<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[python123456_的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/python123456_</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; python123456_]]></copyright><item><title><![CDATA[跳出Demo思维｜职业级Agent 拼的从来不是Prompt]]></title><link>https://blog.csdn.net/python123456_/article/details/161417937</link><guid>https://blog.csdn.net/python123456_/article/details/161417937</guid><author>python123456_</author><pubDate>Tue, 26 May 2026 11:45:24 +0800</pubDate><description><![CDATA[如果你也在转行Agent开发，还在被碎片化学习内耗、被无效Demo耽误，想真正跳出误区，搭建大厂标准的知识体系，吃透任务编排、工具调度、闭环项目落地、工程化部署这些核心能力，希望我能够帮到你们，扫码添加微信發你~这个Agent基于产品手册搭建，能识别用户需求、拆解问题，精准匹配答案，模糊时追问，解决不了的自动转接人工，能减少60%咨询量，提升40%响应效率，帮客服减轻负担。这个Agent能自动完成采集、整理，生成调价建议，异常时自动重试，失败会提醒运营，准确率99%以上，帮运营从机械活里解放出来。]]></description><category></category></item><item><title><![CDATA[大厂5年，我带了28个AI 实习生，有些话必须对你说]]></title><link>https://blog.csdn.net/python123456_/article/details/161417481</link><guid>https://blog.csdn.net/python123456_/article/details/161417481</guid><author>python123456_</author><pubDate>Tue, 26 May 2026 11:40:07 +0800</pubDate><description><![CDATA[彩蛋：我把带实习生专用的《大模型从零入行完整学习路线图》整理好了，里面会写清楚：先学什么、先做什么项目、RAG/Agent/多模态怎么安排顺序、简历怎么写更容易过筛、面试官最看重什么。想要的话，扫码添加微信fa给你们。最坑的 3 种 AI 学习方式，千万别踩我见过太多实习生，简历写得天花乱坠：“精通 LangChain、熟练 LlamaIndex、掌握 FAISS 向量库”一面试问项目细节、问落地坑点，瞬间哑口无言。最后能稳住高薪、持续升值的，从来不是最聪明的那批人，而是愿意动手、能沉下心落地的人。]]></description><category></category></item><item><title><![CDATA[5种AI Agent 设计模式深度解析：从RAG到复合系统，小白程序员也能轻松掌握大模型进阶玩法]]></title><link>https://blog.csdn.net/python123456_/article/details/161219134</link><guid>https://blog.csdn.net/python123456_/article/details/161219134</guid><author>python123456_</author><pubDate>Tue, 19 May 2026 11:34:43 +0800</pubDate><description><![CDATA[本篇文章系统梳理了五种主流的 AI Agent 设计模式：ReAct、CodeAct、Agentic RAG、Self-Reflection 以及 Multi-Agent Planner。它们的本质区别在于控制结构和行动空间：ReAct强调“思考—行动”闭环，CodeAct将行动升华为可编程代码，Agentic RAG 在检索上引入智能规划，Self-Reflection通过自评与修正提高输出质量，多智能体通过分工并行扩展处理能力。]]></description><category></category></item><item><title><![CDATA[小白程序员必看：四步轻松构建你的第一个AI编码Agent，收藏学习！]]></title><link>https://blog.csdn.net/python123456_/article/details/161219108</link><guid>https://blog.csdn.net/python123456_/article/details/161219108</guid><author>python123456_</author><pubDate>Tue, 19 May 2026 11:33:57 +0800</pubDate><description><![CDATA[事实上，编码 agent 可以当作通用 agent 来用，只是它恰好擅长编写代码。