厚国兄-CSDN博客

原创 FOC电机控制零基础图解教程

本文以图解方式详解FOC（磁场定向控制）原理，从电机旋转本质出发，揭示其核心：始终让定子磁场超前转子90°并精确控制强度。通过Clarke与Park变换，将三相正弦电流转化为静止坐标系下的αβ分量，再转为随转子旋转的dq直流量，实现扭矩与磁链独立控制。结合SVPWM生成占空比，配合角度反馈与电流采样，最终构建完整闭环系统。全文零公式、零微分方程，仅用直观类比与流程图，手把手带你写出最小可运行代码，适合无电机基础者快速上手。

2026-09-09 16:30:48 187

原创大模型AI Agent记忆系统——Graphiti_源码架构与实现教程

nodes,...注意它重点使用new_edges，而不是把已经存在的重复事实反复灌入摘要。把边指向最终实体。Community 不是 Episode，也不是普通实体。它是：一组紧密相关 Entity 的高层抽象。PersonProjectDeviceReminderPreferenceLocationProduct可以通过 Pydantic schema 定义。value: str然后交给 Graphiti extraction pipeline。并通过。

2026-08-20 15:20:49 193

原创 Agent Skills 万千应用 · 第14篇_论文追踪 Skill：自动关注新论文，把资料变成判断

论文追踪 Skill 是一个专门面向“持续追踪研究方向”的 Agent 能力包。它适合关注 AI、医学、机器人、芯片、汽车、材料、教育等领域的人。└─ config/它解决的不是单次搜索，而是长期追踪：设定关键词、作者、机构、来源和时间窗口后，定期生成“新论文简报、精读队列、选题建议、实验启发、待核验项”。网上有官方数据来源可以接入，例如 arXiv 提供程序化访问接口，PubMed 可通过 NCBI 的 E-utilities 查询。

2026-05-29 15:29:08 237

原创 Agent Skills 万千应用 · 第13篇_行业报告 Skill：从一堆网页生成结构化报告

这篇文章介绍了一个名为"行业报告Skill"的工具，旨在帮助用户从大量网页资料中生成结构化行业分析报告。该工具针对行业研究中的痛点，能将几十份网页资料转化为包含结论、证据链、机会点和行动建议的决策导向型报告。文章通过两个真实案例对比展示了该Skill的价值：它不仅提供摘要，更能产出可指导行动的结构化分析。Skill包含多个文件，采用"资料治理+报告写作"的工作流设计，强调证据追溯和质量控制。最后，作者提醒避免将报告写成资料拼贴，并预告下期将介绍论文追踪Skill。配套资源提供了中文增强版的Skill包下载链

2026-05-29 10:16:37 416

原创跑分之外｜创刊号：Opus 4.8 最大的升级，居然是「学会承认自己不知道」

《跑分之外》创刊号聚焦Claude Opus 4.8的升级亮点：核心突破：相比性能参数提升，Opus 4.8更强调「可靠性」，显著改善AI「不懂装懂」的顽疾，主动标记不确定性，代码错误率降低4倍，尤其适合金融分析等严谨场景。能力提升：编程、数学、金融等任务全面优化，部分领域表现超GPT-5.5和Gemini 3.1 Pro，同步推出动态工作流、努力程度调节等实用功能。行业信号：Anthropic在估值超越OpenAI后，以「克制升级」铺垫代号Mythos的更强大模型，反映AI竞赛转向「可信度」与「实用

2026-05-29 10:14:02 351

原创 Agent Skills 万千应用 · 第12篇_竞品监控 Skill：盯住对手网站、更新、价格和功能

竞品监控 Skill 是一个面向产品、销售、运营和创业团队的 Agent 能力包。它不只是收集信息，而是围绕“变化、证据、影响、动作”输出结果。网上已经能找到相近方向的现成 Skill，例如 OpenClaw 技能库里的 competitor-monitoring，以及一些竞品情报类 Skill。但中文小团队更需要轻量、可落地、能直接写周报和销售动作的版本。本篇同步生成了中文增强版：competitor-monitoring-skill-zh-v1.zip。| 文件 | 作用 || — | — |

