- 博客(471)
- 资源 (20)
- 收藏
- 关注
RSS订阅原创 AgentScope Java 2.0 集成在线训练（Training）：让你的 Agent 越用越聪明
在线训练（Online Training）是一种在生产环境的实时系统中，利用真实用户交互数据持续优化智能体（Agent）行为的训练范式。维度离线训练（传统）在线训练（AgentScope）数据来源预先标注的静态数据集生产环境实时交互轨迹训练时机开发阶段 / 定期批量运行中持续进行更新频率周级 / 月级小时级 / 天级数据新鲜度可能过时始终反映最新业务部署影响需要停机或灰度切换模型热更新，零停机反馈闭环人工标注 → 训练 → 评估。
2026-08-28 07:57:33
627
原创 AgentScope Java 2.0 集成 Chat Completions Web：一行依赖让你的 Agent 变身 OpenAI 兼容服务
agents:# 如果客户端未提供 system message，自动注入你是XX公司的智能客服。请保持专业、友好的语气。如果无法解决问题，请引导用户联系人工客服。Chat Completions Web 协议适配器是 AgentScope Java 生态中投入产出比最高维度收益集成成本一行 Maven 依赖 + 几行 YAML 配置前端改造零（标准 OpenAI 格式）生态兼容所有 OpenAI SDK / 工具 / 平台直接可用多 Agent 支持。
2026-08-28 07:45:00
345
原创 AgentScope Java 2.0 集成 Scheduler 调度器：让智能体“按时上班“的生产级定时调度实战
AgentScope Java 的 Scheduler 集成，为智能体系统补上了"时间维度价值维度具体收益自动化Agent 按计划自动执行，无需人工触发可管理白屏化配置、执行历史、日志查看可观测全链路追踪、执行指标、异常告警高可靠分布式协调、失败重试、超时控制框架无关HTTP Agent 接入，任何框架的 Agent 均可被调度弹性伸缩按需唤醒/休眠，资源利用率最大化Quartz（轻量/嵌入式）→ XXL-JOB（分布式/可视化）→ SchedulerX（托管/全功能）开发阶段。
2026-08-28 07:00:00
784
原创 AgentScope Java 2.0 深度集成 Nacos：智能体注册发现、技能管理与动态治理全实战
Nacos 在 AgentScope Java 生态中扮演着"智能体控制面价值维度具体收益统一发现Agent 像微服务一样注册、发现、健康检查，跨语言跨框架互通技能治理SKILL.md 集中存储、版本管理、灰度发布、热更新，无需重新部署工具治理MCP Server 统一注册、存量 API 零改造接入动态配置模型参数、Prompt、工具开关实时下发，秒级生效企业级治理命名空间隔离、RBAC 权限、操作审计、高可用集群。
2026-08-27 08:50:31
616
原创 AgentScope Java 2.0 集成 Higress AI 网关：智能体流量治理的生产级实战
Higress AI 网关在 AgentScope Java 生态中扮演着"智能体流量中枢价值维度具体收益统一接入一套 OpenAI 兼容 API 对接所有模型，Agent 代码零改动切换模型精细管控Token 级限流 + 消费者配额，成本可量化、可预测高可用多级 Fallback + API Key 轮转，模型故障秒级切换安全合规统一鉴权、内容安全、审计日志，满足企业合规要求可观测全链路 Trace + Token 指标 + 效果对比，数据驱动优化成本优化。
2026-08-27 08:20:54
609
原创 AgentScope Java 2.0 协议集成全景解析：A2A、AG-UI、Agent Protocol 三大开放协议实战指南
2025 年 4 月，Google 发布 A2A（Agent-to-Agent）协议；2025 年 5 月，CopilotKit 团队推出 AG-UI（Agent-User Interaction Protocol）。AI Agent 生态正在经历从"各自为政"到"协议互通"的关键转变。语言栈多样化：核心业务团队用 Java/Go，算法团队用 Python，跨语言协同困难框架碎片化：LangChain、AutoGen、CrewAI、AgentScope 各有各的接口规范前端适配重复造轮子。
2026-08-25 14:56:56
852
原创 AgentScope Java 2.0 技能仓库（Skill Repository）完全实战指南
"develop", // 分支Path.of("/var/skills/repo"), // 本地路径（null = 临时目录）"agentscope-public", // source 标识（在 Toolkit 里能看到）true // autoSync = true，每次读自动检查并 pullds,"skill_center", // 库名"ops_skills", // 技能表"ops_skill_resources", // 资源表true // 自动建库建表。
