- 博客(40)
- 收藏
- 关注
RSS订阅原创 OpenClaw的智能体和LangChain的智能体有什么区别？
OpenClaw 是一个自托管的智能体网关系统。官方文档写得很清楚：它在你的机器上跑一个 Gateway 进程，这个 Gateway 负责连接各种聊天渠道、维护会话、做路由，并把消息转给后面的 AI agent。一文看懂OpenClaw（龙虾）的原理与机制下面我直接给你最清晰、最直白、面试能直接背的区别，不绕弯、不学术，全是大白话。OpenClaw 智能体 = 网关自带的「轻量现成智能体」主要负责：收消息、发消息、多IM平台对接、简单对话+简单工具调用定位：开箱即用、偏连接和执行、低代码/零代码Lang
2026-05-11 21:45:34
410
原创 Agent的范式
Agent（智能体）范式解析 Agent是一种能自主感知环境、决策并执行任务的智能系统。当前主流范式包括： ReAct范式：通过"思考-行动-观察"循环实现动态推理，优势在于过程透明可解释，但计算成本较高。 Plan-and-Execute：先全局规划再分步执行，适合复杂任务，可通过LangGraph等框架实现任务分解与执行监控。 Reflexion范式：引入自我反思机制，通过"执行→评估→反思"的迭代循环持续改进，典型实现包含执行节点、评估节点和反思节点的状态图。
2026-05-11 21:16:58
369
原创 后端日志管理
小记：——为什么要写这篇关于后端日志管理？目前AI编程确实很厉害，但是AI写的代码，我们如何纠错，如何定位问题也是一件头疼的事情。把项目部署的服务器上了，但是运行时候报错，找不到原因。太烦人了。
2026-05-07 09:44:40
193
原创 向量数据库的索引（Index）
文章摘要 索引是数据库高效获取数据的数据结构，用于加速向量搜索和相似度匹配。主要索引类型包括：FLAT（暴力搜索，精度高但速度慢）、IVF（通过聚类加速搜索，适合大规模数据）和HNSW（基于分层图结构，查询速度快精度高）。索引解决了大数据量下的查询速度、实时性和可扩展性问题。ANN（近似最近邻）通过牺牲一定精度换取搜索效率，常用方法包括IVF、HNSW等，适用于推荐系统、图像搜索等高维向量检索场景。不同索引各有优缺点，需根据数据规模、精度要求和响应时间进行选择。
2026-05-05 12:54:33
366
原创 FastAPI 与微服务架构
前期：用 FastAPI 写一个完整单体应用，快速验证业务。中期：把相对独立的模块（如用户、支付、通知）抽成独立的 FastAPI 服务。通信：使用httpx异步请求、或 gRPC。部署：每个服务打成一个 Docker 镜像，用 Docker Compose 或 Kubernetes 管理。FastAPI 的优秀设计（异步、类型提示、OpenAPI 自动生成）让你在拆分微服务时依然保持高效开发。
2026-04-29 07:55:44
389
原创 Pydantic讲解
Pydantic 是一个 Python 数据验证库，通过类型注解自动校验和转换数据。它支持基础类型、嵌套模型、可选字段等复杂结构，并提供 Field 约束、自定义校验器等功能。Pydantic 能自动处理脏数据转换（如字符串转数字），并支持模型继承、配置和计算字段。主要使用方法包括：定义继承 BaseModel 的类，用类型注解声明字段；通过 model_validate 创建实例；用 model_dump 导出数据。该库简化了数据验证流程，让开发者专注于业务逻辑而非数据清洗。
2026-04-29 07:38:08
467
原创 MCP协议与实践
MCP（模型上下文协议）是一种标准化接口协议，用于连接AI应用程序与大语言模型（LLM）的上下文环境。它定义了模型运行时如何感知和使用外部世界的状态与能力，包括可用工具、工作状态和执行记录三层次上下文。与仅提供工具清单的Function Calling不同，MCP专注于建立稳定的执行环境，实现工具发现、权限管理和状态维护的标准化。该协议由MCP Host、Client和Server三部分组成，不替代模型自身的决策功能，而是为多模型共享同一套工具上下文提供统一框架，解决了AI应用与外部服务间的连接问题。
2026-01-16 23:52:35
531
原创 Function calling实践