2026-05-28 15:22:12 367

原创 Agent Skills 万千应用 · 第11篇_AI 新闻情报 Skill：每天自动抓取你关心的 AI 动态

AI 新闻情报 Skill，是一个专门让 Agent 做“定向信息监控”的能力包。它不是简单搜索新闻，而是围绕用户关心的主题，完成采集、去重、分类、评分、核验、总结和行动建议。│ ├── 信息源清单模板.md│ ├── 情报评分规则.md│ └── 输出模板.md网上有通用的信息检索、网页总结、研究类 Skill 可以参考，但面向中文公众号、老板情报、产品机会判断的现成包并不够贴合。不知道每天 AI 动态该看什么写公众号时缺少稳定选题来源老板只想看结论，不想看长新闻。

2026-05-28 15:06:52 504

原创 Agent Skills 万千应用 · 第10篇_企业品牌规范Skill：让所有文档统一成公司风格

企业品牌规范技能，是一个把公司品牌规则封装给智能体使用的能力包。它适合处理销售方案、客户资料、培训手册、公众号文章、招聘文案、客服话术等内容。这个方向网上没有一个完全适配中文企业办公场景的现成技能，所以本篇我生成了一个中文增强版技能包。本篇配套技能包：brand-style-guide-skill-zh-v6.zip。│ ├── 品牌规则.md│ ├── 语气口吻.md│ ├── 术语表.md│ └── 交付检查清单.md│ ├── 销售方案模板.md│ ├── 培训手册模板.md。

2026-05-27 10:37:46 384

原创 Agent Skills 万千应用 · 第09篇_标书/方案书 Skill：帮小团队快速写投标材料

【摘要】"标书/方案书 Skill"是一款针对小团队投标痛点的AI工具，通过结构化流程解决临时拼凑标书的问题。其核心功能包括：1）自动生成响应矩阵，对照招标要求逐项检查；2）按模块生成技术方案、实施计划等内容；3）输出缺失材料清单和风险提示。该工具特别强调投标材料的完整性检查，避免常见错误如遗漏评分点、商务条款不符等。使用方式支持主流AI平台，配套提供检查清单、模板等资源包，帮助团队将投标工作从"应急创作"转变为标准化流程。

2026-05-27 10:26:18 1237 1

原创 Agent Skills 万千应用 · 第08篇_合同初审 Skill：把合同风险点标出来

摘要：本文介绍了一款针对中文商务合同的AI初审工具——合同初审Skill，旨在帮助业务人员快速筛查合同风险点。该工具能精准识别付款条款、违约责任等关键内容，并以结构化表格输出风险项、原文位置、修改建议等实用信息。相比普通AI的泛泛总结，该Skill提供可落地的风险清单，适用于销售、采购、外包等常见合同类型。文章通过真实案例展示了其实际效果，并强调必须标注原文位置、避免法律误导等使用规范。配套资源包含完整Skill包，支持ChatGPT、Claude等主流AI平台调用。

2026-05-26 11:07:30 1230

原创 Agent Skills 万千应用 · 第07篇_商务邮件回复 Skill：按你的语气写出可直接发送的邮件

摘要：商务邮件回复Skill专为解决职场邮件沟通痛点设计，能根据对象、诉求和目标自动生成专业得体的回复。相比普通AI回复的模糊客套，该Skill能精准判断客户催进度、供应商涨价等场景，输出包含原因说明、明确时间、补救措施的结构化内容。其核心机制通过渐进式加载关系判断、语气选择和风险检查模块，确保回复既专业又不失立场。适用于主流AI平台，需避免编造事实、过度承诺等常见错误。配套资源提供完整Skill包，助力高效商务沟通。