不管是编码 agent，还是搜索 agent、浏览器 agent、电子邮件 agent、数据库 agent，无论执行什么任务，它们都遵循相同的模式，唯一的区别在于它们所使用的工具。最近爆火的 harness 工程概念，本质上还是在围绕 LLM 构建脚手架和基础设施。循环 - 请求模型、解析其输出、执行工具、反馈结果执行工具 - 运行模型请求的代码/命令上下文管理 - 构建提示词、维护历史对话、控制上下文大小。]]></description><category></category></item><item><title><![CDATA[花 10 分钟，收藏这份 Agent 记忆系统指南：小白也能快速入门大模型架构]]></title><link>https://blog.csdn.net/python123456_/article/details/161219076</link><guid>https://blog.csdn.net/python123456_/article/details/161219076</guid><author>python123456_</author><pubDate>Tue, 19 May 2026 11:32:58 +0800</pubDate><description><![CDATA[Agentic memory 不是单一组件，它更像一套幕后系统：不同类型的存储、不同检索方式、以及智能管理策略，让 Agent 能真正跨时间携带上下文。说白了，记忆同时在做三件有区别的事。连续性（Continuity）关乎身份。Agent 如何知道你是谁、你偏好什么、以及你们已经一起建立了什么。没有它，每次交互都像从零开始。上下文（Context）关乎当前任务。刚发生了什么、用了什么工具、返回了什么结果、以及下一步需要做什么。它让多步骤工作流不至于崩掉。学习（Learning）关乎变得更好。]]></description><category></category></item><item><title><![CDATA[多智能体架构：小白程序员必备的收藏指南，轻松掌握大模型协作精髓！]]></title><link>https://blog.csdn.net/python123456_/article/details/161219044</link><guid>https://blog.csdn.net/python123456_/article/details/161219044</guid><author>python123456_</author><pubDate>Tue, 19 May 2026 11:32:00 +0800</pubDate><description><![CDATA[写到这里，我自己其实是在给"多智能体架构"做一次降温。这一波 Agent 热，名词太多、范式太多、架构图太多。Team、Swarm、Crew、Society、Hive……每隔两周就有一个新词冒出来。但回到工程，其实只有一个最朴素的问题：我手上这个任务，要的是隔离、压缩、并行，还是要的是持续协作、共享状态、互相影响？前者用 Sub-Agent，后者用 Agent Team，两者都不要的时候直接单 Agent。再往上配一两个朴素的编排原语，多数生产场景就够了。]]></description><category></category></item><item><title><![CDATA[Java程序员必看：Spring AI 2.0实战教程，轻松搭建智能客服Multi-Agent系统（含代码，收藏学习）]]></title><link>https://blog.csdn.net/python123456_/article/details/161219003</link><guid>https://blog.csdn.net/python123456_/article/details/161219003</guid><author>python123456_</author><pubDate>Tue, 19 May 2026 11:30:46 +0800</pubDate><description><![CDATA[Component你是一个专业的客服总结专家，负责将多个Agent的处理结果整合为一份给用户的标准回复。输出要求：1. 语气亲切、专业，先致歉（如有问题）再解决2. 合并重复信息，去除内部术语（如"工单"改为"我们已为您登记"）3. 如果多个Agent都建议转人工，必须设置 humanHandoff=true4. 输出必须为JSON格式："reply": "给用户的最终回复文本","actions": ["建议用户执行的操作1", "操作2"],""")]]></description><category></category></item><item><title><![CDATA[掌握LangGraph状态机：让AI「想一步、停一步、判断一步」，小白也能轻松上手收藏！]]></title><link>https://blog.csdn.net/python123456_/article/details/161218941</link><guid>https://blog.csdn.net/python123456_/article/details/161218941</guid><author>python123456_</author><pubDate>Tue, 19 May 2026 11:29:17 +0800</pubDate><description><![CDATA[StateGraph 三要素：State 存数据、Node 执行动作、Edge 决定走向，缺一不可Reducer 是关键：节点返回的是「更新片段」而非「完整新状态」，Reducer 负责合并，State 始终不可变调度器是心脏：本质是一个事件循环，条件边让它能根据运行时状态动态决策compile() 的意义：把声明式的图描述变成可执行的调度引擎，做结构验证和邻接表预计算并行靠 Fan-out：多条出边同时触发，Fan-in 等待所有前驱完成，调度器自动处理同步。]]