2026-08-25 13:43:26
378
原创 AgentScope Java 2.0 RAG 知识库集成全攻略：从自建向量库到第三方平台，一篇讲透
使用 Simple + InMemoryStore 快速验证 RAG 效果用 TikaReader 兜底解析各种格式文档调整 scoreThreshold 和 limit 找到最佳召回参数✅ 用同一套代码接入 5 种不同的知识库后端✅ 在自建与托管之间自由切换✅ 通过 RAG Mode 灵活控制检索时机✅ 将检索能力封装为工具，赋予 Agent 自主决策能力。
2026-08-24 09:09:35
523
原创 旧 REST 接口封装成 MCP 服务：完整实战指南
文章摘要：本文探讨如何将传统Java REST服务（如Spring MVC）快速适配AI Agent调用的MCP协议，实现零代码改造。通过对比三种方案（Spring AI MCP Server、Java SDK独立进程、Python/TS代理），重点推荐基于Spring Boot 3.x的注解式开发模式。方案演示了如何通过@Tool注解将旧接口包装为AI可理解的语义化工具，包括参数描述、异常处理和响应优化，最终形成"旧服务不动→MCP适配层→AI调用"的三层架构，5分钟即可完成基础对接。
2026-08-20 09:38:29
378
原创 JDK Lambda 表达式中的异常处理：从原理到最佳实践
本文介绍了 Java Lambda 表达式中处理受检异常的三种主要方案： Lambda 内部 try-catch：简单直接但代码臃肿，适合简单场景 包装函数模式：通过定义可抛异常的函数式接口和适配器，将受检异常转为运行时异常 Sneaky Throw：利用类型擦除绕过编译器检查，保留原始异常类型 其中包装函数模式最为通用，既能保持代码简洁，又能统一异常处理策略；Sneaky Throw 则适合需要精确控制异常类型的场景。文章通过代码示例展示了每种方案的实现方式和使用场景，帮助开发者在保持 Lambda 表达
2026-08-20 07:45:00
420
原创 AgentScope Java 2.0 Agent 状态存储（AgentStateStore）深度解析：构建可恢复、可扩展的智能体运行时
文章摘要 本文系统介绍了AgentScope Java 2.0中的AgentStateStore状态持久化解决方案。针对AI智能体在生产环境中面临的状态管理挑战，该框架通过统一接口实现了状态序列化与存储后端的解耦，支持智能体崩溃恢复和跨节点共享。 核心内容包括： AgentStateStore接口设计，采用(userId, sessionId)二元组寻址模型 五种存储实现方案对比，包括内存、本地文件、Redis、MySQL和OSS 重点解析Redis实现的架构设计，支持多种客户端接入 MySQL方案适用于需
2026-08-20 06:45:00
955
原创 AgentScope Java 2.0 长期记忆集成深度解析：让智能体真正“记住“用户
AI智能体的长期记忆：AgentScope Java 2.0解决方案 大语言模型驱动的AI智能体正从简单问答工具发展为持续交互的助手，但其无状态特性导致无法保留用户认知。AgentScope Java 2.0通过统一的LongTermMemory接口和三种实现（Mem0、百炼记忆、ReMe）解决了这一问题： 核心功能：支持跨会话记忆、知识积累、个性化响应和上下文连贯 三种实现： Mem0：通用语义记忆，支持多租户隔离和元数据过滤 百炼记忆：阿里云托管服务，具备Rerank/Judge/Rewrite高级处理
2026-08-19 09:16:02
573
原创 AgentScope Java 2.0 集成生态全景解析：构建企业级智能体系统的集成之道
AgentScope Java 2.0 企业级智能体集成架构解析 阿里巴巴开源的 AgentScope Java 2.0 构建了一套完整的智能体集成生态体系，通过模块化设计解决 AI 智能体落地企业系统的核心挑战。该框架提供十大集成领域： 模型提供商：支持 OpenAI/DashScope/Gemini 等多模型统一接入，通过 ModelRegistry 实现动态切换 分布式存储：Redis/MySQL/OSS 后端支持生产级状态持久化 沙箱环境：Docker/Kubernetes/AgentRun 等多方
2026-08-19 09:02:02
1003
原创 Sinks API：Project Reactor 中程序化发射数据的现代方案
