- 博客(158)
- 资源 (1)
- 问答 (1)
- 收藏
- 关注
RSS订阅
原创 不用线索链表的情况下，怎么找二叉树的指定结点在中序遍历中的前驱和后继？
土方法找指定结点在中序遍历中的前驱和后继1.定义结点数据结构2.定义一些公共指针3.插入根结点4.插入新结点5.访问结点的操作6.中序遍历7.土方法构造一个树8.测试9.输出结果所用编译器：Visual Studio Code 1.43.0 C++环境#include <stdio.h>#include <stdlib.h>typedef int ...
2020-03-18 15:00:25
598
9
原创 二叉树的三种遍历方式（先序、中序、后序）代码实现
二叉树的三种遍历方式1.定义结点数据结构2.插入根结点3.插入新结点4.访问结点的操作5.先序遍历6.中序遍历7.后序遍历8.土方法构造一个树9.测试10.输出结果所用编译器：Visual Studio Code 1.43.0 C++环境#include <stdio.h>#include <stdlib.h>typedef int ElemTy...
2020-03-18 12:17:56
4413
3
原创 二叉树的顺序存储（相关基础操作代码实现）
#include <stdio.h>#include <math.h> //其中floor()函数为向下（左）取整，ceil()函数为向上（右）取整#define MaxSize 10typedef int ElemType;//定义树结点typedef struct{ ElemType data; bool isEmpty;}Tree...
2020-03-15 10:48:13
4373
2
原创 数据结构：队列的链式存储（带头结点）
数据结构：队列的链式存储（带头结点）1.结点的数据结构2.队列的数据结构3.初始化4.入队操作5.出队操作6.判空操作7.读队头元素8.测试9.输出结果#include <stdio.h>#include <stdlib.h>typedef int Elemtype;//结点的数据结构typedef struct LinkNode{ E...
2020-02-27 09:56:23
785
2
原创 牺牲一个存储空间的循环队列实现方法
牺牲一个存储空间的循环队列实现方法1.定义循环队列的数据结构2.初始化3.入队操作4.出队操作5.读队头元素6.判空操作7.判满操作8.计算当前队列中元素的个数9.测试10.终端输出结果所用编译器：Visual Studio Code 1.42.1 C++环境#include <stdio.h>#define MaxSize 10typedef int El...
2020-02-25 16:09:36
1538
1
原创 共享栈：定义及基本操作的代码实现
共享栈的定义及基本操作的代码实现所用编译器：Visual Studio Code 1.42.1 C++环境#include <stdio.h>#define MaxSize 15//定义int别名为ElemTypetypedef int ElemType;//栈的数据结构表示typedef struct{ ElemType data[MaxSize]; ...
2020-02-23 15:54:27
1427
原创 顺序表静态分配的基本操作
#include <stdio.h>#include <stdlib.h>#define Maxsize 10//声明一个顺序表typedef struct{//应该写Elemtype data[Maxsize];int data[Maxsize];int length;}SqList;//初始化顺序表void InitList(SqList &...
