<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Everly_的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/Everly_</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; Everly_]]></copyright><item><title><![CDATA[从工具到个人助理——AI Agent的原理、演进与安全风险]]></title><link>https://blog.csdn.net/Everly_/article/details/159577692</link><guid>https://blog.csdn.net/Everly_/article/details/159577692</guid><author>Everly_</author><pubDate>Sat, 28 Mar 2026 11:58:14 +0800</pubDate><description><![CDATA[摘 要AI Agent作为2025至2026年间最具变革性的技术方向之一，正在重塑人机交互的边界，推动人工智能从被动响应向主动服务的跨越。通过构建感知、规划、决策与反思等核心模块，结合工具调用能力与分层记忆管理机制，AI Agent已具备多步骤推理与环境交互能力，成为大模型时代技术落地的核心应用形态。]]></description><category></category></item><item><title><![CDATA[小米AI Agent深度解析（非常详细）从零基础看懂手机AI下半场，小白必收藏！]]></title><link>https://blog.csdn.net/Everly_/article/details/159576275</link><guid>https://blog.csdn.net/Everly_/article/details/159576275</guid><author>Everly_</author><pubDate>Sat, 28 Mar 2026 11:38:40 +0800</pubDate><description><![CDATA[小米AI Agent亮相，具备人车家全生态协同及复杂任务自主执行能力，标志着手机AI进入下半场。文章对比了华为、苹果、三星及小米的优劣势，并建议用户理性换机，从现在开始培养AI使用习惯，提升效率。小米新品发布会。我觉得这次的主角，不是新手机，不是新汽车。而是一个「看不见的管家」——小米 AI Agent，正式亮相。你只需要说一句自然语言指令，它就能帮你完成订餐、导航、日程安排、智能家居控制等一系列复杂任务。不再需要你一步步手动操作，你说一句话，它帮你搞定全链路所有事。这意味着什么？]]></description><category></category></item><item><title><![CDATA[​​AI的下半场：智能体（Agent）将如何重塑我们所有的应用？]]></title><link>https://blog.csdn.net/Everly_/article/details/159576297</link><guid>https://blog.csdn.net/Everly_/article/details/159576297</guid><author>Everly_</author><pubDate>Sat, 28 Mar 2026 11:13:11 +0800</pubDate><description><![CDATA[智能体（Agent）是一个能够代表用户，以高度独立性完成任务（Workflow） 的系统。它能理解用户目标，自主选择行动路径，并利用外部工具执行任务。简单来说，它是“能帮你做事的AI”，而不仅仅是“能和你聊天的AI”。比如你告诉它“帮我分析最新销售数据，并生成周报”，它不会仅仅生成报告模板，而会：1.查询数据库 → 2. 分析关键指标 → 3. 生成图表 → 4. 写出总结报告 → 5. 邮件发送。这就是一个完整的Agent工作流闭环。智能体真正的价值来自它能“动手”。]]></description><category></category></item><item><title><![CDATA[一文读懂 MCP、RAG、Agent]]></title><link>https://blog.csdn.net/Everly_/article/details/159576227</link><guid>https://blog.csdn.net/Everly_/article/details/159576227</guid><author>Everly_</author><pubDate>Sat, 28 Mar 2026 11:11:18 +0800</pubDate><description><![CDATA[前言最近，AI 圈被三个词刷屏了 ——MCP、RAG、Agent！几乎每天都有新的相关工具冒出来，各大技术论坛、行业群聊得热火朝天。但不少朋友一看到这些术语就犯迷糊：它们到底是啥？能干啥？和我们普通人又有啥关系？别慌！今天就用最接地气的方式，带你彻底搞懂这些概念，看完秒变 AI 达人！01MCP：AI界的 “万能转换器”MCP 其实是个 “多面手”，不过我们重点关注模型上下文协议（Model Context Protocol），它就像 AI 世界的 “万能转换器”。]]></description><category></category></item><item><title><![CDATA[鹅厂员工怎么看Agent自动持续进化？]]></title><link>https://blog.csdn.net/Everly_/article/details/159540639</link><guid>https://blog.csdn.net/Everly_/article/details/159540639</guid><author>Everly_</author><pubDate>Fri, 27 Mar 2026 11:43:54 +0800</pubDate><description><![CDATA[落地一个Agent容易，但通过一定机制自动持续优化Agent却很难，不知道大家当前自动优化agent的方式有哪些？