React 3.4 引入的 Sinks API 替代了旧版的 Processor API，解决了线程安全、背压处理和错误反馈等问题。Sinks 提供了清晰的类型体系（Many/One/Empty）和多播模式（Unicast/Multicast/Replay），支持两种发射方式：tryEmitXxx（返回枚举结果）和 emitXxx（回调处理）。EmitResult 枚举明确反馈失败原因，如终端状态、背压溢出等。相比 Processor，Sinks 实现了生产者/消费者分离，提供更健壮的响应式编程体验。
2026-08-19 06:45:00
392
原创 响应式流中的错误处理：Project Reactor 异常治理全体系
摘要： 在响应式编程中，传统的异常处理模型（try-catch-finally）失效，因为错误是异步信号（onError），而非同步抛出。Reactor 将错误视为数据流的一部分，支持变换、过滤、重试和降级。 核心机制： 错误传播 - 错误信号（onError）会终止流，后续数据不再发射，除非被操作符拦截。 错误处理方式： subscribe() - 提供最终兜底处理，但仅适用于终端消费。 doOnError - 记录错误（日志、指标），但不改变错误传播。 onErrorReturn - 用默认值替代错误，
2026-08-18 07:45:00
418
原创 深入 Project Reactor：从原理到工程实践的全面指南
本文介绍了响应式编程的核心概念及其在Java生态中的实现——Project Reactor。主要内容包括： 响应式编程的必要性：传统线程模型存在资源瓶颈，响应式编程通过异步非阻塞和事件驱动机制提高系统吞吐量，同时支持背压控制。 Project Reactor架构：作为Spring WebFlux的基础，实现了Reactive Streams规范，提供Mono(0/1元素)和Flux(0-N元素)两种核心发布者类型，支持函数式、声明式编程。 核心原理：详细解析了Reactive Streams规范的四个关键接
2026-08-18 07:00:00
547
原创 线程调度与 Schedulers：Project Reactor 并发模型的核心引擎
本文系统介绍了Reactor中的线程调度机制，重点分析了Scheduler接口及其实现。主要内容包括： Scheduler的核心定义与Worker工作单元概念 Reactor内置调度器的分类与适用场景： immediate()：当前线程执行 single()：共享单线程 parallel()：固定线程池，适合CPU密集型任务 boundedElastic()：弹性线程池，替代废弃的elastic() 自定义调度器创建方式 subscribeOn与publishOn操作符的区别： subscribeOn影响整
2026-08-18 06:30:00
557
原创 程序化创建响应式序列：Flux.generate、Flux.create 与 Flux.push 深度解析
本文深入解析了 Reactor 框架中程序化创建响应式序列的三种核心方法： Flux.generate() - 同步有状态生成器 适用于数学序列、状态机等同步数据生成 严格遵循背压，每次最多发射一个元素 典型应用：Fibonacci数列、计数器等迭代场景 Flux.create() - 异步多线程桥接器 用于桥接回调式API或异步事件源 提供线程安全的FluxSink，支持多线程发射 典型应用：消息监听器、传感器事件等异步场景 Flux.push() - 异步单线程桥接器 类似create()但非线程安全，
2026-08-17 07:15:00
537
原创 创建 Flux/Mono 并订阅：Project Reactor 响应式编程的第一步
本文系统梳理了Project Reactor中Flux和Mono的创建与订阅机制。核心观点是响应式流的惰性特性——声明不等于执行，只有订阅(subscribe)才会触发数据流动。 主要内容包括： 创建Flux的多种方式：just()、fromIterable()、range()等 创建Mono的常用方法：just()、empty()、error()等 subscribe方法的多种重载形式，从简单消费到完整控制 背压机制通过Subscription实现流量控制 使用BaseSubscriber进行精细化的订阅
2026-08-17 06:30:00
817
原创 Mono：Project Reactor 中最精巧的响应式原语
摘要 Mono是Project Reactor中的核心响应式类型，用于处理最多产生0或1个结果的异步操作。作为Reactive Streams Publisher的实现，它遵循onNext、onComplete和onError的信号协议。文章详细介绍了Mono的多种创建方式，包括从已知值创建、惰性创建、桥接阻塞代码、转换Flux等，并对比了关键方法的区别，如just（立即计算）与fromSupplier（惰性计算）。此外，还讲解了核心操作符如map和flatMap的用法，强调Mono在Spring WebF
2026-08-16 18:15:00
409