本文介绍了如何使用OpenAI API实现Function calling功能，通过天气查询案例演示了完整流程。主要内容包括：1) 配置API参数和定义工具函数；2) 构建对话消息并首次调用模型判断是否需要工具调用；3) 处理工具调用请求并模拟本地函数执行；4) 将函数结果回传并获取最终回答。文章还探讨了Function calling解决的问题、其作为后端与LLM结合的特性、token限制问题以及不同模型支持差异等思考要点。最后提供了参考资料链接，帮助开发者更深入理解Function calling与MC
2026-01-16 22:01:19
514
原创 Agent skill怎么使用？
摘要： Agent Skill是一种突破大模型上下文限制的能力模块，通过将Prompt外化为可复用、持久化的组件，实现渐进式披露和按需加载。相比普通Prompt，Skill具备项目级代码读取、文件操作和长期上下文等特性，支持真实动作执行。Skill与MCP（工具调用协议）和工作流形成分层架构：MCP负责底层执行，Skill封装智能体能力，工作流编排确定性流程。三者协同实现从"Prompt工程"到"Agent工程"的升级，解决复杂任务中的上下文管理瓶颈，使模型具备长期任
2026-01-16 19:34:41
1152
原创 langchain与langgraph的对比
LangChain和LangGraph是大语言模型应用开发框架。LangChain提供模块化组件，支持链式任务执行（如对话系统、文档检索），特点是工具集成和检索增强生成。LangGraph是其扩展，专注于复杂任务编排，支持图结构流程、状态持久化和多智能体协作，适用于代码生成等场景。两者区别在于：LangChain适合线性任务，LangGraph适合多分支、可视化工作流。LlamaIndex是专注高效检索的文档索引工具，常与LangChain配合使用。开发者也可直接调用API，但需自行处理prompt拼接、异
2025-12-31 16:27:30
508
原创 Qwen微调医疗模型（学习笔记）
本文介绍了一个基于ShareGPT数据的Qwen2 7B模型微调项目。项目采用QLoRA微调方法和Flash Attention技术，最终实现一个简单的对齐后模型。
2025-12-28 21:34:06
1135
原创 webpack详解和实操
Webpack 是一个现代前端模块打包工具，其核心功能包括将各类资源视为模块、构建依赖图和输出打包文件。它解决了浏览器原生不支持模块化的问题，支持非JS文件通过Loader转换，并提供代码拆分、Tree Shaking等优化手段。Webpack的核心流程包含入口文件解析、模块处理、依赖图构建、插件处理和最终输出。通过案例演示了从项目初始化到打包的基本步骤：创建项目目录、安装webpack及相关工具、配置入口文件和输出目录，最后通过命令行完成打包。Webpack极大提升了前端开发效率，是现代框架如Vue/Re
2025-12-25 22:51:15
969
原创 大模型微调（学习笔记一）
指的在已有的大规模预训练模型基础上，通过对标注数据进行训练，进一步优化模型的表现，以适应特定任务或场景的需求。我们必须小心谨慎的设计模型微调数据集和微调训练流程，并经过反复多次训练验证，得到一个最佳模型。参数高效微调 (PEFT, Parameter-Efficient Fine-tuning)尽管模型微调能够通过修改模型参数的方式，永久的修改模型的能力，但这其实是。第一类方法:借助OpenAI提供的在线微调工具进行微调;（提前安装好hugging face包），如果处理不当，很可能造成模型原始能力的。
2025-12-23 12:24:01
957
原创 Reflexion Agent是什么？怎么实现？
Reflexion Agent是一种通过语言反馈实现自我强化的智能体框架，它由LLM、语言反思模块和经验记忆池组成。与传统强化学习不同，它不需要权重更新，而是通过：1）Actor执行任务；2）Evaluator评估结果；3）Self-Reflection生成语言总结；4）将反思文本存入记忆（短期记忆记录当前轨迹，长期记忆存储反思）。这种机制使Agent能通过言语层面的反思不断优化决策。该框架已在论文《Reflexion: Language Agents with Verbal Reinforcement L
2025-11-09 14:06:56
465
原创 提示词（Prompt）工程与推理优化
大模型本质是基于概率预测的"下一个词"生成系统，其输出质量高度依赖提示词设计。提示词工程通过提供上下文、激活相关知识、约束输出格式等方式引导模型生成更符合需求的结果。
2025-11-09 09:03:21
