- 博客(524)
- 资源 (5)
- 问答 (1)
- 收藏
- 关注
RSS订阅
原创 SOP 标准化流程提取器深度评测：让经验沉淀从 3 小时缩短到 5 分钟
SOP 标准化流程提取器是 SkillHub 平台上的一款实用型 AI Skill，由作者「东四联周博远」开发。将用户口述或转录的操作流程自动整理为标准 SOP 文档。在企业管理、团队协作、知识沉淀等场景中，SOP（Standard Operating Procedure，标准操作程序）文档的编写一直是一个耗时且容易遗漏细节的工作。采访资深员工，记录操作经验人工整理、分类、编排步骤反复校对、补充检查点排版、制作成可交付的文档整个过程往往需要数小时甚至数天。
2026-05-25 14:40:55
1212
原创 一人技术账号周复盘模板：用数据决定下周写什么
写了很多篇文章，但不知道哪类内容真正有效；只盯着阅读量，结果越来越容易被标题党和短期热点带偏；每周都在临时想选题，缺少稳定复盘机制；数据散落在 CSDN 后台、公众号、社群反馈、评论区和个人表格里，无法沉淀为下一周的内容决策。流量、互动、转化、内容质量、选题资产五类指标，并配合 AI 辅助分析，输出下一周的选题优先级。不要只看阅读量：阅读量只能说明曝光或标题吸引力，不能单独代表内容价值。不要伪造数据：没有的数据就标记为空或待补充，不要让 AI 编造趋势、评论、转化结果。
2026-05-28 10:34:49
118
原创 写完文章别浪费：如何把技术博客沉淀成知识资产库
很多技术人写博客时，会把重点放在“发布”这一刻：标题是否吸引人、代码是否完整、阅读量是否增长。但从长期价值来看，一篇技术博客真正值得重视的，不只是它发布后的曝光，而是它能否被持续复用、检索、组合和升级。如果文章写完之后只停留在博客平台，它就很容易变成一次性内容；后续写作的素材库；团队内部的经验文档；AI 问答知识库的基础语料；课程、培训、方案、产品文档的原始积木；个人技术品牌的长期内容资产。如何把已经写好的技术博客，系统化沉淀成可检索、可复用、可扩展的知识资产库。
2026-05-28 10:34:18
385
原创 AI 写代码不放心？给技术博客准备一份代码审校清单
AI 编程助手已经能快速生成业务代码、脚本、测试用例和文档，但“能跑”不等于“可靠”，“看起来对”也不等于“可上线”。很多团队在引入 AI 写代码后，会遇到类似问题：代码风格不统一、边界条件遗漏、安全风险被忽略、依赖版本不匹配、生成的测试只覆盖了理想路径，甚至把伪造 API、过期语法和隐性性能问题一起带进仓库。本文提供一份可直接复用的AI 代码审校清单，帮助开发者从需求一致性、正确性、安全性、可维护性、性能、测试、工程化、合规边界等角度系统审查 AI 生成代码。
2026-05-28 10:33:46
370
原创 多智能体角色怎么设计：从岗位边界到协作流程的 Prompt 方法
每个智能体到底扮演什么角色，它与其他智能体的岗位边界在哪里，协作流程如何被 Prompt 稳定表达出来。多个 Agent 重复做同一件事，输出冗余；主 Agent 不会拆任务，子 Agent 不知道何时停止；工具调用混乱，职责边界不明确；最终结果看似丰富，但缺少一致性与可验证性；Prompt 越写越长，却没有提升协作质量。先定义岗位边界，再定义输入输出契约，最后用协作流程把多个角色串起来。本文不会夸大 AI 能力。
2026-05-28 10:33:13
289
原创 技术博客选题怎么做：用关键词矩阵搭建 CSDN 选题库
很多技术博客停更，并不是因为作者没有能力写，而是因为选题机制不稳定：想到什么写什么，遇到热点才写，项目忙起来就断更。尤其是 CSDN 这类技术内容平台，读者通常带着明确问题而来，例如“Python 怎么读取 Excel”“LangChain Agent 怎么调试”“Spring Boot 接口报 500 怎么排查”。因此，技术博客选题不应该只依赖灵感，而应该围绕关键词、问题场景、技术栈和内容形态建立一个结构化选题库。如何从技术栈中提取一级关键词；如何用问题场景扩展长尾关键词；
2026-05-28 10:32:38
370
原创 提示词模板工程化：如何把一次性 Prompt 变成可复用工作流