></description><category></category></item><item><title><![CDATA[用 OpenSpec, Superpowers 和 Agent Skills 三件套，让 AI 编程从「碰运气」变成「可复制」的工程实践（收藏版）]]></title><link>https://blog.csdn.net/python123456_/article/details/161218865</link><guid>https://blog.csdn.net/python123456_/article/details/161218865</guid><author>python123456_</author><pubDate>Tue, 19 May 2026 11:26:51 +0800</pubDate><description><![CDATA[维度OpenSpec一句话用文档定 AI用流程带 AI用纪律管 AI核心能力人机契约工程流/任务编排质量护栏（AI 行为 + 建议配 CI）类比设计图与验收口径施工顺序与检查点监理量尺GitHub许可证MITMITMIT安装复杂度低（常 npm）低-中（视编辑器）中（需初始化与取舍启用）学习曲线中中-高中-高这些工具不是银弹。让 AI 在你写清的边界里发挥让过程可重复、可审计（尤其是 OpenSpec 归档）]]></description><category></category></item><item><title><![CDATA[《收藏！小白程序员也能掌握的大模型工程化实践：从需求工件到护栏流程》]]></title><link>https://blog.csdn.net/python123456_/article/details/161218758</link><guid>https://blog.csdn.net/python123456_/article/details/161218758</guid><author>python123456_</author><pubDate>Tue, 19 May 2026 11:25:28 +0800</pubDate><description><![CDATA[完成验证之后，再执行对当前 change 进行归档：到了这一步，这个 change 才算从“提出需求”走到了“完成闭环”。说实话，最近 harness 这个词一出来，营销号铺天盖地的水，导致很多人都会有点慌：这又是什么新东西，我是不是又没跟上？但它其实没那么吓人。因为我们以前做项目的时候，也一直在做差不多的事。我们会定规则，会加限制，会做检查，会留回头路。会告诉工具什么能做，什么不能做；什么可以自动跑，什么一定要人来拍板。]]></description><category></category></item><item><title><![CDATA[C++小白必看：收藏这份AI时代高薪就业指南，解锁大模型开发新方向！]]></title><link>https://blog.csdn.net/python123456_/article/details/161023997</link><guid>https://blog.csdn.net/python123456_/article/details/161023997</guid><author>python123456_</author><pubDate>Tue, 12 May 2026 18:27:54 +0800</pubDate><description><![CDATA[本文解析了AI编程对C++就业的影响，强调AI无法取代程序员，反而推动企业需求向复合型人才转变。文章详细介绍了C++在“微服务+分布式+AI”交叉领域的岗位、就业领域、薪资水平及核心技能栈，并提供了多个企业岗位案例参考，为想要从事C++方向，特别是AI相关岗位的学习者提供实用学习规划与就业方向指导。有同学留言：AI编程对C++就业有什么影响？首先，小编要纠正大家一个误区：AI编程，导致程序员完全被取代。并不是这样的。其次，AI时代的到来，企业对人才需求发生了巨大的变化。]]></description><category></category></item><item><title><![CDATA[Java程序员焦虑？别慌！这份AI+Java进阶指南助你成为大模型时代抢手人才（收藏学习）]]></title><link>https://blog.csdn.net/python123456_/article/details/161023983</link><guid>https://blog.csdn.net/python123456_/article/details/161023983</guid><author>python123456_</author><pubDate>Tue, 12 May 2026 18:25:58 +0800</pubDate><description><![CDATA[AI时代的Java程序员，记住一个公式：核心能力 = 业务理解 + 系统设计 + 问题排查 + AI工具运用这四项能力，是AI替代不了的核心竞争力。