2026-05-26 11:01:14 409

原创 Agent Skills 万千应用 · 第06篇_会议纪要 Skill：从录音/文字到行动项追踪表

原始转写片段：“首页先按方案 A 走吧，B 的动效太重。张工这周把接口字段补一下，测试那边等字段稳定后再排用例。客户演示我们先约下周三，但预算那块还没最终确认。普通 AI 输出：本次会议讨论了首页方案、接口字段、测试安排和客户演示，建议后续继续推进相关工作。类型输出结果决议首页改版采用方案 A，暂不采用方案 B行动项张工补充接口字段清单截止时间本周五 18:00 前依赖关系测试用例排期依赖接口字段稳定风险客户预算未最终确认，可能影响演示后的成交节奏。

2026-05-25 10:08:22 913

原创 Agent Skills 万千应用 · 第05篇_周报/月报 Skill：自动生成老板看得懂的工作总结

周报/月报 Skill 是一个面向中文办公场景的工作总结能力包，适合研发、销售、运营、项目管理、个人复盘等场景。目前网上有通用写作类、文档类 Skill，但没有一个完全贴合“中文职场周报/月报”的标准包，所以本篇我直接生成了一份中文增强版：work-summary-skill-zh-v1.zip。它的目录结构很简单：SKILL.md 负责定义触发条件、输入要求和输出规则；references/ 存放周报模板、月报模板、老板视角检查清单；scripts/ 提供把任务记录整理成初稿的辅助脚本；

2026-05-25 09:56:13 1022

原创 Agent Skills 万千应用 · 第04篇 Excel 分析 Skill：让 Agent 会整理表格、建公式、画图表

🧩Excel 分析 Skill 是什么？它是一个专门处理 Excel / CSV / 表格数据的 Agent 能力包。表头混乱、字段缺失、重复数据；公式错位、汇总口径不一致；图表不好看，无法说明问题；AI 输出结论没有数据来源；表格处理结果无法复查。网上已有现成方向：Anthropic 官方 Skills 仓库里有xlsxskill，用于打开、读取、编辑、修复、创建电子表格；OpenAI Codex 也支持由组成的 Skill 目录。。

2026-05-22 09:31:55 1334

原创 Agent_Skills_万千应用_第03篇_PPT 生成 Skill：从资料到可演示幻灯片

PPT 生成 Skill 是一个专门帮助 Agent 生成演示材料的能力包。它通常不只是一个 prompt，而是一个包含说明、脚本、检查清单和模板资源的文件夹。典型结构如下：网上已有现成参考：Anthropic 官方开源仓库里有 pptx skill，用于创建、读取、编辑、合并、拆分 PPT 文件。OpenAI Codex 也把 Skill 定义为包含 SKILL.md 和可选 scripts、references、assets 的目录。

2026-05-22 09:23:22 726

原创 Agent_Skills_万千应用_第02篇_Word 排版 Skill：把 AI 内容变成可交付公众号文档

Word 排版 Skill 是一个面向中文办公交付的 Agent 能力包，重点解决“内容有了，但文档不好交付”的问题。它通常包含 SKILL.md、排版规则、渲染检查清单、模板资源和辅助脚本。网上已经有通用 docx skill，比如 Anthropic 官方仓库里的 docx skill，适合创建、读取、编辑 Word 文档。但公众号和中文办公交付更需要额外规则：短标题、图文穿插、表格稳定、Markdown 资源包、页面渲染检查。

2026-05-21 13:54:59 737

原创 Agent_Skills_万千应用_第01篇_PDF 处理 Skill：让 Agent 真正会读、会拆、会抽取 PDF

摘要：本文介绍了一个专为处理PDF文件设计的Agent技能包(PDF Processing Skill)，可解决办公场景中常见的PDF处理痛点。该技能通过"判断-加载-执行-检查"的流程，实现报告摘要、发票整理、合同初筛、表格抽取和拆分合并五大功能。相比普通提示词，它能提供带页码的关键结论、标记异常项、避免编造内容，显著提升PDF处理的实用性和可靠性。文章通过合同初筛和报价单抽取两个案例对比展示了实际效果，并提供了使用方法和避坑指南。该技能适用于ChatGPT、Claude等多种AI平台，特别适合中文办公场