很多团队在使用大模型时，最开始都会经历一个阶段：把需求临时写成一段 Prompt，复制到对话框里，等待模型返回结果。Prompt 依赖个人经验，别人难以稳定复现；输入格式不统一，导致输出波动大；业务规则散落在自然语言里，难以维护；每次使用都要手工改写，容易漏字段、改错变量；结果无法接入后续系统，难以形成自动化流程。本文围绕“提示词模板工程化”展开，介绍如何把一次性 Prompt 拆解为可维护、可测试、可复用的模板与工作流。
2026-05-28 10:31:59
353
原创 大模型 API 调用避坑：重试、超时、日志与成本控制
把大模型 API 接进业务系统，真正难的往往不是“调通一次”，而是“稳定、可控、可追踪地调用很多次”。重试：网络抖动、服务端 5xx、限流时应该如何重试，哪些错误不应该重试；超时：连接超时、读取超时、业务总超时如何分层设置；日志：如何记录请求、响应、耗时、错误，同时避免泄露密钥和用户隐私；成本控制：如何通过 token 预算、模型分级、缓存、熔断等方式降低不可控开销。
2026-05-28 10:31:23
448
原创 用 Python + 大模型自动生成技术周报：提交记录、任务总结和下周计划
很多研发同学每到周五都会遇到一个熟悉的问题：这一周明明做了不少事，但要写周报时，却突然想不起来具体完成了哪些任务、修了哪些问题、下周应该怎么规划。本文将起草一个可复用的技术方案：使用Python + Git 提交记录 + 任务文本 + 大模型 API本周提交记录汇总；本周完成事项总结；风险与阻塞问题提炼；下周计划自动生成；Markdown 周报导出；提示词模板与错误排查思路。需要说明的是，本文提供的是一套工程实现思路与示例代码草案。
2026-05-28 10:30:43
471
原创 RAG 效果差怎么办：从文档切分到召回参数的 10 个优化点
很多团队第一次搭建 RAG（Retrieval-Augmented Generation，检索增强生成）系统时，常见感受是：流程跑通了，但回答质量不稳定。明明知识库里有答案，模型却说“不知道”；召回了很多片段，但真正相关的内容排在后面；文档切得太碎，答案缺上下文；文档切得太大，噪声太多，模型抓不住重点；同一个问题换个问法，召回结果明显波动；引用来源不准确，回答看起来“像对的”，但无法验证。
2026-05-28 10:30:06
473
原创 用 AI Agent 搭一条技术博客生产线：从选题到发布的自动化流程
技术博客写作看似是“把技术讲清楚”，实际却是一条完整的内容生产链路：选题、资料收集、提纲设计、代码验证、配图、审校、SEO 优化、平台适配、发布与复盘，每一步都容易消耗大量时间。本文围绕《用 AI Agent 搭一条技术博客生产线：从选题到发布的自动化流程》这一主题，拆解一套可落地的 AI Agent 内容工作流设计方法。它不是让 AI “一键生成爆款文章”，而是把技术博客生产拆成多个可控环节，通过 Agent 编排、人工审核和资产沉淀，实现更稳定、更高质量、更可复用的博客生产线。
2026-05-28 10:29:32
455
原创 我的办公小浣熊使用实录：5份LLM压力测试报告分析全过程
速度快：从上传文件到得到完整分析报告，总共不到5分钟，比我预想的快太多了！准确性高：所有数据都准确无误，连P90 TPS这种细节都精准提取，完全没有出错。分析深入：不仅仅是简单的数据整理，还提供了深度的业务洞察和优化建议。交互友好：可以一步步深入追问，每次回答都很精准，不会跑题。格式规范：生成的表格、报告格式都很专业，可以直接用于工作汇报。真的强烈推荐给需要做数据分析的朋友们！有了办公小浣熊，复杂的数据分析工作变得轻松多了～ ✨。
2026-05-27 10:17:52
366
原创 技能性能优化与上下文管理：打造高效能技能
识别瓶颈：通过监控发现性能问题实施优化：应用本文介绍的优化技术测试验证：通过基准测试验证效果持续改进：根据实际使用情况不断调整掌握这些优化技术，您将能够创建高性能的 Agent Skills！
2026-05-27 08:33:42
94
原创 技能版本管理与发布流程：专业级技能开发实践
版本控制：使用 Git 进行代码管理语义化版本：遵循 SemVer 规范自动化流程：集成 CI/CD 流水线回滚策略：确保安全发布文档管理：保持变更日志更新掌握这些技能，您将能够建立专业的技能发布流程！
2026-05-27 08:32:59
261