460
原创 Vue 2 和 Vue 3 的区别
Vue 3在架构和组件API方面进行了重大升级。核心改进包括：1) 使用Proxy重构响应式系统，相比Vue 2的Object.defineProperty性能更好且支持完整属性监听；2) 虚拟DOM优化提升渲染性能；3) 完全支持Tree-shaking减小包体积；4) 原生TypeScript支持。组件API方面，Vue 3保留Options API的同时引入Composition API，通过setup语法糖实现更灵活的代码组织方式，支持逻辑复用和更好的TS集成。还改进了异步组件、全局API等特性，使
2025-11-07 23:41:55
1171
原创 Vue.js devtools使用教程
Vue.js DevTools 是专为 Vue.js 应用设计的浏览器开发者工具扩展，提供组件树检查、状态调试、事件追踪、Vuex/Pinia 集成和性能分析功能。
2025-11-07 22:49:29
1365
原创 前端异步请求：Await与Promise.then的区别
异步请求是一种编程模式，允许代码在等待某些操作（如网络请求、文件读取等）完成时继续执行其他任务，而不需要阻塞整个程序。（JavaScript的单线程特性）
2025-10-28 08:37:21
336
原创 超出大模型token上限的AI分析可以怎么设计？【面试题】
核心： 利用 LLM 的能力进行逐步压缩。做法将长文本切分成满足 Token 限制的小块。LLM 依次对每小块生成局部摘要。将所有局部摘要合并后，再进行二次摘要，得到最终的全局结论。优势： 能够处理需要整体理解的超长文档，保持信息的逻辑连贯性。核心思路技术细节优势适用场景滑动窗口/递归摘要将长文本分割成若干符合 Token 上限的独立片段。LLM 依次对每个片段进行局部摘要，然后将所有局部摘要再次合并进行二次摘要，直到获得最终的全局摘要。
2025-10-23 10:57:18
1065
原创 AI Agent搭建框架与平台
这类平台将底层的框架和模型进行封装，提供可视化界面、Agent 管理和企业级安全功能，适合快速原型开发和生产部署。这类框架的重点是让多个 Agent 能够互相沟通、协作和分工，以解决复杂的、需要集体智慧的任务。这类框架为开发者提供了 Agent 所需的记忆、工具调用、LLM 链式调用等基础组件和抽象。
2025-10-23 10:23:28
714
原创 构建AI Agent的步骤
这是 Agent 设计的起点，需要明确 Agent 的核心价值。确定用例和目标： Agent 需要解决什么具体问题？它的核心任务和最终目标是什么？（例如：自动管理日程、执行多轮搜索和总结、代码调试）。定义环境和约束： Agent 将在什么环境中运行？它的权限和限制是什么？（例如：只能访问内部 API、必须在沙盒环境中运行代码、响应时间限制）。确定角色 (Persona)： 赋予 Agent 一个明确的身份（例如：知识渊博的顾问、严谨的分析师），以指导其思考和语言风格。
2025-10-23 09:51:11
603
原创 为什么AI Agent需要提示词？
是指用户为了引导模型生成特定输出而提供的初始文本输入。它可以帮助模型理解和执行用户的指令或任务。给大模型的输入会影响它的输出。输入不同，输出肯定不同。
2025-10-23 09:36:00
917
原创 Git分支合并与审核
Git项目管理最佳实践摘要（150字） 本文提出规范的Git协作流程：1）严格保护master分支，禁止直接push，强制PR合并；2）采用功能分支开发模式，每个任务创建独立分支；3）通过PR审核机制确保代码质量。作者结合自身在学术项目中遇到的代码覆盖问题，演示了从创建feature分支、提交PR到合并审核的全流程，强调分支删除的规范操作。关键准则：开发在分支、合并走PR、保持master纯净，配合代码审核机制，可有效解决团队协作中的版本混乱问题。通过Gitee平台演示了分支保护设置和PR操作细节。
2025-09-27 15:51:03
1304
原创 对话模型/ 补全模型 /Embedding 模型
本文介绍了三种主要AI模型：对话模型（Chat Model）专为多轮对话设计，能生成自然连贯的回应；补全模型（Completion Model）用于文本延续和补全，适合写作和代码生成；嵌入模型（Embedding Model）将文本转为向量表示，用于语义分析和检索。通过代码示例展示了各模型的基本用法，并对比了它们的输入输出形式、核心功能和应用场景。三种模型分别适用于聊天助手、自动写作和语义检索等不同任务。