原创 Flux 与 Mono：Project Reactor 核心响应式类型深度解析
Flux与Mono是Project Reactor中实现响应式编程的两个核心类型。Flux表示0到N个元素的异步序列，适用于集合遍历、事件流等场景；Mono表示0或1个元素的异步结果，类似于Optional与CompletableFuture的结合。两者都遵循Reactive Streams规范，支持丰富的创建方式和转换操作，并能相互转换。Flux适合处理多个数据项，Mono则更适合单一结果操作。理解它们的特性和使用场景是掌握响应式编程的基础。
2026-08-16 07:30:00
690
原创 AgentScope Java Harness：10. Channel Agent 通信的“神经系统“设计
摘要： AgentScope Harness 提出 Channel 作为多智能体系统的通信基础设施，解决传统服务通信与Agent交互的认知错位问题。Channel 不是简单的消息队列，而是面向Agent认知设计的交互协议，支持语义理解、动态路由与上下文感知。其核心包含三类通道： Direct Channel（点对点明确通信） Broadcast Channel（广播式协作，Agent自主决策响应） Routed Channel（基于语义/策略的智能路由） 通过结构化消息（AgentMessage）和标准化交
2026-08-15 07:45:00
654
原创 AgentScope Java Harness：9. Plan Mode 让 Agent 先想清楚再动手
本文介绍了一种名为Plan Mode的新型Agent认知架构，旨在解决传统ReAct范式在复杂任务中的局限性。Plan Mode通过引入"规划-执行-反思"的三阶段模型，将Agent从盲目试错的反应式执行者升级为目标驱动的规划者。 核心创新点包括： 结构化规划阶段：生成包含任务分解、依赖关系和成功标准的Plan对象 基于规划的定向执行：在保留ReAct循环的同时，以计划为导向逐步完成子任务 主动反思机制：通过结构化评估实现自我纠正和计划调整 与纯ReAct相比，Plan Mode通过显式的工作记忆外化（结构
2026-08-15 06:15:00
372
原创 AgentScope Java Harness：6. 沙箱（Sandbox）让 Agent 在安全笼子里自由奔跑
摘要： 随着Agent能力的增强，其执行层面的风险也显著增加，如误操作可能导致系统文件被删除等严重后果。AgentScope Java 2.0通过沙箱隔离技术解决这一问题，将Agent的文件读写、命令执行限制在独立环境中，确保宿主系统安全。沙箱提供三大核心能力：安全执行边界、跨调用状态恢复和分布式多副本支持。 AgentScope支持多种沙箱后端（如Docker、Kubernetes、E2B等）和灵活的隔离粒度（按用户、会话、Agent或全局），并通过工作区文件同步机制实现宿主与沙箱的安全交互。沙箱模式显著
2026-08-14 07:45:00
542
原创 AgentScope Java Harness：5. 文件系统一套代码，三种部署，零改动切换
《AgentScope Java 2.0：文件系统抽象与工作区管理架构》摘要 本文介绍了AgentScope Java 2.0中Harness模块的创新设计，通过AbstractFilesystem接口实现逻辑工作区与物理文件系统的解耦。核心架构采用三层抽象模型：Agent业务层、WorkspaceManager路由层和AbstractFilesystem实现层，使开发者无需关心文件存储位置。 系统提供三种主要实现：LocalFilesystem（直接操作本机文件）、SharedStorageFilesys
2026-08-14 06:30:00
481
原创 响应式编程入门：从阻塞困境到数据流之美
维度传统方式响应式（Reactor）代码风格命令式，描述控制流声明式，描述计算逻辑异步编排回调嵌套 / Future 组合困难操作符链，扁平化组合错误处理每层重复 try-catch / onError链式 onErrorResume、retryWhen流量控制无内建机制背压，消费者控制生产速率资源效率线程阻塞等待，资源浪费非阻塞，少量线程支撑高并发可复用性回调/Future 难以复用Publisher 链可组合、可复用高并发 I/O 密集型服务。
2026-08-13 13:51:57
353
原创 AgentScope Java Harness：4. 双层记忆系统 让 Agent 拥有真正的“长期大脑“
AgentScope Harness 的双层记忆架构通过"日流水账+精炼笔记"模式解决了AI智能体跨会话记忆难题。第一层按日期存储原始对话（只追加不修改），确保信息完整可追溯；第二层由后台LLM定期合并去重，生成精炼的长期记忆并注入系统提示。三大触发机制（正常结束/压缩前/上下文溢出时）保障关键信息不丢失，同时避免上下文窗口爆炸。该设计平衡了记忆完整性、检索效率与工程可行性，使Agent真正实现"记得你"的持续服务能力。