今天不聊 Agent 怎么搭，来聊聊：让Agent 自己优化自己的方式。以下为分享的**「Agent如何自动持续进化？****」，也欢迎大家在评论区也畅所欲言（文末有礼）**]]></description><category></category></item><item><title><![CDATA[关于智能体（AI Agent）入门，一篇超详细的总结！]]></title><link>https://blog.csdn.net/Everly_/article/details/159048178</link><guid>https://blog.csdn.net/Everly_/article/details/159048178</guid><author>Everly_</author><pubDate>Sat, 14 Mar 2026 14:57:27 +0800</pubDate><description><![CDATA[要理解智能体的运作，我们必须先理解它所处的任务环境。在人工智能领域，通常使用PEAS模型来精确描述一个任务环境，即分析其性能度量(Performance)、环境(Environment)、执行器(Actuators)和传感器(Sensors)。以上文提到的智能旅行助手为例，下表1.2展示了如何运用PEAS模型对其任务环境进行规约。表 1.2 智能旅行助手的PEAS描述在实践中，LLM智能体所处的数字环境展现出若干复杂特性，这些特性直接影响着智能体的设计。首先，环境通常是部分可观察的。]]></description><category></category></item><item><title><![CDATA[智能体（Agent）：你的24小时数字员工，让一人公司不再是梦]]></title><link>https://blog.csdn.net/Everly_/article/details/159048038</link><guid>https://blog.csdn.net/Everly_/article/details/159048038</guid><author>Everly_</author><pubDate>Sat, 14 Mar 2026 14:48:46 +0800</pubDate><description><![CDATA[你可能听说过ChatGPT、文心一言这些AI聊天工具，但Agent是个什么东西？打个比方：如果说传统AI是"问答机器"，你问一句它答一句；那Agent就是"自动驾驶员工"，你只需要说目标，它会自己规划路径、执行任务、甚至主动汇报进度。传统AI你问"怎么写一篇关于咖啡的文章？"它给你一堆建议Agent先搜索最近咖啡行业的热点分析你的历史文章风格生成文章大纲撰写全文配上合适的图片优化标题和SEO关键词甚至帮你定时发布看出区别了吗？Agent不只是聊天，它是真的在"干活"。]]></description><category></category></item><item><title><![CDATA[OpenClaw（小龙虾）完整安装指南！]]></title><link>https://blog.csdn.net/Everly_/article/details/158922388</link><guid>https://blog.csdn.net/Everly_/article/details/158922388</guid><author>Everly_</author><pubDate>Wed, 11 Mar 2026 11:43:19 +0800</pubDate><description><![CDATA[加密圈子与AI领域是密不可分的部分，在过去一个月，一位名叫 AlexFinn 的开发者在 OpenClaw 上投入了数万美元，并用它创造了超过 1 万美元的月经常性收入。他的经历揭示了一个事实：99% 的人正在错误地使用这项技术。OpenClaw 是一个开源的 AI Agent 框架，它能够 24/7 不间断地在你的电脑上工作。与 ChatGPT 这类对话工具完全不同，OpenClaw 拥有“眼睛和手”：它可以控制浏览器、编写代码、阅读文件、执行命令，甚至在你睡觉时主动完成任务。]]></description><category></category></item><item><title><![CDATA[为什么我拖了一个多月才开始使用OpenClaw？（附详细教程）]]></title><link>https://blog.csdn.net/Everly_/article/details/158921431</link><guid>https://blog.csdn.net/Everly_/article/details/158921431</guid><author>Everly_</author><pubDate>Wed, 11 Mar 2026 11:15:44 +0800</pubDate><description><![CDATA[OpenClaw 已经火了很长时间了，GitHub 上的星标都达到 213K了。记得它刚出来那会，我就关注它了，那时候星标数才20多K，1个多月过去了足足翻了 10 倍，可见其火爆程度超出我们想象~起初 OpenClaw 给我留下印象最深的两点就是：1、它称能 7x24 小时不停歇的干活2、它可以通过移动端聊天程序来远程控制它干活这两点都跟“干活”有关而不是纯理论输出，所谓干活就是能真正帮你产出实际结果，有实际价值产出的玩意儿。]]></description><category></category></item><item><title><![CDATA[Agent学习范式：给零基础小白的Agent入门指南]]></title><link>https://blog.csdn.net/Everly_/article/details/158696463</link><guid>https://blog.csdn.net/Everly_/article/details/158696463</guid><author>Everly_</author><pubDate>Thu, 05 Mar 2026 14:56:38 +0800</pubDate><description><![CDATA[这不是一门让你“学完所有内容”的课程。