2020-02-15 15:23:21
705
原创 Kubernetes服务发现机制（二）：Service、Endpoint、EndpointSlice
我们在前面学习了负载均衡相关的基础知识，那么负载均衡在Kubernetes中究竟是如何实现的呢？本节将进行详细介绍Service、Endpoint、EndpointSlice，负载均衡的实际执行者。
2026-09-02 23:02:00
391
原创 Kubernetes服务发现机制（一）：负载均衡基础
本文是Kubernetes服务发现机制系列文章：首先理解服务发布的需求背景、可能遇到的问题，然后从互联网架构发展历程中感知负载均衡的必要性，理解不同层次上负载均衡的模式。
2026-09-02 22:35:25
233
原创 23-大模型智能体开发：Harness工程到底是什么
AI Harness不是一个框架或工具，而是一套让Agent"可评估、可测试、可信赖"的工程方法论。本文从"为什么Agent上线后总是出问题"这个痛点出发，用贴近生活的类比，逐层讲解Harness工程的四大模块——评估（你能打几分？）、基准（跟谁比？）、测试（怎么自动验证？）、安全（会不会被人骗？），以及主流工具和CI/CD实践。
2026-06-21 19:48:02
140
原创 22-大模型智能体开发：Agent被攻击了怎么办
本文涵盖Agent的安全与对齐：Agent特殊安全风险（提示注入/越狱/权限滥用/数据泄露/代理失控）、对齐方法（Constitutional AI/RLHF/系统提示约束/护栏模式）。
2026-06-21 19:07:12
343
原创 19-大模型智能体开发：LangChain & LangGraph有哪些核心API
在学完图结构（State / Node / Edge）后，系统性地掌握 LangGraph 的所有核心 API 方法——包括编译、运行、状态查询与修改、可视化等。这些方法是你在日常开发中**最高频使用**的接口，值得花时间逐个吃透。
2026-06-21 12:55:47
169
原创 21-大模型智能体开发：Agent开发有哪些规范，OpenSpec怎么玩
Agent开发完成后，怎么让别人（和其他Agent）知道它做了什么、怎么设计的、有什么能力和约束？这就需要"能力描述规范"。本文上半部分梳理这个赛道的生态——agents.json、Agent Cards、Agent Protocol、OpenSpec 等项目的定位与差异；下半部分以 OpenSpec 为代表，深入剖析其设计哲学、核心结构与实践用法。
2026-06-20 00:34:00
236
2
原创 20-大模型智能体开发：一文看懂Agent如何线上运维
本文详解Agent上线后的完整运维体系。从上线前的评估验证，到上线后的可观测性三支柱（Logs/Traces/Metrics）、追踪系统（OpenTelemetry/LangFuse/LangSmith/Braintrust）、监控告警、成本管理、安全合规监控，再到持续优化闭环，覆盖Agent全生命周期运维的所有核心知识。每个框架均有完整的使用示例和架构说明。
2026-06-20 00:21:11
277
原创 19-大模型智能体开发：行业视角思考agent开发框架
本文探讨了AI Agent开发框架的行业现状与未来趋势。文章指出当前LangChain、CrewAI等框架的竞争本质上是标准之争，分析了各大厂商的商业动机，并对比了不同框架的适用场景。作者提出三个预测：框架将变得更薄、可观测性将成为开发前提、协议的重要性将超越框架。建议开发者关注底层原理而非具体框架，从简单实现入手，重点培养Agent设计模式、系统设计等长效能力。最后强调应投资于Agent设计模式、系统设计能力和领域知识等"不变的东西"，而非绑定到特定框架上。
2026-06-19 23:57:00
503
原创 19-大模型智能体开发：LangChain&LangGraph实战+完整案例
本文详细讲解了langgraph的多种实战模式：多agent协作、rag知识库、Plan-and-Execute模式编排、Reflection模式等，并讲解了LangGraph生产部署细节，附带一个完整项目实战：智能客服Agent。最后整理了LangChain/LangGraph常见问题和技巧
2026-06-19 23:47:24
211
原创 19-大模型智能体开发：LangChain&LangGraph生产级进阶特性
