知识接入、检索质量、生成答案相关性等能力，为煤炭行业智能化转型提供了AI解决方案。]]></description><category></category></item><item><title><![CDATA[【AI黑科技】大模型的“知之为知之“之道！自适应滑动窗口让RAG系统告别幻觉，性能开挂！]]></title><link>https://blog.csdn.net/Androiddddd/article/details/156691872</link><guid>https://blog.csdn.net/Androiddddd/article/details/156691872</guid><author>Androiddddd</author><pubDate>Wed, 07 Jan 2026 16:46:23 +0800</pubDate><description><![CDATA[该研究探讨RAG系统中证据不足时大语言模型是否应"承认不知道"的问题，提出自适应滑动窗口提示策略，将传统RAG重构为顺序化、可中止推理流程。模型按检索分数排序逐段读取文档，判断信息是否充分并决定是否作答。此方法减少token消耗约1.5倍，显著缓解幻觉问题，为"拒答"能力创造显式决策节点，是提高RAG系统可靠性的重要突破。]]></description><category></category></item><item><title><![CDATA[爆肝300+篇大模型论文后，我悟了！小白程序员也能快速上手的AI开发秘籍]]></title><link>https://blog.csdn.net/Androiddddd/article/details/156691827</link><guid>https://blog.csdn.net/Androiddddd/article/details/156691827</guid><author>Androiddddd</author><pubDate>Wed, 07 Jan 2026 16:45:04 +0800</pubDate><description><![CDATA[这是一份大模型技术学习资料，浓缩了300+篇论文和一线工程经验，旨在将大模型技术转化为生产力。内容涵盖Prompt工程、微调技术、RAG优化、多Agent协作、生产部署等9大模块60+主题。通过学习可掌握LoRA微调、RAG优化、Agent长期记忆、API封装等实用技能，帮助开发者快速提升大模型应用能力，解决从理论到实践的落地问题。
]]></description><category></category></item><item><title><![CDATA[RAG 效果烂？90% 都是因为这一步没做好！文本分块才是核心命门，这一篇必看！]]></title><link>https://blog.csdn.net/Androiddddd/article/details/156691729</link><guid>https://blog.csdn.net/Androiddddd/article/details/156691729</guid><author>Androiddddd</author><pubDate>Wed, 07 Jan 2026 16:43:11 +0800</pubDate><description><![CDATA[经过前面两节的学习，我们已经可以精准的提取文档的内容了。接下来就要对提取出来的内容进行“加工处理”。很多开发者在搭建 RAG 系统时，往往把 90% 的精力花在了选择哪个大模型、调优哪种 Embedding 向量上。但等到系统上线一测试，却发现模型经常“胡言乱语”：要么找不到重点，要么回答得支离破碎。其实，问题可能出在你最容易忽略的一步：文档分块（Chunking）。在 RAG 的世界里，如果说大模型是精于烹饪的大厨，那么文档分块就是“备菜”的过程。食材切得太粗，核心滋味（语义）出不来；]]></description><category></category></item><item><title><![CDATA[别再让 Agent 死记硬背了！深度解析记忆分类学：从“记什么”到“为何记”的底层跃迁！]]></title><link>https://blog.csdn.net/Androiddddd/article/details/156691701</link><guid>https://blog.csdn.net/Androiddddd/article/details/156691701</guid><author>Androiddddd</author><pubDate>Wed, 07 Jan 2026 16:40:43 +0800</pubDate><description><![CDATA[本文尝试建立一个 Agent 记忆的分类框架。核心维度• 关于用户：个性化的基础• 关于自我：进化的基础• 关于世界：行动的基础• 关于他者：协作的基础辅助维度• 抽象层次：原始 → 事实 → 模式• 时间跨度：工作 → 会话 → 长期• 可共享性：私有 → 可共享 → 公共这些维度交叉，形成了一个完整的分类空间。每一类记忆有不同的特性，需要不同的存储、检索、更新策略。但分类只是起点。权衡：在有限资源下，如何选择优先级动态：如何让记忆系统随时间演化一致。]]></description><category></category></item><item><title><![CDATA[大模型又双叒叕忘词了？真实对话中的“失忆” Bug，程序员硬核补救方案在此！]]