这是一张地图——告诉你现在在哪里，下一步往哪走，最终能到达哪里。方向比速度更重要。当你知道自己在做什么，为什么要做，接下来该做什么——学习就不再是焦虑的囤积，而是有目的的成长。]]></description><category></category></item><item><title><![CDATA[AI大模型基础教程：从Transformer到GPT，小白程序员必备，收藏看懂大模型原理！]]></title><link>https://blog.csdn.net/Everly_/article/details/158692253</link><guid>https://blog.csdn.net/Everly_/article/details/158692253</guid><author>Everly_</author><pubDate>Thu, 05 Mar 2026 11:56:28 +0800</pubDate><description><![CDATA[预测下一个 Token。你给它一句话 “今天天气真”，它算出下一个最可能的 Token 是 “好”，概率 0.72；“不错” 0.15；“热” 0.08……然后从中采样一个输出。就这么简单。ChatGPT 能写文章、能编代码、能翻译、能推理，底层都是在一个 Token 一个 Token 地往外蹦。本质：大模型的核心就是 Next Token Prediction——预测下一个 Token架构。]]></description><category></category></item><item><title><![CDATA[大模型RAG实战教程（超详细）：从入门到精通，一篇就够，建议收藏！]]></title><link>https://blog.csdn.net/Everly_/article/details/157939438</link><guid>https://blog.csdn.net/Everly_/article/details/157939438</guid><author>Everly_</author><pubDate>Mon, 16 Feb 2026 11:45:00 +0800</pubDate><description><![CDATA[RAG（Retrieval Augmented Generation, 检索增强生成）是一种技术框架，其核心在于当 LLM 面对解答问题或创作文本任务时，首先会在大规模文档库中搜索并筛选出与任务紧密相关的素材，继而依据这些素材精准指导后续的回答生成或文本构造过程，旨在通过此种方式提升模型输出的准确性和可靠性。RAG 技术架构图介绍：富文本 主要存储于 txt 文件中，因为排版比较整洁，所以获取方式比较简单实战技巧：【版面分析——富文本txt读取】]]></description><category></category></item><item><title><![CDATA[从Transformer到GPT：大模型是如何诞生的]]></title><link>https://blog.csdn.net/Everly_/article/details/157938279</link><guid>https://blog.csdn.net/Everly_/article/details/157938279</guid><author>Everly_</author><pubDate>Sun, 15 Feb 2026 11:15:00 +0800</pubDate><description><![CDATA[文章分析了GPT大模型成功的关键因素：一是选择仅使用Decoder结构，将理解内化到生成过程中；二是坚持纯语言建模目标，始终使用Next Token Prediction；三是通过规模扩大，使模型表现出多任务能力和涌现能力。GPT-3的出现标志着语言模型从NLP工具转变为通用智能底座，工程范式也从"模型训练"转变为"Prompt编程"。前面已经写完了Transformer系列文章，现在有这么一个疑问：Transformer 明明已经很强了，那 GPT 这种“大模型”，到底强在了哪里？]]></description><category></category></item><item><title><![CDATA[AI Agent开发实站教程，看这一篇就够了！]]></title><link>https://blog.csdn.net/Everly_/article/details/157904382</link><guid>https://blog.csdn.net/Everly_/article/details/157904382</guid><author>Everly_</author><pubDate>Thu, 12 Feb 2026 07:45:00 +0800</pubDate><description><![CDATA[本文分享大厂风控产品经理的智能体开发19条实战经验，涵盖业务需求理解、知识库构建、意图识别、模型边界设定、评测体系、架构设计、工作流优化、确定性逻辑处理、参数验证、日志埋点、可解释性设计及运营机制等方面。强调稳定交付、明确边界和持续运营的重要性，为智能体开发提供实用指导。主职工作是大厂做风控产品经理，工作中做了客诉、风险分析、策略生成、规则模板等智能体，自己独立也做了很多内容自动化、内容分析的智能体，如下几篇文章在这个过程中踩了很多坑，总结了 19 条做智能体的经验。]]></description><category></category></item><item><title><![CDATA[DeepSeek之后，智源大模型登Nature！]]></title><link>https://blog.csdn.net/Everly_/article/details/157936160</link><guid>https://blog.csdn.net/Everly_/article/details/157936160</guid><author>Everly_</author><pubDate>Tue, 10 Feb 2026 11:00:56 +0800</pubDate><description><![CDATA[全球大模型第一股”]]></description><category></category></item><item><title><![CDATA[AI智能体(Agent)全攻略（图文并茂）从零基础入门到项目实战，一篇搞定，必看收藏！]]