- 博客(2273)
- 收藏
- 关注
RSS订阅原创 大模型关键路径推理实战（非常详细），PathMind算法原理从入门到精通，收藏这一篇就够了！
介绍AAAI 2026 上一篇关于知识图谱推理框架的论文 **PathMind**。这项工作聚焦于一个核心问题：当大语言模型（LLM）被用于知识图谱推理（Knowledge Graph Reasoning, KGR）时，**如何在保证推理可信与可解释的同时，降低噪声干扰与推理成本**。
2026-03-23 12:40:32
339
原创 开源Agent平台Suna完全解析（非常详细），从文件管理到语义搜索RAG实战，收藏这一篇就够了！
Suna 是一款开源的通用 AI Agent 平台，知识库（Knowledge Base）模块是其核心功能之一——让 AI Agent 拥有"记忆"和"专业知识"。本文将从设计理念、系统架构、数据模型、后端实现、前端交互到缓存优化，全面剖析 Suna 知识库模块的工程实践。
2026-03-23 12:38:47
342
原创 多Agent辩论+知识图谱推理全攻略（非常详细），AAAI 2026论文从入门到精通，收藏这一篇就够了！
在传统 KGQA 中，方法往往依赖“图谱里已经包含解题所需的实体与关系路径”。但现实世界的知识图谱建设与维护成本很高，内容更新也滞后，导致缺失事实、缺失实体、缺失关系路径的情况十分常见。此时，单纯依赖 KG 的推理会出现关键证据断裂：模型可能检索不到必要三元组，或者沿着错误路径走偏，从而输出不可靠答案。
2026-03-23 12:35:48
350
原创 李宏毅AI Agent核心技术精讲（非常详细），Context Engineering从入门到精通，收藏这一篇就够了！
这一讲主要想说明：**AI Agent 的关键不只是模型更强，而是如何通过 Context Engineering 把合适的信息、工具和记忆，在合适的时机组织给模型**。因为大模型本身有上下文长度限制，所以真正决定 Agent 能否稳定完成复杂任务的，是上下文压缩、长期记忆、按需调用工具、sub-agent 分工协作等机制；在此基础上，课件进一步讨论了多个 Agent 之间可以形成不同协作结构，甚至出现合作、竞争和社会化互动，并把这种能力延伸到学术研究等真实工作场景中。整体来看，这一讲的核心结论是：**AI
2026-03-23 12:29:06
214
原创 RAG开发从入门到精通：手把手教你从0到1搭建应用（非常详细），小白也能看懂，收藏这一篇就够了！
这篇文章中的选型并非适用于所有场景的最佳方案，而是基于当前广泛应用和流行的技术模块。关于这些模块的具体特点以及可能的替代选型，我们会在后续文章中进行详细分析与解读。
2026-03-22 10:45:00
401
原创 多智能体开发框架选型：AgentScope与LangChain深度对比（非常详细），从入门到精通，收藏这一篇就够了！
在当前的大语言模型应用开发领域，开发者面临着众多框架选择。AgentScope和LangChain各自有着不同的设计哲学和适用场景。
2026-03-22 10:45:00
698
原创 终于讲透了！Harness Engineering重塑工程师核心竞争力（非常详细），Agent时代进阶必看，收藏这一篇就够了！
关注 AI 的同学大概率对这两个词已经不陌生了：提示词工程（Prompt Engineering）和上下文工程（Context Engineering）。前者教你怎么跟模型说话，后者教你往模型的上下文窗口里塞什么内容。但从 2026 年初开始，一个新的词开始在工程圈里流传——**Harness Engineering**。
2026-03-21 21:02:47
679
原创 源于SAM有高于SAM | 告别“瞎猜式”分割！让AI先推理再动手，StAR把准确率干到新高度
你有没有遇到过这种情况：想让AI在照片里找出“最适合野餐的平坦空地”，它却把你家餐桌给圈了出来？或者，让它分割“在派对上最需要被关注的人”，结果它把所有戴帽子的人都标记了一遍？