本文摘要： 《Agent开发框架——LangChain & LangGraph完全指南（三）》聚焦生产级Agent开发的核心挑战与解决方案。文章系统性地剖析了七大关键问题：可控性（错误决策处理）、持久性（执行中断恢复）、性能（流式反馈）、复杂性（子任务管理）、健壮性（异常处理）、长对话（上下文优化）和配置化（多租户支持），并给出对应的LangGraph技术方案。重点介绍了Human-in-the-Loop机制，通过中断控制、状态持久化和流式输出实现生产级Agent的可靠性。
2026-06-19 22:41:15
470
原创 19-大模型智能体开发：LangChain&LangGraph基础指南
本文为langchain、langgraph完全指南（二），主要讲解主流agent开发框架，langchain的安装与配置、包结构、聊天模型、提示词模板、工具系统、LCEL、output parses，以及langgraph的State、Node、Edge等概念与示例。
2026-06-19 22:35:05
653
2
原创 19-大模型智能体开发：LangChain&LangGraph是如何诞生的
这不是一篇普通的技术培训文章。它试图回答两类问题：> - **为什么**：LangChain 为什么被创造？LangGraph 为什么从中分离？每一个设计决策背后的行业痛点是什么？> - **怎么做**：如何用 LangChain + LangGraph 构建生产级 Agent 应用？
2026-06-19 22:27:21
343
4
原创 18-大模型智能体开发工程师：多智能体系统（Multi-Agent System）
本文从零讲解多智能体系统——单个Agent能力有限，多个Agent协作实现"1+1>2"。内容包括：①为什么需要多Agent；②多Agent的核心概念（角色、通信、协调、编排）；③多Agent在Agent技术栈中的定位；④五大架构模式详解（管理者/流水线/对话/群体/层级）；⑤通信机制（共享状态/消息传递/黑板系统/事件驱动）；⑥协调机制（中央调度/共识协议/市场机制/角色协商）；⑦A2A协议；⑧主流框架深度对比；⑨完整实战；⑩工程最佳实践与常见陷阱
2026-06-05 11:05:47
493
2
原创 17-大模型智能体开发工程师：深入学习Agent记忆系统
本文从零讲解Agent记忆系统——Agent从"一次性对话"到"持续进化"的关键基础设施。内容包括：①记忆是什么；②记忆在Agent技术栈中的定位；③记忆类型全景（短期记忆/工作记忆/长期记忆/情景记忆）；④记忆的核心操作（存储/检索/压缩/遗忘四大操作的原理与实现）；⑤记忆检索策略（语义相似度/时间衰减/重要性加权/MMR多样性）；⑥记忆与规划的协同；⑦记忆与反思的协同；⑧完整实战：从零构建一个有记忆的Agent；⑨工程最佳实践与常见陷阱。适合AI小白从零理解Agent记忆系统的本质、定位和实践。
2026-06-04 19:54:49
667
5
原创 16-大模型智能体开发工程师：全面学习Agent Skill系统
本文从零讲解Agent Skill系统——Agent能力的"插件化"组织方式。内容包括：①Skill是什么（定义、与Tool/MCP的本质区别）；②为什么需要Skill（单纯工具列表的四大问题、Skill如何解决）；③Skill在Agent技术栈中的定位（三层架构图解）；④Skill的核心结构（五大组成要素详解与案例）；⑤Skill的生命周期（自动发现→注册→发现→加载→执行→卸载完整流程）；⑥Skill的动态加载与编排（按需加载、冲突处理、组合模式）；⑦Skill生态与标准化；⑧Skill设计的工程原则
2026-06-03 15:52:45
794
2
原创 16.1-大模型智能体开发工程师：从零构建一个Skill系统
本章将**真正动手**创建一个完整的Skill，并构建一个能自动发现、注册、匹配、加载、执行、卸载的Skill管理系统。不是模拟代码，而是可以直接运行的真实项目。
2026-06-03 15:49:59
230
原创 15-大模型智能体开发工程师：深度学习MCP协议（Model Context Protocol）
本文从零讲解MCP协议（Model Context Protocol）——2024年底由Anthropic发布的Agent工具连接标准协议。内容包括：①MCP是什么（定义、为什么需要、它**生效于Agent三层架构的哪一层**）；②MCP架构详解（Host/Client/Server三层模型、三大能力**Tools/Resources/Prompts**及案例、传输方式**Stdio vs SSE vs Streamable HTTP**对比与安全性讨论）；③**MCP协议规范**（JSON-RPC 2.0
2026-06-02 16:43:05