原创 技能组合与工作流编排：构建复杂智能工作流
技能组合是将多个独立技能按照一定逻辑顺序组合起来，共同完成复杂任务的过程。用户请求 → 技能A → 技能B → 技能C → 最终结果模式选择：根据业务需求选择合适的组合模式状态管理：建立完善的状态传递和检查点机制错误处理：设计健壮的错误传播和恢复策略监控审计：实现全面的执行监控和审计追踪掌握这些技术，您将能够构建强大的自动化工作流系统！
2026-05-27 08:32:17
265
原创 SKILL.md 高级编写技巧与最佳实践
description: "输入数据文件路径"编写高质量的SKILL.md清晰的元数据- 帮助代理快速发现和理解技能结构化的指令- 让代理能够准确执行任务完善的错误处理- 提高技能的健壮性良好的可维护性- 便于后续迭代和扩展掌握这些高级技巧，您将能够创建出专业级的 Agent Skills！
2026-05-27 08:31:29
294
原创 Agent Skills 入门教程：为 AI 代理赋予专业能力
Agent Skills 为 AI 代理提供了一种标准化、可扩展的能力扩展方式。为 AI 代理赋予领域专业知识创建可重复、可审计的工作流程在多个平台间复用您的 Skills现在就开始创建您的第一个 Skill，让 AI 代理更聪明、更高效！
2026-05-26 15:53:11
389
原创 基于AI智能体的智能写作辅助系统研究
（3）由10名具有不同写作背景的志愿者提供的真实写作任务记录，含用户意图描述、草稿和最终成稿三元组，共800组。本文旨在系统设计并验证基于AI智能体的智能写作辅助系统，具体目标为：（1）设计覆盖写作全流程的智能体功能架构，实现选题规划、提纲生成、内容扩写和润色校对的端到端支持；当用户发出写作请求时，系统自动将请求转化为查询向量，在相应知识库中检索最相关的Top-K文档（K=5），将检索结果作为参考上下文注入生成提示词，引导大语言模型在已有知识基础上生成更具深度和针对性的写作内容。
2026-05-26 09:40:16
449
原创 基于 OpenVINO 的端侧私有化 RAG 系统：构建个人知识库智能管家的工程实践
随着大语言模型（LLM）技术的快速发展，如何在保障数据隐私的前提下实现高效的本地知识问答成为亟待解决的关键问题。本文提出了一种基于OpenVINO推理框架的端侧私有化系统架构，通过深度融合向量检索与Qwen2.5大语言模型，构建了完整的个人知识库智能管家解决方案。系统在 Intel 异构计算平台上实现了 CPU/GPU/NPU 多设备协同加速，采用 INT8 量化与动态批处理技术，在保持模型精度的同时实现了 2-4 倍的推理性能提升。
2026-05-26 08:30:20
436
原创 员工手册与制度问答机器人深度评测：让 HR 从重复答疑中解放
员工手册与制度问答机器人是 SkillHub 平台上的一款企业级 AI Skill，由作者「东四联周博远」开发。该 Skill 基于RAG（检索增强生成）技术架构，为企业 HR 部门提供了一个智能制度问答解决方案。「员工手册与制度问答机器人」是一款定位精准、技术扎实、企业友好的 AI Skill。它没有试图做一个"万能 HR 机器人"，而是聚焦于"制度文档问答"这一具体场景，并在这个场景下做到了专业级水准。它解决了 HR 部门长期面临的"重复答疑"痛点。
2026-05-25 14:41:28
511
原创 Skill TRACE 质量评测流程深度评测：Skill 开发者的质量守门员
Skill TRACE 质量评测流程是 SkillHub 平台上的一款元级别 AI Skill（Meta-Skill），由作者「东四联周博远」开发。与直接面向终端用户的 Skill 不同，这款 Skill 的服务对象是Skill 创建者本身——它提供了一套完整的质量自检框架，帮助开发者在发布前确保自己的 Skill 达到专业水准。每次创建或修改 Skill 后，必须使用 TRACE 五维度自检，全部子项达到 5.0 满分标准后才视为任务完成。
2026-05-25 14:40:19
850
原创 一人公司全能运营助手（OPC）深度评测：AI时代的个人创业利器