焦虑没用，行动才有出路。]]></description><category></category></item><item><title><![CDATA[收藏 _ AI时代，程序员的未来：如何不被淘汰，实现价值跃迁？]]></title><link>https://blog.csdn.net/python123456_/article/details/161023967</link><guid>https://blog.csdn.net/python123456_/article/details/161023967</guid><author>python123456_</author><pubDate>Tue, 12 May 2026 18:24:53 +0800</pubDate><description><![CDATA[随着AI工具（如ChatGPT、Claude、CodeX）成为开发标配，程序员的工作节奏加快，但也面临被取代的担忧。文章指出，AI并非取代程序员，而是推动角色转型。AI能处理重复性任务，程序员应专注于架构设计、业务逻辑优化等高价值工作。AI时代，代码搬运工、技术孤岛、业务盲型程序员面临淘汰风险，而AI协作者、问题解决者和终身学习者将更具竞争力。AI是加速器而非终结者，程序员需拥抱变化，持续学习，提升核心能力，以在AI时代实现职业突破。]]></description><category></category></item><item><title><![CDATA[AI赋能智慧水务：程序员小白轻松入门大模型，开启水务管理智能化新篇章]]></title><link>https://blog.csdn.net/python123456_/article/details/160934316</link><guid>https://blog.csdn.net/python123456_/article/details/160934316</guid><author>python123456_</author><pubDate>Sat, 09 May 2026 20:57:55 +0800</pubDate><description><![CDATA[本文探讨了人工智能技术在水务管理中的应用，特别是AI智能体在水质监测、供水调度优化和管网运维等领域的应用场景。文章介绍了AI智能体的核心技术架构，包括数据采集、处理、分析和决策支持等模块的设计。同时，文章还讨论了AI智能体在水务领域的应用价值，如提高水资源利用效率、降低运营成本、增强用户体验等。最后，文章提出了AI智能体在供水管理智能体应用场景中的具体应用，包括水质监测智能体、供水调度优化智能体和管网运维智能体等，为水务管理的智能化转型提供了有力支持。在当今社会，水资源的管理与保护愈发显得重要。]]></description><category></category></item><item><title><![CDATA[小白程序员必备：轻松掌握大模型开发，收藏这份《扣子开发AI Agent智能体应用》实战指南！]]></title><link>https://blog.csdn.net/python123456_/article/details/160934254</link><guid>https://blog.csdn.net/python123456_/article/details/160934254</guid><author>python123456_</author><pubDate>Sat, 09 May 2026 20:53:10 +0800</pubDate><description><![CDATA[当前，人工智能技术已然成为推动社会进步与产业变革的核心力量，如同汹涌澎湃的浪潮，席卷着各个领域。其中智能体作为人工智能领域的关键技术，正以其独特的魅力和强大的功能，重塑着我们的工作与生活模式。随着大模型技术的迅猛发展，智能体的能力实现了质的飞跃，应用场景也得到了前所未有的拓展。在这样的背景下，扣子 AI 开发平台应运而生，它宛如一座桥梁，将复杂的智能体开发技术与广大开发者、企业紧密相连，让智能体技术不再高不可攀，而是能够切实落地，服务于各行各业。🚀。]]></description><category></category></item><item><title><![CDATA[AI智能体入门指南：小白_程序员必看，收藏这份学习蓝图！[特殊字符]]]></title><link>https://blog.csdn.net/python123456_/article/details/160934230</link><guid>https://blog.csdn.net/python123456_/article/details/160934230</guid><author>python123456_</author><pubDate>Sat, 09 May 2026 20:50:56 +0800</pubDate><description><![CDATA[人工智能已取得长足发展——从统计模型、人工调整的规则，到由神经网络推动的深度学习革命。但在2025年，一件具有根本性意义的新变化正在发生：人工智能开始主动行动。现代人工智能系统不再仅仅是预测文本或分类数据，它们的自主性日益增强，能够采取行动、做出决策并协调复杂的工作流程。