354
原创 14-大模型智能体开发工程师：ReAct推理-行动框架
本文详解ReAct框架——几乎所有现代Agent的推理基础。内容包括：纯ReAct问题（无全局规划、无错误反思、无记忆）、ReAct工作流（Thought→Action→Observation循环）、推理模式（直接推理/推理后行动/推理后放弃）、与传统规划方法对比（FSM/HTN/BFS）、现代Agent对ReAct的扩展（加入规划、反思、记忆），以及何时选择ReAct vs 规划优先的策略建议。
2026-06-01 23:44:52
322
5
原创 13-大模型智能体开发工程师：工具使用（Tool Use）范式
本文阐述Tool Use的完整概念层级（Tool Use→Function Calling/MCP/Skill等实现方式），详解工具描述规范（name/description/parameters JSON Schema）、工具选择策略（模型自动选择/强制调用/禁用）、工具结果处理（结构化返回→模型理解→下一步决策），对比不同模型工具调用能力差异，以及从Function Calling到MCP协议的标准化演进方向。
2026-05-31 23:15:25
374
原创 12-大模型智能体开发工程师：Function Calling原理与实战
本文详解Function Calling机制——没有它Agent只能聊天，有了它Agent能调API、查数据库、发邮件。内容包括：无Function Calling时的变通方案（Prompt解析JSON/ReAct）、Function Calling的完整工作流（工具定义→模型决策→输出结构化→调用执行→结果返回）、OpenAI vs Anthropic工具调用格式对比、多函数并行调用、实战示例（天气查询+数据库+邮件发送），以及Function Calling局限性讨论。
2026-05-31 00:13:33
226
原创 11-大模型智能体开发工程师：Agent概念起源与发展历程
本文从"什么是Agent"出发，梳理Agent概念从哲学到AI的演变，然后**深度解析**LLM Agent发展史上每一个关键项目和事件——它为什么出现、做了什么、结果如何、现状怎样。涵盖ReAct、AutoGPT、BabyAGI、MetaGPT、Function Calling、Devin、SWE-Agent、OpenHands、Manus、Claude Code、Cursor Agent、MCP协议、A2A协议等。最后讲解Agent的核心架构模式。
2026-05-30 18:53:57
567
原创 10-大模型智能体开发工程师：RAG检索增强生成
本文详解RAG技术——解决LLM知识局限（训练数据截止、私有数据未知、专业领域不精）的核心方案，梳理RAG流程（离线索引：文档→分块→嵌入→向量数据库；在线查询：嵌入→向量检索→Top-K→拼接到Prompt→LLM生成），详解关键技术（分块策略、嵌入模型选择、向量数据库选型、混合检索、重排序），提供最简RAG和生产级RAG架构代码，以及常见问题优化。
2026-05-30 16:16:02
208
原创 09-大模型智能体开发工程师：结构化输出与JSON Schema
本文讲解Agent开发中结构化输出的必要性（工具调用、信息提取、多步规划、分类路由、多Agent通信），对比三种实现方法（Prompt约束→JSON Mode→Structured Outputs/JSON Schema），详解JSON Schema核心语法（description/required/additionalProperties/enum）、Pydantic定义Schema、不同模型的结构化输出支持情况，以及输出验证重试和降级策略的工程实践。
2026-05-30 11:47:03
339
原创 08-大模型智能体开发工程师：上下文工程（Context Engineering）
本文阐述从Prompt Engineering到Context Engineering的认知转变——核心工作不是写指令，而是管理LLM看到的全部信息（上下文窗口）；详解上下文窗口本质、"Lost in the Middle"现象、上下文预算管理，以及五大核心技术（上下文压缩、排序优化、动态选择、缓存、长上下文处理策略），附上下文管理器设计框架和反模式分析。
2026-05-30 10:56:53
567
原创 07-大模型智能体开发工程师：提示词工程（Prompt Engineering）
