20年IT老兵｜制造业数据架构与AI落地｜全流程亲手实践｜源码同步开源

多工具协同 Agent 执行任务链时，常因工具返回 “未找到” 而反复调用，最终触发迭代上限中断。本文深入拆解根因：纯文本错误信号无法被 Agent 精准识别，提供「结构化 JSON 返回 + Prompt 容错规则」双层解决方案，让 Agent 学会识别数据缺失并自动跳过，是生产级 Agent 开发的必备容错方案。

LangChain ReAct Agent 调用多参数工具时，反复报 Field required 错误，排查发现完整 JSON 被嵌套塞进第一个参数字段。本文深入剖析 ReAct Agent 参数打包机制，提供 args_schema=None 绕过 Pydantic 自动校验、手动解析参数的完整落地方案，彻底终结嵌套 JSON 问题。

这是作者的专栏文章导航总台账，持续更新AI智能体、本地化AI落地、Python实战等系列内容。作者为20年IT老兵，聚焦制造业AI应用，分享RAG知识库、Agent智能体开发、Python工程化工具等实战经验。目前已发布多篇技术文章，包括本地大模型部署、AI客服系统搭建、亲子编程案例等，所有案例均提供可复用的工程源码。文章按核心主线分类展示，并附更新日志，建议读者关注收藏，不迷路，后续经常内容不断更新。

DolphinScheduler 创建 MySQL 数据源时报错 Cannot load driver class: com.mysql.cj.jdbc.Driver？根本原因是官方因协议兼容问题未内置 MySQL 驱动，且需同时放置到所有模块的 libs 目录才能生效。本文拆解驱动加载的底层逻辑，覆盖版本选择、多目录部署、配置校验全流程，解决类名不匹配、目录遗漏两大高频坑，照着操作即可成功连接。

DolphinScheduler 单机版重启后项目、工作流配置全部丢失？根本原因是默认使用 H2 内存数据库，服务停止数据即清空。本文完整讲解从 H2 内存数据库切换到 MySQL 持久化的全流程，覆盖双配置文件修改、JDBC 驱动部署、数据库初始化三大核心步骤，拆解 YAML 缩进、profile 默认值两个高频踩坑点，照着操作即可实现数据永久保存。

用 3σ 原则做 MES 工单异常检测，总出现好产线天天误报、差产线反而漏检的问题？不是算法错了，是制造业场景适配没做对。本文结合智联工坊 360 条工单实战数据，梳理统计方法层与工程实现层共 9 个高频踩坑点，每条均附真实翻车后果与可落地解法，文末附一键速查表，帮你避开 90% 的常见错误，大幅降低试错成本。

构建 LangChain ReAct Agent 时，常连续遇到 Missing 'Action:' 格式错误、tool_names 变量缺失、agent_scratchpad 转义失效三类报错。本文深入拆解根因，给出完整的正确 Prompt 模板和四条排查规则，一次性根治所有 Prompt 格式类陷阱，适用于所有 create_react_agent 项目，本地小模型场景尤其适用。

LangChain ReAct Agent 调用工具时，Action Input 常自带 Markdown 代码块，导致 JSON 解析抛出 Expecting value 报错。本文拆解根因：模型训练数据形成的格式偏好，单靠 Prompt 无法根治，提供「Prompt 强约束 + 解析层兜底剥离」双层解决方案，可复用到所有工具定义中。

控制台反复输出一行黄色警告：'ConversationBufferMemory' got multiple output keys: dict_keys(['output', 'intermediate_steps'])。这个警告不影响程序运行，但它暴露了一个潜在的隐患——AgentExecutor的return_intermediate_steps=True产生了多个输出键，而ConversationBufferMemory默认只认output键，可能导致记忆存储错位，本文分享如何排坑。

为了更好的控制Agent行为，写了上千字的提示词，Prompt——规则、示例、禁止事项写得清清楚楚。结果AI Agent反而“躺平”了，该调用工具时不调用，不该调用时强行调用。本文揭示一个反直觉的真相：对本地小模型而言，Prompt规则越多，效果反而越差。 附精简Prompt的3条核心原则。

在LangChain中配置了ConversationBufferMemory，Agent却依然“金鱼记忆”——每次对话都像第一次见面。我确定明明传入了memory，为什么就是不生效？本文一起来排查这个90%开发者都会踩的坑：Prompt模板中缺少{chat_history}占位符。附代码对比和3步自检清单。

有个扎心的痛点——工作电脑里面截图越来越多，文件名全是"屏幕截图 2026-06-30 151206.png"，根本不知道哪张是哪张。每次找配图都像在垃圾堆里翻东西。我用WorkBuddy写了个批量重命名工具，28张截图按"日期+主题"自动归档，文件名从此会说话。本文记录完整开发过程，排坑内容后续在A3专栏单独发布，欢迎关注。