一人公司全能运营助手（One Person Company，简称 OPC）是 SkillHub 平台上的一款综合性 AI Skill，由作者「东四联周博远」开发。借助 AI 能力，让一个人完成原本需要团队才能完成的工作。在当前的 AI 工具浪潮中，各类垂直领域的 AI 应用层出不穷，但能够将内容创作、商业运营、产品研发、客户服务、个人提效五大模块整合于一体的 Skill 并不多见。OPC 正是瞄准了这一市场空白，试图为独立创业者、自由职业者和副业达人提供一站式 AI 运营解决方案。
2026-05-25 14:39:35
819
原创 一个人，n个AI大臣：我在天翼云电脑OpenClaw建立的“大周王朝“职场生存指南
我对着OpenClaw发了一条消息：我：朕今日要在此开创新朝——大周王朝。你，便是朕钦点的大内总管，名唤小新子。你是朕与各部门之间的桥梁。朕有旨意，你负责分派；各部门有奏报，你负责汇总呈上。当朕的旨意涉及多个领域时，你要知会相关各部尚书协同办理，不得推诿。你要记住朝廷每一个部门的官职、职责和专长，做到心中有数。日后朕提到任何事务，你须第一时间判断该由哪位尚书承办。朕是皇上，你是小新子。朕的话就是圣旨，你须以臣子之礼应答，称朕"皇上"，自称"臣"。
2026-05-22 16:20:32
595
原创 OpenClaw博客系列第4篇：ToolCalling工具调用机制
Tool Calling，中文常译为"工具调用"或"函数调用"，是一种让大语言模型（LLM）能够调用外部工具或函数的机制。在传统的LLM交互中，模型只能生成文本响应，无法直接执行任何实际操作。获取实时信息：查询当前天气、股票价格、新闻资讯等动态数据执行计算任务：进行复杂的数学运算、数据分析、代码执行操作外部系统：调用API、操作数据库、发送邮件、创建文件控制物理设备：在IoT场景中控制智能家居、工业设备等步骤一：工具定义开发者预先定义一组工具，包括工具名称、功能描述、参数规范等。
2026-05-22 08:29:39
779
原创 OpenClaw Skills 技能系统开发指南
Skills(技能)是 OpenClaw 中用于扩展智能体能力的模块化组件。每个 Skill 封装了一组相关的功能,并通过声明式的 SKILL.md 文件向智能体暴露其能力和使用方式。my-skill/├── SKILL.md # 技能定义文件(必需)├── templates/ # 提示词模板(可选)├── scripts/ # 辅助脚本(可选)├── schemas/ # JSON Schema 定义(可选)└── examples/ # 使用示例(可选)核心概念辨析概念定义示例。
2026-05-22 08:28:46
462
原创 OpenClaw核心架构深度解析
欢迎来到OpenClaw技术博客系列。在上一篇《OpenClaw入门指南》中,我们介绍了OpenClaw的基本概念、安装方法和快速上手流程。本篇将深入剖析OpenClaw的核心架构设计,帮助开发者理解这个多渠道AI智能体框架的内部运作机制。OpenClaw是一个基于TypeScript和Node.js构建的开源AI智能体框架,其核心设计理念是"一次开发,多渠道部署"。通过精巧的三层架构设计,OpenClaw实现了业务逻辑与渠道适配的完美分离,让开发者可以专注于智能体能力的构建,而无需关心底层通信细节。本文将
2026-05-22 08:25:26
566
原创 OpenClaw 入门概述与快速上手：开启智能体开发新纪元
OpenClaw是一个开源、本地优先的 AI 智能体框架，核心理念是"让 AI 真正拥有双手"——不仅能理解自然语言指令，更能直接操作系统资源、执行复杂任务。特征说明自主执行能够调用工具、执行命令、操作文件，而非仅生成文本长期运行支持持久化会话，任务可以跨越数小时甚至数天多渠道接入统一接入 WhatsApp、Telegram、Discord、飞书、企业微信等 20+ 平台多智能体协作支持多个 Agent 分工协作，自动派生子 Agent 处理并行任务技能可插拔。
2026-05-21 11:32:37
271
原创 第10篇：Skill的生态建设与未来趋势
欢迎来到这个系列的最后一篇。认知（第1篇）→ 架构（第2篇）→ 实战（第3篇）→ 提示词设计（第4篇）→ 工具集成（第5篇）→ 状态管理（第6篇）→ 错误处理（第7篇）→ 测试保障（第8篇）→ 组合编排（第9篇）你已经掌握了从"零"到"创作复杂编排"的全部技能。Skill 生态如何建设？——当足够多的 Skill 被创作出来，怎么让它们形成网络效应？Skill 社区如何发展？——创作者之间怎么协作？怎么分享？怎么互相学习？Skill 的未来是什么？