></title><link>https://blog.csdn.net/Androiddddd/article/details/156691677</link><guid>https://blog.csdn.net/Androiddddd/article/details/156691677</guid><author>Androiddddd</author><pubDate>Wed, 07 Jan 2026 16:39:27 +0800</pubDate><description><![CDATA[微软与Salesforce研究发现，大语言模型在多轮对话中性能平均下滑约39%，出现"对话迷路"现象。研究团队通过实验发现，所有模型在信息逐步补充的对话中表现明显变差，主要表现为过早给出不完整答案、反复重写、遗忘中间信息等问题。研究建议用户尽量一次性提供完整需求，产品团队应增加信息复述机制，而模型厂商则需提升多轮对话的可靠性。这一发现对AI助手开发和实际应用具有重要启示。]]></description><category></category></item><item><title><![CDATA[LlamaIndex 还是 LangChain？RAG 主流框架深度PK，这篇 2026 全景分析帮你省下一年弯路！]]></title><link>https://blog.csdn.net/Androiddddd/article/details/156691615</link><guid>https://blog.csdn.net/Androiddddd/article/details/156691615</guid><author>Androiddddd</author><pubDate>Wed, 07 Jan 2026 16:38:26 +0800</pubDate><description><![CDATA[RAG技术从2020年发展至今，已形成从基础到前沿的完整技术谱系。新兴技术如GraphRAG、Agentic RAG等推动了系统性能边界不断扩展，而主流框架的成熟则为不同应用场景提供了多种选择。未来，随着技术与业务场景的深度融合，RAG将继续作为解决大模型知识局限性的核心方案，在企业智能化转型中发挥关键作用。开发者应结合具体需求，理性选择技术路线，确保RAG系统既能解决实际问题，又具备面向未来的扩展能力。]]></description><category></category></item><item><title><![CDATA[【开发者必看】GPT Image 1.5发布：图像生成速度提升4倍，API开放让创意触手可及！]]></title><link>https://blog.csdn.net/Androiddddd/article/details/156691583</link><guid>https://blog.csdn.net/Androiddddd/article/details/156691583</guid><author>Androiddddd</author><pubDate>Wed, 07 Jan 2026 16:36:18 +0800</pubDate><description><![CDATA[OpenAI发布GPT Image 1.5图像生成与编辑模型，实现4倍速度提升、更强指令理解与编辑能力，细节真实感显著增强。该模型在多项排行榜超越谷歌Nano Banana Pro，免费开放给所有ChatGPT用户并提供API接口。这标志着AI图像技术从简单生成向可控、可复用的创意生产系统转变，为开发者提供更强大的视觉创作工具。]]></description><category></category></item><item><title><![CDATA[【干货满满】企业级RAG系统优化全攻略：五大痛点+四大方法，让你的AI助手告别“一本正经地胡说八道“！]]></title><link>https://blog.csdn.net/Androiddddd/article/details/156691452</link><guid>https://blog.csdn.net/Androiddddd/article/details/156691452</guid><author>Androiddddd</author><pubDate>Wed, 07 Jan 2026 16:32:43 +0800</pubDate><description><![CDATA[企业级RAG系统面临五大挑战，包括数据时效性、上下文断裂、检索局限等。提升精度需从多方面入手：选择优质LLM和嵌入模型、建立评估体系、采用混合检索、引入PageIndex和GraphRAG技术，以及拥抱AI Agent时代的Self-RAG、CRAG和Adaptive RAG等方法，同时优化上下文工程和多模态处理能力。
]]></description><category></category></item><item><title><![CDATA[震惊！Google AI Agent白被我啃完了！原来Chatbot是陪聊的，Agent才是真·打工人！小白必看！]]></title><link>https://blog.csdn.net/Androiddddd/article/details/156648853</link><guid>https://blog.csdn.net/Androiddddd/article/details/156648853</guid><author>Androiddddd</author><pubDate>Tue, 06 Jan 2026 14:53:02 +0800</pubDate><description><![CDATA[文章解析Google AI Agent白皮书，揭示Agent与传统Chatbot的本质区别：前者是能实际干活的"手"，后者只是陪聊的"嘴"。完整Agent包含四大组件：按任务选择的大脑、赋予权限的工具、ReAct推理的行政主管和稳定运行的办公室环境。文章还介绍了防止AI幻觉的Grounding技术和未来多Agent协作趋势，强调技术已成熟，更缺想象力。