2026-08-13 07:45:00
751
原创 AgentScope Java Harness：3.工作区（Workspace）文件即真理，目录即架构
文章摘要：AgentScope Java 2.0的Harness模块通过Workspace（工作区）设计，将Agent的所有状态结构化存储于目录中，实现"可观测、可版本化、可自我进化"。Workspace作为唯一事实来源，包含人格定义（AGENTS.md）、记忆（MEMORY.md）、知识库、技能等，并通过动态装配机制在每次推理时自动更新。其核心创新包括文件驱动的人格定义、AbstractFilesystem抽象层（支持本地/共享/Docker三种存储模式），以及完整的GitOps兼容性。这种设计使Agen
2026-08-13 07:15:00
465
原创 AgentScope Java Harness 将智能体从“工具”升级为“可持续进化的数字员工”
AgentScope Java 2.0 中的 Harness 是专为长周期、复杂智能体任务设计的工程化运行时底座，其核心定位是让智能体从“单次对话”走向“持续运行与能力沉淀”。Harness 本质上是将智能体从“工具”升级为“可持续进化的数字员工”的关键基础设施，适用于需要7×24小时运行、能力不断迭代的生产级场景。
2026-08-12 11:08:16
367
原创 Java AI智能体开发详解AgentScope Java 2.0
AgentScope Java 2.0 是面向生产环境的智能体运行平台升级版，聚焦三大核心能力：1）工程化底座支持长任务处理，具备技能复用、分层记忆和任务规划功能；2）企业级分布式架构，实现无状态扩展、多租户隔离和安全沙箱；3）框架重构优化开发体验，集成事件流输出、统一消息模型和人机协同机制。该平台通过系列技术文章详细解析了智能体构建、消息处理、权限控制等核心模块，为生产级智能体应用提供完整解决方案。
2026-08-12 10:49:16
334
1
原创 AgentScope 2.0：9. Context —— 运行时上下文与状态管理深度解析
AgentScope Java 2.0上下文系统架构解析 本文系统介绍了AgentScope Java 2.0中的上下文管理框架，该框架赋予智能体"记忆"和"身份"能力。核心组件包括： RuntimeContext：请求级上下文容器，携带用户/会话信息，具有不可变性和透传性 AgentState：会话级状态管理，持久化存储对话历史和工具执行结果 Memory：长期记忆模块，支持语义检索 MessageStore：消息持久化后端 Compaction：上下文压缩机制，防止Token溢出 EventStream
2026-08-12 07:30:00
887
原创 AgentScope Java Harness：1. 如何优雅地驾驭长期运行的 AI Agent
Harness架构为ReAct Agent补齐了生产环境所需的核心能力，通过12项可插拔模块解决工程化难题。其设计遵循三大法则：能力叠加而非改写、模块间通过共享对象解耦、自定义中间件优先执行。关键创新包括工作区驱动的人格配置、双层记忆系统、上下文压缩机制及子Agent编排能力，并通过三层状态管理实现高效持久化。该架构采用"薄包装"哲学，在保持核心逻辑纯净的同时，以装饰器模式叠加工程能力，显著提升了Agent的生产环境适用性。文件化配置和节流机制等设计，体现了对实际部署场景的深度考量。
2026-08-12 07:30:00
447
原创 AgentScope Java Harness：2. 上下文压缩：让长期 Agent 永不“失忆“
文章摘要： AgentScope Harness模块针对LLM对话中的token限制问题，提出了四种上下文压缩策略。当对话过长或工具返回结果过大时，系统会触发压缩机制：1）对话摘要压缩，保留最近消息并用LLM生成摘要；2）大工具结果卸载，将超限内容存入文件并保留首尾片段；3）上下文溢出兜底，在达到硬上限时强制压缩并重试；4）预压缩参数截断，提前缩减工具参数体积。这些策略可单独或组合使用，并通过与Memory模块联动确保关键信息不丢失。压缩操作在内存中进行，最终状态会被持久化存储。
2026-08-12 07:15:00
956
原创 AgentScope Java Harness：8. Skill技能让 Agent 从“会说话“进化为“会做事“
文章摘要： AgentScope Harness提出"工具≠技能"的理念，将Agent能力分为两个层次。工具（Tool）是原子操作接口，而技能（Skill）是以Markdown文件定义的工作流知识，包含触发条件、执行步骤、异常处理等完整上下文。系统采用两阶段注入策略：初始仅加载技能摘要，待Agent请求时再按需注入完整技能内容。这种设计既保证了上下文窗口的高效利用，又实现了知识的跨Agent复用。技能系统填补了"有工具"和"会使用"之间的鸿沟，使Agent真正具备业务场景的解决能力。