本文系统讲解提示词工程的核心认知和方法论，包括六大设计原则（清晰明确、给出示例、指定角色、分步指导、指定格式、正面描述）、Prompt基本结构、**Prompt消息类型体系**（system/user/assistant/tool四种角色的起源、语义等）、核心提示词技术（Zero-shot/Few-shot/CoT/自我一致性/角色扮演/结构化提示词）、高级模式（提示词链/元提示/方向性刺激提示）以及System Prompt设计规范和常见陷阱（过度依赖等）。
2026-05-24 18:45:32
1036
原创 06-大模型智能体开发工程师：大模型应用开发概述与发展脉络
本文梳理了大模型应用开发的三个时代（Prompt时代→编排时代→Agent时代），详解从最简架构（Prompt→LLM→Response）到生产架构（Agent+Memory+Guardrails+Observability）的四级演进，对比大模型应用vs传统后端开发的核心差异（确定性vs概率性、语义驱动vs数据驱动），总结大模型应用"第一性原理"三大支柱（信息注入、能力扩展、质量控制），并给出完整技术栈全景。
2026-05-24 18:40:29
514
原创 05-大模型智能体开发工程师：本地部署开源小模型实战
本文指导在本地部署开源模型，包括硬件需求评估（显存估算）、Ollama一键部署方案（安装、运行、API调用）、量化技术（FP16/INT8/INT4及GGUF格式质量对比）、HuggingFace+transformers灵活方案、vLLM生产级加速（PagedAttention/连续批处理），以及从HuggingFace下载原始权重自行加载的完整实操（理解config.json/model.safetensors/tokenizer三大核心文件和KV Cache机制）。
2026-05-23 14:30:08
261
原创 04-大模型智能体开发工程师：Tokenization与模型推理流程
本文详解Tokenization（BPE/WordPiece/Unigram三种主流方法）及其对模型"字数限制"、"数错字"和成本的实际影响，并逐步拆解从用户输入到模型输出的完整推理流程（Tokenization→特殊Token→Embedding→位置编码→Transformer层→采样→自回归→Detokenization），涵盖采样参数（Temperature/Top-p/Top-k）和KV Cache加速原理，附OpenAI API实战代码。
2026-05-23 14:27:01
395
原创 03-大模型智能体开发工程师：主流大模型家族与演进
本文梳理了三大模型阵营（OpenAI闭源标杆、开源阵营LLaMA/Mistral/DeepSeek/Qwen、其他闭源Claude/Gemini），详解各系列演进路线和核心创新（如DeepSeek的MLA和细粒度MoE、R1纯RL推理、Claude的Constitutional AI、Gemini的原生多模态、Qwen的MoE+思考模式），并提供2026年模型选型速查表。
2026-05-23 14:25:09
370
原创 02-大模型智能体开发工程师：Transformer架构核心原理
本文从RNN的局限性出发，详解Transformer的核心架构：输入表示层（Token Embedding + 位置编码）、Transformer Block（多头自注意力 + FFN + 残差连接 + 层归一化）、输出层；重点拆解了Self-Attention计算过程、多头注意力、FFN的"升维-激活-降维"本质（模式匹配+知识检索）、MoE演进、以及Encoder-only vs Decoder-only的分野和KV Cache加速原理。
2026-05-23 14:18:56
627
原创 01-大模型智能体开发工程师：AI与大模型发展简史
本文梳理了AI三次浪潮（符号主义→专家系统→深度学习）及从Transformer（2017）到大模型的关键时间线，重点讲解了涌现能力、预训练、微调、对齐（RLHF）和自回归生成等核心概念，帮助理解大模型"为什么是这样设计的"。
2026-05-23 14:14:03
618
原创 00-大模型智能体开发工程师：课程大纲与学习路线
本文是大模型智能体开发工程师的完整学习路线，涵盖5大部分23节课：Part 1（LLM基础知识5课）、Part 2（大模型应用开发基础5课）、Part 3（智能体核心技术7课）、Part 4（工程化与实战6课）、Part 5（总结与进阶1课），总计约8-12周学习周期。
2026-05-23 14:02:57
310
ubuntu-20.04.6-desktop-amd64.iso种子
2023-12-20
TA创建的收藏夹 TA关注的收藏夹
TA关注的人