这些系统不只是响应提示词的大型语言模型（LLM），而是人工智能智能体——它们能感知周围环境、思考目标，并在极少人类干预的情况下完成任务。]]></description><category></category></item><item><title><![CDATA[普通Java开发如何转型大模型方向？]]></title><link>https://blog.csdn.net/python123456_/article/details/160372264</link><guid>https://blog.csdn.net/python123456_/article/details/160372264</guid><author>python123456_</author><pubDate>Tue, 21 Apr 2026 14:21:58 +0800</pubDate><description><![CDATA[他们的路径很接地气，也适合大多数人。首先，别一上来就想着看深度学习,Transformer论文精读这种硬核的东西。就像学Java的时候，你不会先学JVM源码，而是搭个Spring Boot Hello World再说。大模型这边也一样，建议你先搞清楚这几个问题：大模型到底是干嘛的？ChatGPT、Claude这些模型能做什么？为什么公司要用它们？你作为后端开发，怎么参与它们的应用？这一步，建议你就老老实实看一些。]]></description><category></category></item><item><title><![CDATA[非科班0经验转llm找到第一份大厂大模型实习]]></title><link>https://blog.csdn.net/python123456_/article/details/160372167</link><guid>https://blog.csdn.net/python123456_/article/details/160372167</guid><author>python123456_</author><pubDate>Tue, 21 Apr 2026 14:18:51 +0800</pubDate><description><![CDATA[bg简单说一下： 水硕一枚，非科班，半天坑专业，在开始找实习之前，基本没有系统接触过深度学习，也没有nlp/cv的相关基础，算法题这块也没怎么刷过。整体学习和准备，主要是按丁师兄给的一套路线一步步来。前期基础准备（八股） 主要是把机器学习、深度学习整体过一遍，对一些经典模型做到“知道它在干嘛、优缺点是什么”就可以了，这一块不太建议死磕，快速建立整体认知更重要。transformer、bert、gpt这些一定要非常熟，原理、结构、常见问题都要能说清楚。]]></description><category></category></item><item><title><![CDATA[模型越来越强，为什么大家却开始重写Harness]]></title><link>https://blog.csdn.net/python123456_/article/details/160060241</link><guid>https://blog.csdn.net/python123456_/article/details/160060241</guid><author>python123456_</author><pubDate>Sat, 11 Apr 2026 21:27:07 +0800</pubDate><description><![CDATA[这一轮看下来，我对 Harness 最后的感受，其实挺朴素。它没有神秘到像一门新学科刚刚诞生，也没有简单到只是“模型外面那层壳”。要把模型放进真实工作流，难点从来不只在模型本身。模型把可能性打开，系统再决定这些可能性能不能落成稳定结果。边界怎么设，反馈怎么回，什么算完成，出了问题从哪里继续，这些事最后都要靠系统来接住。过去两年，大家在拼谁的模型更强。谁更早把模型外面那层系统，当成一门正经工程来做。这未必是最热闹的话题，但很可能是更难绕开的那个话题。]]></description><category></category></item><item><title><![CDATA[Harness工程：不是新词，而是Agent工程终于被讲明白了]]></title><link>https://blog.csdn.net/python123456_/article/details/160060221</link><guid>https://blog.csdn.net/python123456_/article/details/160060221</guid><author>python123456_</author><pubDate>Sat, 11 Apr 2026 21:25:35 +0800</pubDate><description><![CDATA[回头看 memo code，我越来越确认一件事：我当时真正做的事情，不只是「做一个 coding agent」。我其实一直在做一套Harness。prompt 分层装配skills 自动发现工具 DSL风险分级审批缓存危险命令拦截子进程管理system hint 反馈输出裁剪多 workspace / web 控制台这些东西单拿出来都不性感。一个 demo一个玩具一个会写几段代码的聊天机器人还是一个真的能在环境里持续做事的系统。]]></description><category></category></item></channel></rss>