2026-03-21 21:00:40
337
原创 Claude 多智能体架构全解析：Subagents vs Agent Teams 怎么选？
很多人一看到复杂任务，第一反应就是「上多智能体」。问题的根本不是「要不要用多智能体」，而是「这个任务到底需要什么样的协作方式」。
2026-03-21 20:58:53
392
原创 Agent总出错？Google总结的5种Skill结构全解（非常详细），打造靠谱Agent，收藏这一篇就够了！
Google Cloud Tech 发了一篇很值得认真看的文章，以下是文章内容： 现在做 Agent，很多人还在纠结 SKILL.md 该怎么排版、YAML 怎么写、目录怎么放。这些东西，正在快速变成“公共格式”。
2026-03-21 20:00:01
406
原创 空间指标知识图谱+RAG结合设想
在空间智能系统里，真正难的不是算面积，而是：指标定义混乱、口径不统一、同名不同义、不同数据源冲突、跨城市标准不一致。如果没有**指标语义层**，RAG 只会变成“拼接文本”。
2026-03-21 19:57:52
333
原创 OpenClaw 为什么能“记住你是谁”？一次拆解 AI Agent 的记忆系统
最近 AI Agent 圈子里，一个项目被频繁提起：**OpenClaw🦞。**很多开发者第一次打开它的代码时，都会产生一种很特别的感觉：这个项目不像是在做一个聊天机器人，更像是在设计一套 **AI 的记忆体系**。
2026-03-20 17:41:15
347
原创 检索智能体设计方案全解（非常详细），Retrieval Agent从入门到精通，收藏这一篇就够了！
核心定位：具备自主查询理解、多步迭代、联合检索、动态更新能力的统一知识检索中枢，为上层 Agent（单 Agent/Commander）提供高质量、可追溯、实时性的知识支撑。
2026-03-20 17:40:11
330
原创 一文讲透 OpenClaw 里到底该用 Multi-Agent，还是主 Agent + Sub-Agent
越来越多人开始搭建多Agent系统，也看到sub-agent的用法，困惑于：
2026-03-20 17:38:42
458
原创 多Agent协作是使用Subagents还是使用Agent Teams？
大家在开发复杂Agent任务时，就会立刻想到要去选择多智能体系统（multi-agent systems），但这种近乎直觉的思考方式就一定对吗？
2026-03-20 17:36:05
365
原创 AI工程进入Harness时代：新范式核心技术深度解析（非常详细），从入门到精通，收藏这一篇就够了！
2024年，提示词工程铺天盖地。2025年，上下文工程成了新共识。2026年初，OpenAI扔出一篇博客，提了一个新词：Harness Engineering。
2026-03-20 17:35:02
559
原创 多Agent协同代码开发系统全解（非常详细），架构设计与实现从入门到精通，收藏这一篇就够了！
在大模型技术深度赋能软件开发的当下，单一Agent已难以适配复杂代码构建、迭代分析与长效管理的全流程需求。本文基于一套完整的多Agent代码智能系统设计方案，从内置Agent体系、自动化触发规则、分层记忆管理、标准化工具生态四大核心维度，结合结构化图表与流程图，全面拆解系统的设计逻辑、运行机制与落地细节，为AI辅助开发系统的研发与架构设计提供可复用的参考范式。
2026-03-20 17:33:12
336
原创 RAG 实战：从手写 MVP 链路到生产级优化
摘要**：从零手写 LangChain RAG 链路，解析切片策略、混合检索、重排序（Rerank）及向量数据库实战指南。
2026-03-19 15:04:01
290
原创 WeKnora：面向深层文档理解与智能检索的 RAG 框架
WeKnora** 是一个基于大语言模型 (LLM) 的框架，专为深层文档理解和语义检索而设计，特别擅长处理复杂的异构文档。它采用模块化架构，结合了多模态预处理、语义向量索引、智能检索和大模型推理。