2026-05-21 13:14:46 686

原创 Agent 工程化系列 · 第 18 篇_Agent 的下一步：从聊天助手，到数字员工，再到企业协作网络

文章摘要： Agent技术正从聊天助手向任务执行系统演进，未来将形成企业级协作网络。其发展分为三阶段：1）任务助手阶段，聚焦目标拆解与工具调用；2）数字员工阶段，明确角色边界与交付标准；3）企业协作网络阶段，实现多Agent专业化分工（如检索、法务Agent等）。短期落地场景需满足任务边界清晰、结果可验证等条件，如情报分析、代码审查等。开发者应关注四大产品化边界（场景窄、权限清、结果可验、成本可控），并建议从垂直角色切入。技术底座将朝结构化思考、工具标准化、A2A协作等方向演进，最终重构工作组织方式。

2026-05-20 10:16:46 551

原创 Agent 工程化系列 · 第 17 篇_Agent 技术问题总结：把前 16 篇的关键概念串起来

摘要：本文是Agent工程化系列的第17篇，旨在整合前16篇的核心概念，构建一套完整的Agent系统设计框架。文章指出Agent工程化并非单一技术选型，而是需要将LLM（能力核心）、Workflow（确定性流程）、Function Call（工具调用）、MCP（连接协议）、Skills（任务方法）、A2A（Agent协作）、Memory（状态管理）、RAG（知识检索）及安全可靠性等模块系统化组合。关键结论包括： LLM与Agent分工：LLM负责语言理解，Agent负责目标驱动的任务执行； Workflo

2026-05-20 09:43:01 365

原创 Agent 工程化系列 · 第 16 篇_Agent 项目为什么经常失败？不是模型不够强，是工程没设计好

摘要： Agent项目常因工程化不足而非模型能力导致失败。Demo与生产环境的差距在于稳定性、异常处理与持续交付能力。失败主因包括：任务全丢给Agent导致失控、边界模糊、工具设计粗糙、缺乏状态管理、无评估观测及安全缺失。成功路径应聚焦窄任务，拆分确定性与不确定性流程，确保工具可靠、状态可恢复，并内置安全边界。生产级Agent需平衡自动化与可控性，逐步从半自动过渡到全自动，强调可观测、可评估与风险控制。核心观点：工程优先：Agent失败多因系统设计缺陷，非模型性能关键要素：明确任务边界、可靠工具链、状

2026-05-19 09:33:44 386

原创 Agent 工程化系列 · 第 15 篇_一个真正能落地的 Agent 系统，至少要有这 8 个模块

文章摘要：本文系统阐述了Agent工程化的核心模块，指出Agent并非单一模型或Prompt，而是由8个关键模块组成的应用系统。这些模块包括：用户入口与任务边界、意图识别与规划、模型层与上下文工程、工具系统、记忆与状态管理、执行引擎、安全治理以及可观测性评估。文章强调，落地Agent需平衡模型能力与工程治理，通过模块化设计实现任务推进、工具调用和安全管控。最小可行架构应从单Agent闭环开始，逐步扩展协作与自动化能力，避免因过度追求复杂度导致系统失控。

2026-05-19 09:15:16 1430

原创 Agent 工程化系列 · 第 14 篇_RAG和Agent是什么关系

RAG与Agent的关系解析：RAG解决知识获取问题，通过检索外部知识库补充LLM的局限性；而Agent专注于任务推进和决策执行。二者结合形成三种模式：固定RAG、RAG作为工具和Agentic RAG（具备动态信息获取能力）。工程落地需关注数据治理和检索质量，而非单纯向量库技术。本质上，LLM是大脑，RAG是知识入口，Agent是执行系统，二者协同提升智能系统能力。（149字）