2026-05-20 10:15:49
125
原创 第9篇：Skill的组合与编排——构建复杂工作流
前八篇，我们一直在讨论"单个 Skill"——如何设计、创作、测试一个独立完整的 Skill。但单个 Skill 的力量是有限的。一个 Skill 只能完成一个专门的任务——翻译、摘要、会议纪要、天气查询。现实世界的工作流往往是多个步骤的链条：每天早上 → 搜索行业新闻 → 筛选与我相关的内容 → 生成简报 → 推送到团队群这个链条涉及四个步骤，每个步骤如果单独做，需要四个独立的操作。但如果能把四个步骤编排成一个自动化工作流——那就是 1+1>2 的效果。Skill 的组合与编排。
2026-05-20 10:12:35
587
原创 第8篇：Skill的测试与质量保障
前七篇，我们从零开始学会了创作一个 Skill——从架构设计到提示词编写，从工具集成到状态管理，从错误处理到边界设计。怎么知道这个 Skill "够好"了？你花了几小时创作了一个 Skill，自我感觉不错，但真正用起来会不会出问题？给同事用，他们会觉得好用吗？在各种不同的输入下，它都能稳定输出吗？这些问题就是"测试与质量保障"要回答的。在软件工程中，测试和 QA 是开发流程中不可或缺的一环——没有测试的代码不值得发布。没有测试的 Skill，不值得分享给别人使用。
2026-05-20 10:11:15
488
原创 第7篇：Skill的错误处理与边界设计——让Skill更健壮
在前六篇中，我们学会了创作一个"功能完整"的 Skill——有清晰的架构、精良的提示词、实用的工具、可靠的状态管理。但 Skill 在"正常情况下"工作良好只是基本功。真正考验 Skill 质量的，是"异常情况下"的表现。用户什么也没输入，直接点击发送——你的 Skill 怎么处理？用户输入了 5000 字，但你的 Token 预算只有 3000——你的 Skill 怎么处理？用户在对话过程中突然说"不做了"——你的 Skill 怎么处理？
2026-05-20 10:08:54
268
原创 第6篇：Skill的状态管理与上下文控制
在前五篇中，我们创作的 Skill 大部分是"单轮"的——用户输入一次，Skill 输出一次，任务结束。这适用于很多场景：翻译、摘要、格式转换等。但有很多任务需要多轮交互——用户和 AI 之间来回对话，逐步确认需求、逐步细化内容。客服咨询：用户说"我要退货"→ AI 问订单号 → 用户提供 → AI 问原因 → ……需求收集：用户说"帮我设计一个功能"→ AI 逐步询问细节学习辅导：用户说"帮我讲解这个概念"→ AI 逐步深入，根据反馈调整。
2026-05-20 10:07:58
362
原创 第5篇：Skill的工具集成——调用外部能力的艺术
在前四篇中，我们创作的 Skill 都是"纯文本型"的——基于 AI 自身的语言理解和生成能力，对用户输入的信息进行处理和加工。它只能处理「用户已经提供」的信息。如果用户问"今天的新闻"，而用户没有在输入中粘贴新闻——Skill 无法获取新闻如果用户问"我的数据库里有多少用户"，而用户没有提供数据——Skill 无法查询如果用户说"把结果发到群里"——Skill 无法发送消息突破这个局限的关键就是工具集成。
2026-05-20 10:07:27
460
原创 第4篇：Skill的提示词设计精要——让AI精准理解意图
在前三篇中，我们完成了 Skill 创作的"全流程"认知和"第一次"实践。你已经知道 Skill 的三层架构，也亲手创作了第一个 Skill。同样的指令架构、同样的处理流程，为什么有的 Skill 输出质量很高，有的却很一般？差在提示词的质量上。提示词是 Skill 的"灵魂"。同样的 Skill 框架，填上高质量的提示词，输出质量就高；填上一般的提示词，输出质量就一般。就像同一个剧本，好演员和普通演员演出来是天壤之别。Skill 提示词是写给"系统"看的，不只是写给"AI"看的。
2026-05-20 10:01:18
808
原创 第3篇：第一个Skill——从0到1手把手创作指南