2026-03-19 15:00:43
329
原创 LangGraph框架入门：LangGraph是什么
本系列专栏使用最新的 LangGraph V1.0 和 LangChain V1.0，系统介绍 LangGraph 的主要功能特性，后续也会同步将 LangChain 相关专栏升级至 LangChain V1.0。
2026-03-19 14:51:55
389
原创 多Agent架构核心指南：4种上下文传递策略深度解析，收藏这一篇就够了！
在多 Agent 系统里，上下文怎么传，决定了系统的稳定性上限、成本下限、以及排障时的血压。
2026-03-19 14:50:09
386
原创 构建本地MCP驱动的RAG系统：连接200+数据源的解决方案
如果您想构建一个**检索增强生成**（RAG）系统，那简直是一场噩梦。您不能只连接一个数据源就万事大吉，除非您对半生不熟的答案感到满意。
2026-03-19 14:48:38
319
原创 AI智能体上下文工程实战指南（非常详细），告别提示词内卷，从入门到精通，收藏这一篇就够了！
最近，“上下文工程”（Context Engineering）这个新词在AI领域越来越受关注。人们的讨论焦点，正从原本的“提示词工程”（Prompt Engineering）转移到一个更广泛、更强大的概念上：**上下文工程**（Context Engineering）。Tobi Lutke[1] 把它描述为：“提供所有必要的上下文，让大语言模型能够合理地完成任务的一门艺术。” 他是对的。
2026-03-18 20:30:40
378
原创 让大模型在知识图谱里“玩游戏”（保姆级教程），推理暴涨65%还能解数学题，收藏这一篇就够了！
大模型推理训练一直面临三难困境：数学和代码环境需要昂贵的专家标注，难以大规模扩展；游戏环境训练出的技能过于专业化，无法泛化到其他任务；训练过程缺乏可验证的反馈信号。理想的推理训练环境应该同时具备可扩展性、可泛化性和可验证性——但现实中很难找到这样的环境。
2026-03-18 20:29:14
268
原创 一文搞懂 GraphRAG：当 RAG 遇上知识图谱（保姆级教程），从入门到精通，收藏这一篇就够了！
假设你把公司过去三年的所有周报、会议纪要、项目文档丢进一个 RAG 系统，然后问它："过去一年里，研发团队和产品团队之间的主要分歧有哪些？"——大概率你会得到几段看起来相关的文字片段，但拼不出一个完整的答案。
2026-03-18 20:25:02
792
原创 大厂 RAG 面试通关秘籍（非常详细），从入门到精通，让面试官直呼内行，收藏这一篇就够了！
最近和几个在阿里、美团做大模型应用的朋友聊天，发现现在面试 AI 工程师或者架构师，**RAG（检索增强生成）** 几乎是必考题。
2026-03-18 20:23:33
371
原创 开源 AI 助手平台搭建全攻略（非常详细），多模型 + RAG + 可视化编排，收藏这一篇就够了！
这两年团队里做 AI 应用的人越来越多，但落到日常开发时，经常会遇到几类“反复踩坑”的场景：
2026-03-18 20:21:09
373
原创 微软/蚂蚁/港大GraphRAG项目大比拼（非常详细），开源框架选型从入门到精通，收藏这一篇就够了！
在LLM的应用落地进程中，RAG技术已成为解决模型幻觉、提升垂直领域专业性的重要手段。然而，传统的RAG系统在以下场景会表现出明显的局限性: ① 处理需要跨文档合成信息; ② 理解全局主题; ③ 执行复杂多跳推理的任务时。
2026-03-17 21:17:38
170
原创 RAG核心技术全解析：Embedding选型、面试高频问题与Rerank重排序原理
随着大语言模型（LLM）在各行业的深入应用，一个核心问题逐渐凸显：模型的参数化知识存在时效性局限，且无法直接访问企业私有数据。检索增强生成（Retrieval-Augmented Generation, RAG）技术应运而生，它通过在生成阶段引入外部知识检索，有效缓解了模型幻觉问题，成为当前LLM应用落地的主流架构[2]。
2026-03-17 21:16:00