2026-05-18 09:56:30 451

原创 Agent 工程化系列 · 第 13 篇_Agent安全与可靠性如何保障

摘要： Agent的安全与可靠性保障需从多维度构建防线。相比Chatbot，Agent因具备执行能力而风险更高，可能误删文件、泄露隐私或改动生产配置。主要风险包括提示词注入、权限过大、工具污染、信息泄露和执行循环失控。防护措施包括：权限最小化（按需授权工具和功能）、工具调用校验（参数合法性、内容权限和风险等级检查）、人工审批介入（高风险动作强制审批）。可靠性需关注超时、重试、幂等、状态机、回滚和日志追踪。最终架构应分层设计，涵盖输入清洗、策略引擎、工具网关和沙箱环境，确保Agent在可控范围内执行任务。（

2026-05-18 09:41:20 533

原创 Agent 工程化系列 · 第 12 篇_Agent记忆系统怎么设计

本文探讨了Agent记忆系统的设计理念与实现方案。文章指出，Agent记忆不应简单等同于聊天记录存储，而应是一套完整的状态管理系统，需要解决记忆的筛选、存储、读取、更新和权限控制等问题。作者提出了五层记忆架构设计：上下文窗口、会话记忆、任务状态、长期记忆和知识检索，并详细阐述了记忆的写入与读取链路。文章还介绍了最小可落地的记忆系统架构，包含聊天日志、状态数据库、记忆数据库和向量检索四个部分，强调记忆系统需要包含关键元数据字段以实现有效治理。最后，作者提醒记忆系统必须考虑安全风险，包括信息准确性、权限隔离和用

2026-05-15 09:29:25 589

原创 Agent 工程化系列 · 第 11 篇_A2A和MCP的关系：MCP 管工具，A2A 管协作

本文探讨了Agent工程化中的MCP和A2A协议的关系与分工。MCP是Agent与外部工具、数据和上下文之间的连接协议，解决"向下使用外部能力"的问题；A2A是Agent之间的协作协议，解决"横向委托任务"的问题。在真实场景中，二者往往配合使用：A2A负责Agent间的协作，MCP负责单个Agent内部的能力接入。文章通过企业周报Agent的案例，展示了如何合理划分边界：简单工具能力走MCP，独立任务执行者通过A2A协作。最终指出，有价值的Agent工程应让每个Agent专注擅长领域，实现内部工具稳定接入和

2026-05-15 09:04:52 408

原创 Agent 工程化系列 · 第 10 篇_A2A协议是什么？当一个 Agent 开始调用另一个 Agent

本文介绍了Agent2Agent（A2A）协议，这是一种Agent间的标准化协作协议。A2A解决了多个专业Agent如何分工协作的问题，通过定义Agent Card、Message、Task等核心对象，实现任务级协作。与MCP协议专注于工具连接不同，A2A专注于Agent间的任务委托和结果整合。文章阐述了A2A的适用场景（如企业采购、客户服务等）和工程落地时的边界控制要点，强调A2A标志着Agent技术从"单体智能"向"协作型智能系统"的演进。A2A与Function

2026-05-14 10:27:04 458

原创 Agent 工程化系列 · 第 09 篇_FunctionCall_MCP_Skills三者区别与协作

本文探讨了Agent工程中的三个核心概念：Function Call、MCP和Skills的区别与协作关系。Function Call负责单次工具调用的结构化请求生成；MCP作为连接协议，解决工具生态碎片化问题；Skills则是可复用的任务流程包。三者各司其职：Function Call执行具体调用动作，MCP构建工具网络，Skills沉淀标准流程。在工程实践中，应根据具体需求选择合适的技术方案，三者组合才能构建完整的Agent系统。文章通过实例说明三者如何协作完成复杂任务，并提供了技术选型的实用建议。

