- 博客(19)
- 收藏
- 关注
RSS订阅原创 Agent Team是啥，怎么玩
Agent Team 让多个 Claude Agent 同时为你工作：有的 debug，有的写测试，有的优化性能 💻。不再需要守在电脑前，AI 团队帮你搞定一切！
2026-03-19 00:30:30
442
原创 Agent架构解析与实战（九）--Tree of Thoughts
🌳 给 AI 装个“系统脑”：从线性直觉到树状博弈 —— 还在迷信 CoT 的单向输出？你的 Agent 缺少关键的“自我纠错”与“全局推演”能力！
2026-02-09 17:21:37
629
原创 Agent架构解析与实战（八）--Episodic + Semantic Memory Stack
🚀 拒绝 AI "金鱼脑"！打造拥有 [情景 + 语义] 双重记忆的超级智能体
2026-02-03 08:30:00
1240
原创 Agent架构解析与实战（七）--Blackboard
🧩 给 AI 建个“会诊室”：从机械流水线到动态协作—— 还在死磕固定的 Pipeline？你的 Agent 缺少关键的“审时度势”能力！
2026-01-26 23:38:47
607
原创 Agent架构解析与实战（六）--PEV (Planner → Executor → Verifier)
🧱 拒绝“玩具级” Demo！构建真正“抗造”的生产级 Agent —— 你的 AI 一遇到 API 报错就“歇菜”？ 深入 PEV (Planner-Executor-Verifier) 架构核心，手把手教你用 LangGraph 打造自带**“自动纠错回环”**的智能体，让系统稳定性原地起飞！🚀
2026-01-19 23:41:30
847
原创 Agent架构解析与实战（五）--Multi Agent
告别单体智能的瓶颈，构建你的‘AI 专家特种部队’——Multi-Agent 架构通过模拟人类团队的专业分工与协作，让复杂任务的解决能力实现从‘泛泛而谈’到‘深度洞察’的质的飞跃。
2026-01-18 10:00:00
1338
原创 Agent架构解析与实战（四）--Planning
从「摸着石头过河」到「运筹帷幄」：Planning Agent 架构全解析—— 深度对比 ReAct vs Planning，手把手教你用 LangGraph 构建下一代智能体
2026-01-15 21:30:00
1331
原创 Agent架构解析与实战（三）--ReAct
摘要： ReAct（Reason+Act）是一种智能体架构，通过动态推理与行动循环（Think→Act→Observe）解决复杂多步骤问题。相比单次工具调用的基础Agent，ReAct能迭代整合多源信息，适应动态需求，适用于多跳问答、深度调研等场景。 核心对比： 基础Agent：单次工具调用，无法分解复杂问题（如NBA得分王及其近期得分查询），任务完成度仅3/10。 ReAct Agent：通过循环机制（工具节点→Agent节点）实现动态调整，任务完成度达9/10，但成本更高且需防循环风险。 实现关键：La
2026-01-14 21:00:00
1580
原创 Agent架构解析与实战（二）--Tool Use
摘要：ToolUse架构赋予大语言模型调用外部工具的能力，使其成为具备自主决策能力的智能体。该架构通过"接收-决策-执行-观察-综合"的工作流循环，实现实时信息获取和精准回答。典型应用包括研究助手、企业数据查询和数学计算等场景。虽然能减少模型幻觉并扩展能力边界，但也面临集成成本高和工具信任问题。技术实现基于LangChain和LangGraph，通过条件路由构建智能推理循环。评估显示该架构能有效突破静态数据限制，将智能体转变为能提供有据可依答案的研究员，成为实用AI助手的核心基石。
2026-01-13 00:04:31
630
原创 【白嫖 Manus Pro亲测可用】
5、到 https://manus.im/app#settings/account/pricing 下方小字，点「Downgrade to Free」取消订阅。4、到 https://manus.im/app#settings/usage 里点 Upgrade 领取积分。1、注册或登录，https://manus.im/invitation/U9NV3FIQBK8D。3、到付款界面，输入促销吗「OB7FO3FS」，选择USD再用支付宝订阅。2、进入升级页面，月付，8000 积分 / 月。
2026-01-07 16:04:04
352
原创 Agent架构解析与实战（一）--Reflection
摘要： 反思架构（Reflection Architecture）是一种AI代理的工作模式，通过“生成→评估→改进”的多步流程优化输出质量。其核心包括三个阶段：生成初稿、自我批评（检查逻辑漏洞、遗漏等）和优化终稿。适用于代码生成、内容创作等场景，能提升结果准确性，但可能增加延迟和成本。实现需依赖结构化数据（如Pydantic模型）和流程编排工具（如LangGraph），通过角色分离（生成器、批评者、优化器）模拟人类“起草-审查-编辑”过程。典型应用包括代码审查和复杂摘要生成，需权衡质量提升与额外资源消耗。
2025-12-25 15:18:39
538
原创 Ollama 使用指南（官方文档笔记）
本文介绍了Ollama语言模型的多项核心功能：1）流式处理支持聊天、思考和工具调用三种模式；2）CLI命令控制思考模式；3）结构化JSON输出与Pydantic结合使用；4）向量嵌入模型推荐；5）Agent循环实现多轮工具调用；6）Web搜索与获取API集成；7）MCP服务器对接方法。重点阐述了流式处理实现细节、JSON结构化输出最佳实践以及多轮工具调用的Agent循环机制，提供了完整的API使用指南和技术实现方案。
2025-12-23 14:11:19
761
原创 Effective harnesses for long-running agents翻译
摘要：本文探讨了长期运行AI Agents在跨多上下文窗口工作时面临的挑战，并提出双重解决方案。通过初始化Agent配置基础环境并生成功能清单，以及编码Agent进行渐进式开发并维护清晰状态，有效解决了Agent"一步到位"倾向、环境状态混乱等问题。实验表明，结合git版本控制、结构化日志和测试工具，显著提升了Agent在多会话间的持续工作能力。文章还指出了未来研究方向，如专用Agent架构和多领域应用扩展。该成果为AI Agents长期自主执行复杂任务提供了实用框架。
2025-12-19 11:41:49
1122
原创 How we built our multi-agent research system—摘录
Research系统使用编制者-工作者模式的多智能体架构，主智能体协调过程同时委派给并行运行的专业子智能体。
2025-06-15 19:18:32
1125
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人