213
原创 大模型工程化三代范式演进教程（非常详细），从Prompt到Harness架构升级从入门到精通，收藏这一篇就够了！
生成式AI发展至今，大模型的基础推理能力早已实现跨越式突破，行业的核心矛盾也已从“模型够不够聪明”，转变为“如何让大模型的能力稳定、可控、合规地落地到真实生产场景”。从最初的对话机器人，到如今的企业级业务自动化、AI智能体规模化落地，行业用三年时间完成了三次认知升级，逐步形成了三套层层递进、互为补充的工程化范式：**Prompt Engineering（提示词工程）、Context Engineering（上下文工程）、Harness Engineering（驾驭工程，国内权威译法，也译作管控工程）**。
2026-03-17 21:14:26
569
原创 百度大模型面试高频题解析（非常详细），Multi-Agent系统原理从入门到精通，收藏这一篇就够了！
这道题问了三个层次的东西：是什么、有什么好、有什么难。面试官想看到的不是你把 Multi-Agent 的定义背一遍，而是你能不能讲清楚"为什么需要从单 Agent 走向多 Agent"——这个演进背后的技术驱动力是什么，带来了哪些收益，同时又引入了哪些单 Agent 时代不存在的新问题。最好还能结合具体框架或项目经验来说，让面试官觉得你不是纸上谈兵
2026-03-17 21:12:56
294
原创 Spring Boot + DeepSeek 实战教程（非常详细），企业级 AI 知识库构建从入门到精通，收藏这一篇就够了！
摘要**：在信息爆炸的时代，企业如何打破部门壁垒，让沉睡的文档“活”起来？本文分享了一个基于 **Spring Boot 2.7** + **React 18** + **DeepSeek 大模型** 的企业级知识库管理系统实战方案。通过集成 **RAG（检索增强生成）** 技术与 **向量化语义搜索**，我们实现了从“关键词匹配”到“意图理解”的跨越，将员工查找信息的时间从平均 15 分钟缩短至 2 分钟。文章将深入解析系统架构、权限设计、AI 集成核心代码及落地效益，为你提供一套可复制的智能化知识管理解
2026-03-17 21:11:33
320
原创 AI Agent大爆发：10篇论文读懂“龙虾”“奶茶”的技术跃迁
当AI智能体不再局限于“你问我答”的文字交互，而是能承接发邮件、点外卖、整理文件等实际工作，AI便完成了从“对话工具”到“数字助手”的关键跃迁。以OpenClaw（昵称“龙虾”）、阿里千问（因免费点奶茶活动引发关注）、网易有道LobsterAI（有道龙虾）等为代表的智能体，正是这一变革的核心推动者。
2026-03-17 21:09:54
379
原创 本地大模型RAG实战指南（非常详细），LangChain+Ollama向量库构建从入门到精通，收藏这一篇就够了！
本文内容改编自过往客户咨询项目的技术沉淀并且已通过实际业务校验，该项目完整代码与数据已分享至交流社群。阅读原文进群获**取完整代码数据及**更多最新AI见解和行业洞察，可与900+行业人士交流成长；还提供人工答疑，拆解核心原理、代码逻辑与业务适配思路，帮大家既懂“怎么做”，也懂“为什么这么做”；遇代码运行问题，更能享24小时调试支持。
2026-03-17 21:05:28
389
原创 Palantir AIP 架构深度解析（非常详细），企业级AI平台从入门到精通，收藏这一篇就够了！
Palantir AIP 是连接生成式 AI 与运营领域的平台，本文详解其 12 大核心能力，包括安全 LLM 集成、本体系统与代理生命周期，帮助企业构建高效 AI 产品。
2026-03-16 10:02:36
643
原创 Agent长期记忆系统设计实战（非常详细），从架构原理到落地从入门到精通，收藏这一篇就够了！
在大多数Agent系统的开发中，对Memory的处理方式都比较简单直接，常见的两种实现方式：
2026-03-16 09:59:40
667
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