]]></description><category></category></item><item><title><![CDATA[AI编程助手天花板揭秘！Anthropic Multi-Agent系统深度解析，小白程序员也能弯道超车！]]></title><link>https://blog.csdn.net/Androiddddd/article/details/156648805</link><guid>https://blog.csdn.net/Androiddddd/article/details/156648805</guid><author>Androiddddd</author><pubDate>Tue, 06 Jan 2026 14:52:01 +0800</pubDate><description><![CDATA[本文详细解析了Anthropic对AI Agent的理解和实现，重点介绍了Claude Code作为最佳Multi-Agent系统的设计理念与技术细节。内容涵盖上下文检索技术、Agent构建方法、评估系统SWE-Bench、思考工具Think Tool、多代理研究系统架构以及为Agent编写工具的最佳实践。文章强调了将Agent视为用户、设计符合人体工程学的工具接口的重要性，以及通过多代理协作突破单智能体限制的强大能力。]]></description><category></category></item><item><title><![CDATA[【颠覆认知】M1/M2机器理论：告别LLM“幻觉“，大模型开发者必学的企业级架构！]]></title><link>https://blog.csdn.net/Androiddddd/article/details/156648652</link><guid>https://blog.csdn.net/Androiddddd/article/details/156648652</guid><author>Androiddddd</author><pubDate>Tue, 06 Jan 2026 14:51:09 +0800</pubDate><description><![CDATA[本文提出M1/M2机器理论，将机器学习拆解为"学习(L)"与"机器(M)"两个维度。M1聚焦模型校准与部署，M2侧重企业级算法生态构建。批判当前行业对LLM的过度依赖，指出其结构性"幻觉"导致95% AI项目失败。提出基于算法化的联邦式、模块化架构(Strategies-based Agentic AI)才是生产级B2B转型的关键，并通过十年实践验证了该架构的可行性，为Agentic AI的规范化发展提供理论与实践支撑。]]></description><category></category></item><item><title><![CDATA[[特殊字符]别再卷大模型了！微软官方AI智能体开发教程免费送，10节课带你从小白到大神！]]></title><link>https://blog.csdn.net/Androiddddd/article/details/156648601</link><guid>https://blog.csdn.net/Androiddddd/article/details/156648601</guid><author>Androiddddd</author><pubDate>Tue, 06 Jan 2026 14:47:58 +0800</pubDate><description><![CDATA[微软推出"AI Agents for Beginners"入门课程，共10节，采用渐进式学习路径，包含图文教程、视频讲解和Python实战代码。课程围绕Azure AI Foundry、Semantic Kernel、AutoGen三大核心技术展开，从基础概念到工具调用、RAG检索增强、多智能体协作等进阶内容，支持中文学习。适合开发者、产品经理等人群，帮助掌握AI Agent开发技能，提升职场竞争力。]]></description><category></category></item><item><title><![CDATA[AI卷起来了！让你的Agent从“接话“到“独立搬砖“，附超详细实战教程]]></title><link>https://blog.csdn.net/Androiddddd/article/details/156648566</link><guid>https://blog.csdn.net/Androiddddd/article/details/156648566</guid><author>Androiddddd</author><pubDate>Tue, 06 Jan 2026 14:47:26 +0800</pubDate><description><![CDATA[本文详细介绍Agent（智能体）构建方法，阐述如何让AI从聊天机器人升级为能独立完成复杂工作流的"数字员工"。解析Agent的"三位一体"架构（Model、Tools、Instructions），从单Agent到多Agent系统的演进路径，并强调设置安全护栏的重要性。通过实战指南，开发者可快速掌握Agent构建核心技术，提升AI应用的智能化水平。]]></description><category></category></item><item><title><![CDATA[从Manus看AI智能体的未来发展：从“任务执行者”到“数字生产力引擎”的进化之路]]></title><link>https://blog.csdn.net/Androiddddd/article/details/156648499</link><guid>https://blog.csdn.net/Androiddddd/article/details/156648499</guid><author>Androiddddd</author><pubDate>Tue, 06 Jan 2026 14:46:12 +0800</pubDate><description><![CDATA[然而，当ChatGPT等产品逐渐成为日常工具，一个更深层的变革正在悄然发生：AI的角色正从“语言助手”向“自主执行者”跃迁。Manus——全球首款被广泛验证的通用型AI智能体（Agent），不仅是一次技术产品的发布，更是一场关于“人机关系”的范式革命。透过Manus的实践，我们得以清晰地勾勒出AI智能体未来发展的三大核心路径：能力边界突破、场景深度渗透、生态体系重构 。[Agent发展现状-国内外对比]