针对常见的混合日期格式问题（2026年06月25日与2026-07-21共存），提出分层解析方案：先用正则匹配中文格式，再用pd.to_datetime()兜底处理标准格式，最终统一输出YYYY-MM-DD。作者指出Pandas对中文日期的静默失败风险，强调数据清洗时应先明确源格式，采用正则优先+库函数兜底策略，并建议所有日期字段落库时统一标准格式。该方案来自WorkBuddy数据分析系统的实战经验，适用于处理多源异构数据中的日期混乱问题。

我在与Agent对话时，分三次提供了意图、日期、产线名称，但Agent每次都重新询问缺失信息，感觉傻乎乎的，好像患上“失忆症”。这篇笔记剖析Agent无状态（Stateless）的设计本质，揭示AgentExecutor默认不携带Memory的机制缺陷，并提供ConversationBufferMemory的接入方案。适用于所有基于LangChain构建对话Agent的开发者。

在调用Agent工具时明明传了date参数，却反复报错Field required。排查发现，LangChain的ReAct Agent在生成Action Input时，将整个JSON对象作为字符串嵌套进了line_name字段，导致Pydantic只解析到第一个字段。本文剖析Agent参数生成的内部机制，并提供“防御性JSON解析”的通用解决方案。适用于LangChain 0.3.x版本的Agent工具开发。

我在LangChain的PromptTemplate中嵌入JSON示例时，{"line_name": "交互屏组装A线"}中的花括号被误解析为模板变量，触发INVALID_PROMPT_INPUT错误。这篇笔记深入剖析PromptTemplate的变量解析机制，揭示{}语法与JSON格式的冲突本质，并提供“双花括号转义”与“变量占位符隔离”的解决方案。适用于所有使用LangChain PromptTemplate进行提示词工程的Python项目。

老蒋在PyCharm中编写Pydantic模型时，Field(description="查询产线排班（白班/夜班）")中的中文全角括号（）被Python编译器误认为非法表达式，触发BAD_CHARACTER和“未解析的引用”等飘红警告。老蒋深入剖析Pydantic的Forward Reference（前向引用）编译机制，并提供“统一使用英文标点”的解决方案。适用于所有使用Pydantic v2进行数据建模的Python项目。

《智联工坊实战：制造知识库工具调用Agent从零搭建（OEE+手册+排班）》实战中，执行pip install langchain==0.3.13时，因langgraph等衍生包要求langchain-core>=1.4.4，与锁定的0.3.29版本产生致命冲突，导致安装失败。本文详解版本碎片化的根源，并提供“重建虚拟环境+锁定兼容版本组合”的彻底解决方案。适用于LangChain 0.3.x生态的Python项目。

在Python项目中，运行仅依赖pandas和random的轻量脚本时，因common/__init__.py错误地全局导入langchain.agents相关模块，导致不必要的重型依赖链加载（即使脚本未使用LangChain）。问题根源在于__init__.py设计违反了"最小导出原则"，主动导入了含LangChain依赖的子模块。解决方案是将__init__.py改为轻量级入口，仅导出基础工具函数（如setup_logger），其他依赖改为按需导入。

本文探讨了AI从RAG（检索增强生成）到Agent（智能体）的能力演进，重点分析了两种范式的本质差异：RAG解决"知道"问题，而Agent实现"做到"能力。文章详细拆解了ReAct模式（推理+行动）的核心机制，提炼出工具调用的四大设计原则，包括抽象粒度、描述规范、安全边界和优先级设置。在制造业数据管理场景中，Agent可应用于数据质量巡检、数仓分层设计和数据标准映射等场景，显著提升效率。尽管面临推理成本、可解释性等挑战，Agent仍展现出将数据治理从"人工驱

这是一个基于Python Flask框架开发的简易个人日记本Web应用。项目实现了用户注册登录、日历选择日期、日记编辑保存等功能。主要特点包括： 采用用户认证机制，支持注册/登录，密码使用SHA256加密存储 提供日历导航功能，可按日期查看和编辑日记 数据以JSON格式本地存储，结构清晰 包含响应式前端界面，使用HTML/CSS模板 项目结构简单明了，包含核心功能模块和基本的前后端交互，适合作为编程教学项目或简易日记工具使用。所有源代码已开源共享。

本文介绍了使用Flask框架搭建开发环境的要点：1.环境配置建议使用虚拟环境，注意路径问题；2.关键指令是进入虚拟环境后执行pip安装Flask；3.提供了一个简单的Flask示例代码；4.运行后可通过浏览器访问本地地址查看效果。环境配置是编程基础，需要亲自实践才能掌握。