2026-05-14 10:11:00 391

原创 Agent 工程化系列 · 第 08 篇_Skills是什么和Prompt有什么区别

摘要： Skills是Agent工程化中的可复用工作流能力，不同于临时Prompt，它将稳定任务的步骤、规范、示例和脚本打包，形成可维护、可共享的工程资产。Skill包含SKILL.md文件及辅助资源，按需加载执行，确保任务一致性。适用于高频、复杂且需标准化的任务（如报告生成、代码审查），而简单临时任务仍用Prompt解决。Skills与Function Call（工具调用）、MCP（工具接入）协同，分别解决流程方法、动作执行和连接标准化问题，共同提升Agent的任务处理能力。核心价值在于将经验沉淀为可复用

2026-05-13 09:10:21 756

原创 Agent 工程化系列 · 第 07 篇_MCP解决了什么实际问题

本文探讨了MCP（Model Context Protocol）在AI工程化中的核心价值。MCP并非解决单一工具调用问题，而是通过标准化三类能力（Resources、Tools、Prompts），构建AI应用与外部系统间的统一连接标准，解决工具生态碎片化问题。相比传统N×M适配方式，MCP将能力封装为AI易理解的接口，同时强调需配合权限治理、安全审计等机制才能实际落地。其本质是为Agent生态建立标准化的能力接入层，而非替代现有API。

2026-05-13 08:56:32 441

原创 Agent 工程化系列 · 第 06 篇_MCP是什么协议

MCP（Model Context Protocol）是AI应用连接外部工具和上下文的标准协议，被称为"AI应用的USB-C"。它通过标准化工具、资源和提示模板的接入方式，解决Agent工程中的N×M集成问题。MCP包含Host、Client、Server三层架构，基于JSON-RPC 2.0实现通信，与Function Call协作完成能力调用。工程落地需考虑本地/远程部署和安全边界控制，强调权限管理和调用审计。MCP不是提升模型能力，而是为Agent提供标准化外部连接方案，促进工具生

2026-05-12 13:17:35 531

原创 Agent 工程化系列 · 第 05 篇_FunctionCall底层到底怎么实现

Function Call 底层实现解析：模型生成结构化调用意图，应用程序执行工具并回填结果。关键点包括：1）模型输出工具调用请求而非执行代码；2）JSON Schema 提供稳定接口定义；3）工具执行器负责安全校验和实际调用；4）需设置多轮调用的安全边界。本质是将模型语言能力与外部系统对接，使AI从"会聊天"升级为"能办事"。工程实现需注意权限控制、参数校验和风险分级等安全机制。

2026-05-12 13:12:43 454

原创 Agent 工程化系列 · 第 04 篇_FunctionCall是什么

文章摘要： Function Call是大模型从"会说"到"会做"的关键技术，它让模型能生成工具调用请求而非直接执行函数。其核心流程包括：工具定义、模型判断、应用执行、结果返回和最终回复生成。工程实现需关注工具定义清晰度、参数结构化、安全边界和多轮调用处理。相比传统API调用和结构化输出，Function Call的特点是让模型自主判断何时调用工具。设计好工具需遵循职责单一、参数明确、结果简洁等原则，对高风险操作需额外保护措施。该技术为Agent系统接入外部能力奠定了

2026-05-11 16:59:46 401

原创 Agent 工程化系列 · 第 03 篇_Agent有哪些工作模式

本文系统梳理了Agent的六种工作模式及其适用场景：单轮工具调用（简单查询）、ReAct循环（探索型任务）、Plan-and-Execute（结构化长任务）、Reflection（质量优化）、多Agent协作（复杂专业任务）和Human-in-the-loop（关键确认）。文章强调Agent的核心在于动态决策权，而非拟人化程度，并指出工程实践中应根据任务复杂度选择合适模式，从简单方案开始逐步扩展，同时注重边界控制和可靠性验证。不同模式在决策复杂度、工具调用、状态管理等方面存在显著差异，需结合实际需求权衡选择

2026-05-11 14:02:04 784

空空如也

空空如也