></title><link>https://blog.csdn.net/Everly_/article/details/157933762</link><guid>https://blog.csdn.net/Everly_/article/details/157933762</guid><author>Everly_</author><pubDate>Tue, 10 Feb 2026 10:29:20 +0800</pubDate><description><![CDATA[智能体（Agent）是一个能够代表用户，以高度独立性完成任务（Workflow） 的系统。它能理解用户目标，自主选择行动路径，并利用外部工具执行任务。简单来说，它是“能帮你做事的AI”，而不仅仅是“能和你聊天的AI”。比如你告诉它“帮我分析最新销售数据，并生成周报”，它不会仅仅生成报告模板，而会：1.查询数据库 → 2. 分析关键指标 → 3. 生成图表 → 4. 写出总结报告 → 5. 邮件发送。这就是一个完整的Agent工作流闭环。智能体真正的价值来自它能“动手”。]]></description><category></category></item><item><title><![CDATA[Agent Skills完全指南（超详细）从零基础到精通，一篇全掌握，建议收藏！]]></title><link>https://blog.csdn.net/Everly_/article/details/157902670</link><guid>https://blog.csdn.net/Everly_/article/details/157902670</guid><author>Everly_</author><pubDate>Mon, 09 Feb 2026 11:50:15 +0800</pubDate><description><![CDATA[它是指一个包含指令、脚本和资源的有序文件夹，代理可以动态发现并加载这些 文件夹，从而更好地完成特定任务。Skills 是一种“给 Agent 用的、可复用的流程型能力封装”，它不是 Prompt，也不是 MCP，而是把个人或者团队的 SOP 变成 Agent 可以随时调用的“技能包”。]]></description><category></category></item><item><title><![CDATA[Agent、Workflow、RAG_还是_Skill？]]></title><link>https://blog.csdn.net/Everly_/article/details/157902142</link><guid>https://blog.csdn.net/Everly_/article/details/157902142</guid><author>Everly_</author><pubDate>Mon, 09 Feb 2026 11:28:09 +0800</pubDate><description><![CDATA[我们紧跟当时的技术潮流，试图冲击创造力的上限，但遗憾地遭遇了基座模型代差的降维打击。我们坚守了产品的可用性底线，通过流程和知识库，稳住了用户的基本盘。我并没有陪这个产品走到最后。但在我离开后，它维持着这种分裂但平衡的状态，并依然运营至今。这也揭示了AI 产品真正的护城河不纯粹依赖模型有多聪明，而是产品承载了多少真实世界的复杂性。正是因为我们把业务逻辑从模型中解耦出来，固化在 Workflow、RAG 中，这个产品才没有随着早期模型策略的失误而崩塌，而是获得了一个边跑边修的机会。]]></description><category></category></item><item><title><![CDATA[超详细Agent Skills教程：零基础入门到精通，一篇就够了，赶紧收藏！]]></title><link>https://blog.csdn.net/Everly_/article/details/157901823</link><guid>https://blog.csdn.net/Everly_/article/details/157901823</guid><author>Everly_</author><pubDate>Mon, 09 Feb 2026 11:07:17 +0800</pubDate><description><![CDATA[本文详细介绍了Agent Skills的创建和使用过程，包括Cursor升级、Skill文档创建、项目目录设置及技能调用。Skills本质是标准化需求文档集合，可提高AI编程效率，避免遗漏业务逻辑。文章还探讨了Skills的高级应用，如脚本调用和多Agent协作，为AI编程提供了实用指导。]]></description><category></category></item><item><title><![CDATA[AI大模型MCP协议深度解析：从零基础到代码执行环境，一篇搞定Agent工具连接！]]></title><link>https://blog.csdn.net/Everly_/article/details/157802658</link><guid>https://blog.csdn.net/Everly_/article/details/157802658</guid><author>Everly_</author><pubDate>Fri, 06 Feb 2026 11:35:23 +0800</pubDate><description><![CDATA[Anthropic 在 2024 年 11 月推出了 Model Context Protocol (MCP)，这是一个连接 AI Agent 到外部系统的开放标准协议。本文是 Anthropic 工程团队在 MCP 推出一年后，针对大规模工具连接场景下的性能瓶颈，提出的创新性解决方案——通过代码执行环境与 MCP 结合，实现 98.7% 的 token 使用率降低。这不仅是一次技术优化，更是 AI Agent 架构设计理念的重大转变。具体案例Description:从GoogleDrive检索文档。]]></description><category></category></item></channel></rss>