]]></description><category></category></item><item><title><![CDATA[震惊！AI智能体已颠覆编程范式：从“替代思维“到“增效思维“，2025年开发者必备技能]]></title><link>https://blog.csdn.net/Androiddddd/article/details/156648429</link><guid>https://blog.csdn.net/Androiddddd/article/details/156648429</guid><author>Androiddddd</author><pubDate>Tue, 06 Jan 2026 14:44:59 +0800</pubDate><description><![CDATA[Manus AI联合创始人张涛重新定义AI智能体，强调其核心是自主性而非简单聊天机器人。智能体三大前沿：工具网络效应导致能力非线性扩展；7x24小时数字员工支持长时任务并行处理；主动性让AI在用户要求前就开始工作。企业应用需从"替代思维"转向"增效思维"，跨越信任、工具设计和协作范式三大障碍。2025年起，学会与智能体协作将成为开发者关键技能。

---]]></description><category></category></item><item><title><![CDATA[AI智能体中台：大模型开发的“操作系统“，不懂你就OUT了！]]></title><link>https://blog.csdn.net/Androiddddd/article/details/156648337</link><guid>https://blog.csdn.net/Androiddddd/article/details/156648337</guid><author>Androiddddd</author><pubDate>Tue, 06 Jan 2026 14:43:16 +0800</pubDate><description><![CDATA[AI Agent智能体中台正成为企业数字转型的关键基础设施，通过五层架构整合分散AI能力，提供统一管控。其核心价值包括模型服务智能路由、工具中心对接外部系统、记忆管理保持上下文连续性、编排引擎支持多Agent协作，以及完善的可观测性治理机制。未来将向多模态融合、边缘计算优化等方向发展，成功公式为70%平台能力+30%业务场景驱动，能将AI能力产品化，提升业务敏捷响应能力。
]]></description><category></category></item><item><title><![CDATA[谷歌重磅报告全解：2026年Agent还会火吗？深度预判未来趋势，收藏这一篇就够了！]]></title><link>https://blog.csdn.net/Androiddddd/article/details/156648302</link><guid>https://blog.csdn.net/Androiddddd/article/details/156648302</guid><author>Androiddddd</author><pubDate>Tue, 06 Jan 2026 14:42:43 +0800</pubDate><description><![CDATA[如果只有智能没有工具，它只是一个“缸中之脑”（只能聊天）；如果只有工具没有智能，它只是一个传统的自动化脚本（RPA）。只有两者 combine（结合），才构成 Agent。]]></description><category></category></item><item><title><![CDATA[【编程新趋势】AI Agent时代已来临！零基础小白也能开发智能应用，大模型技术不再神秘！]]></title><link>https://blog.csdn.net/Androiddddd/article/details/156648265</link><guid>https://blog.csdn.net/Androiddddd/article/details/156648265</guid><author>Androiddddd</author><pubDate>Tue, 06 Jan 2026 14:41:59 +0800</pubDate><description><![CDATA[AI Agent代表AI发展的第三阶段，能自主执行复杂工作流。其核心特征包括利用LLM进行决策、调用外部工具、主动纠正错误。适合处理复杂决策、难以维护规则和非结构化数据场景。架构包含模型、工具和指令三要素，正从单智能体向多智能体协作演进。开发中需关注可靠性、可观测性、并行处理和可测试性等工程挑战。2026年或迎来AI Agent普及期。
]]></description><category></category></item></channel></rss>