2026-08-11 17:20:58
718
原创 AgentScope Java Harness：7. 子 Agent 编排 文件驱动的多智能体协作架构
文章摘要： AgentScope Harness 提出通过文件驱动的多 Agent 协作框架解决单 Agent 的能力瓶颈问题。传统硬编码方式需修改代码并重新部署，而 Harness 采用声明式配置： 核心设计：子 Agent 以 Markdown 文件（subagents/目录）定义规格，包含结构化元数据（Front Matter）和自然语言指令（Body），主 Agent 自动扫描并动态编排。 优势： 灵活扩展：新增子 Agent 仅需添加文件，无需重启服务。 协作友好：非技术人员可直接编辑 Markd
2026-08-11 17:20:45
614
原创 AgentScope 2.0：8. Tool —— 工具系统架构与生产级实践深度解析
文章摘要：AgentScope Java 2.0工具系统架构解析 AgentScope Java 2.0构建了一套完整的工具框架，通过注解驱动实现智能体与外部世界的连接。该系统采用分层架构设计，包含Agent层、Toolkit工具编排中心、ToolGroup工具分组和ToolBase工具基类。核心特性包括： 注解驱动开发：使用@Tool和@ToolParam注解快速定义工具，自动生成JSON Schema供LLM理解调用 多样化执行模式：支持同步、异步(Mono)和流式(Flux)返回类型 动态工具管理：通
2026-08-11 08:00:00
699
原创 AgentScope 2.0：7. Permission System —— 权限控制系统深度解析
文章摘要： AgentScope Java 2.0 重构权限控制系统，解决智能体执行敏感操作（如删库）时的安全风险。1.x版本通过侵入式Hook拦截操作，存在规则分散、不可配置等问题。2.0将权限系统独立为模块，采用"规则+上下文+决策"模型，提供五种权限模式（如默认严格、自动放行编辑、只读探索等）、三种权限行为（允许/询问/拒绝）及动态规则匹配。核心组件包括权限上下文（存储运行时状态）、规则引擎（支持通配符和条件匹配）和决策记录（用于审计）。新系统通过声明式配置实现灵活管控，即使全自动模式也保留工具层安全
2026-08-11 06:15:00
1180
原创 AgentScope 2.0：6. Model —— 统一模型接入层与容错机制深度解析
本文介绍了AgentScope Java 2.0模型层的架构设计与核心功能。模型层作为智能体的"大脑接口"，通过三层调用抽象（Model接口→ChatModelBase基类→Formatter适配器）实现统一接入，屏蔽不同语言模型提供商的差异。其中，Formatter机制处理消息格式转换，ModelRegistry支持全局注册管理，FallbackModel提供容错能力。文章还探讨了生产环境中多Key轮转、限流降级等治理实践，展示了该框架在模型调用标准化和稳定性方面的设计考量。
2026-08-10 07:45:00
881
原创 AgentScope 2.0：5. Middleware —— 无侵入式智能体扩展机制深度解析
本文介绍了AgentScope Java 2.0中的Middleware中间件机制，用于无侵入式扩展智能体功能。核心设计分为两类模型： Onion洋葱模型 - 通过包裹核心逻辑实现链路追踪、计时统计等场景，执行顺序为逐层进入和离开。 Transformer变换模型 - 通过数据流改写实现动态提示词注入、敏感词过滤等功能。 系统提供了5个关键挂载点： onAgent：整轮调用起点/终点 onSystemPrompt：系统提示词处理 onReasoning：LLM推理阶段 onActing：工具调用执行 onM
2026-08-10 07:15:00
1158
原创 AgentScope 2.0：4. Message & Event —— 消息模型与事件流深度解析
本文解析了AgentScope Java 2.0框架中消息(Message)与事件(Event)系统的设计原理。消息系统采用统一ContentBlock架构，通过强类型校验支持多模态内容，包含文本、图片、工具调用等原子片段。事件系统提供35种类型化事件，覆盖智能体执行全生命周期，采用标准三段式(Start→Delta→End)模式。这两个核心模块共同构成了智能体的"神经系统"，实现了可观测、可交互的执行流，支持从模型推理到工具调用的完整闭环。设计上强调错误前移、类型安全和响应式编程兼容性，为开发者提供可靠的
2026-08-09 08:45:00
762
mfc 类库详细 VC good
2009-05-14
数据库编程 VC
2009-05-14
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人