前两篇我们建立了认知框架和架构模型。你知道了 Skill 是什么，也知道了它的三层架构——输入层、处理层、输出层。但理论学再多，不亲手做一个终究是纸上谈兵。就像一个看了无数游泳教学视频的人，不下水就永远学不会游泳。这一篇，我们就"下水"。跟着一个完整的实战案例——从"我有一个想法"到"发布一个可用的 Skill"——全程手把手走一遍。每一步该做什么、怎么写指令、怎么测试、怎么优化，都会详细展示。我们将要创造的 Skill 是**「会议纪要整理」**。为什么要选这个？实用性强。
2026-05-20 10:00:13
1955
原创 第2篇：Skill的核心架构——输入、处理、输出三要素
第1篇我们建立了"什么是 Skill"的完整认知。现在你已经知道：Skill 是一个封装好的、可复用的、可执行的 AI 能力模块，由身份标识、指令系统、工具集、配置项和执行逻辑五大组件构成。但知道"有什么组件"不等于知道"怎么设计 Skill"。就像你知道了汽车的零件——发动机、轮胎、方向盘、座椅——但不等于你会设计一辆好开的车。你还需要知道这些零件怎么组合、怎么协同、信息怎么在它们之间流动。这一篇，我们就来建立这个"组织框架"——Skill 的三层架构模型。
2026-05-20 09:59:30
678
原创 第1篇：什么是Skill？——从用户到创作者的认知跃迁
如果你用过 ChatGPT、Claude、Loomy 这类 AI 平台，你可能已经注意到一个现象：有些人用 AI 只是"聊天"，而有些人却能让 AI 变成"专属工具"——一键生成周报、自动分析数据、定时推送财经资讯……这种"专属工具"的背后，往往是一个叫做Skill（技能）的东西。Skill 到底是什么？它和普通的提示词有什么区别？为什么有人说 Skill 是"AI 时代的可复用模块"？普通人也能自己创作 Skill 吗？这一篇，我们就从最底层开始，完整回答这些问题。简单来说，
2026-05-20 09:46:53
584
原创 第10篇：提示词工程的企业级实践——从单次调用到生产系统
认知框架（第1篇）：理解提示词的本质方法论工具（第2~3篇）：四步法与避坑指南进阶技术（第4~6篇）：角色设定、结构化、Few-shot/CoT高级专题（第7~9篇）：CoT深度解析、Agent、多模态但有一个问题：所有这些能力，目前都是"个人技能"——你可以自己写出很好的提示词，但如何让整个团队、整个组织都具备这种能力？提示词工程的企业级实践。团队协作——多人如何共同开发和维护提示词版本管理——提示词也需要"Git"质量保障——测试、评估、监控成本控制——Token预算与性能优化。
2026-05-19 09:48:43
88
原创 第9篇：多模态提示词——文本、图像、代码协同作战
"多模态"是当前 AI 领域最热门的词汇之一。简单来说，多模态 AI 能够同时处理多种类型的信息——文本、图像、音频、视频、代码等。对提示词工程师来说，多模态带来的不仅仅是"模型可以看图片了"这么简单。你可以用图片+文字的组合来描述需求（“帮我修一下这张照片，让天空更蓝一些”）你可以让模型"看图写话"（分析图表、解释示意图、读取文档扫描件）你可以让模型"文生图"（根据文字描述生成图像）你可以把代码执行结果直接反馈给模型，形成闭环。
2026-05-19 09:47:40
271
原创 第8篇：Agent模式与工具调用——让AI从说话到做事
它知道如何理解复杂的问题它能够基于丰富的上下文进行推理和回答它可以用思维链做深入分析它可以按照指定的格式输出它只能"说"，不能"做"。当用户问"帮我订一张明天去北京的机票"时，模型可以写出"订票的步骤是…“，但无法真正执行订票操作。当用户说"帮我查一下数据库中的用户数据"时，模型可以说"查询语句是 SELECT * FROM users”，但无法真正执行这个查询。Agent模式的出现解决了这个问题。它让大模型不再是"会说话的图书馆"，而是"会行动的智能体"——可以调用工具、执行操作、完成任务。
2026-05-19 09:47:10
244
实践1：创建 POST、GET、DELETE 请求
2024-11-15
soapUI接口测试使用手册1
2019-02-27
FL-2018版本.zip
2020-05-20
5只猫 五分钟捉5只老鼠 请问100分钟捉100只老鼠需要多少只猫？
2022-01-01
TA创建的收藏夹 TA关注的收藏夹
TA关注的人