2025-08-14 21:41:15
617
原创 传统RAG与Graph RAG的区别
摘要： 检索增强生成（RAG）技术通过整合外部知识库弥补大语言模型的缺陷（知识局限、幻觉问题等），其标准流程包括知识库构建、检索和生成三阶段。然而传统RAG存在检索碎片化、缺乏全局语义等问题。Graph RAG作为升级方案，将知识图谱与大模型结合，利用图结构表达实体间的关联关系，实现多跳推理和动态知识演化，显著提升复杂语境下的信息检索与生成质量。这一技术突破更贴近人类认知模式，为知识密集型任务提供更高效的解决方案。（149字）
2025-08-12 18:04:51
1018
原创 实现基于LangChain的RAG系统--学习笔记
本文介绍了LangChain框架及其在大语言模型应用开发中的优势，重点演示了如何基于LangChain实现RAG(检索增强生成)系统。
2025-08-07 22:41:45
1009
原创 从零到一搭建RAG系统
RAG技术概述与实现摘要 RAG（检索增强生成）技术通过结合外部知识检索与大模型生成能力，有效解决了基础大模型的四大局限性：知识局限（无法获取实时/非公开数据）、幻觉问题（错误生成）、数据安全（私域数据保护）和上下文限制（有限窗口问题）。其核心流程包括：文本分块、嵌入向量化、向量数据库存储、查询检索和生成响应。实现时需构建嵌入模型（如OpenAI的text-embedding-3系列）、计算余弦相似度，并设计完整的检索增强流程。该系统可显著提升大模型在专业领域的准确性和可靠性，同时保障数据安全性。
2025-08-07 13:36:05
795
原创 将Vue项目上传到github中
main 和 master 都是 Git 仓库中常见的默认分支名称，它们实际上没有什么特别的区别，只是名字不同。通常，它们代表着仓库中的主分支，即主要的开发和发布分支。在项目根目录下创建 .gitignore 文件，用于指定 Git 忽略哪些文件或文件夹。记下仓库的 URL（例如 https://github.com/your-username/my-vue-project.git）。6，可能存在 Git 无法识别你当前的身份信息（用户名和邮箱）的问题。使用 Git 将你的项目文件添加到版本控制中。
2024-12-10 15:49:47
618
原创 vue项目的创建
英文官网中文官网2.动态构建用户界面的渐进式 JavaScript 框架3.遵循 MVVM 模式；编码简洁, 体积小, 运行效率高, 适合移动/PC 端开发；它本身只关注 UI, 也可以引入其它第三方库开发项目4.借鉴 Angular 的模板和数据绑定技术；借鉴 React 的组件化和虚拟 DOM 技术。
2024-05-04 19:00:10
313
2
原创 云端书城在线商城管理系统
云端书城在线商城管理系统我写的这个功能比较简单，适合新手学习。之后打算再写一个功能多的管理系统课程设计设计题目是基于Web的小型网上购物系统，通过采用MVC模式，MySQL数据库完成一个网上购物系统的主要功能模块。系统主要功能：一， 用户功能需求账号：zm 密码456（1） 用户的登录：对已经注册的用户提供登录操作。（2）商品浏览：登录成功后将商品的信息显示在页面中，供用户选择需要购买的商品（3）单个商品的详情浏览：分页浏览商品的详细信息。（4）购物车:用于存放用户的购物内容，用户可根据
2021-07-01 15:28:05
441
原创 bootstrap浏览器博物馆
Javaweb应用开发综合课程设计 浏览器博物管**设计任务及要求：**设计任务：首页(index.jsp)包括网站导航、图片的轮播、热门浏览器、所有浏览器。点击导航栏中的“登录”，跳转到登录页面login.jsp。点击导航栏中的“注册”，跳转到注册页面register.jsp，用户注册信息包括姓名、密码（自己至少再定义3种信息）。点击导航栏中的“收藏品”，实现所有浏览器的名称，要求必须动态从数据库中读取。轮播图使用JSP技术实现动态显示，是动态显示。热门浏览器，根
2021-06-24 21:59:50
437
原创 java课程设计--模拟·ATM机
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入欢迎使用Markdown编辑器你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar
2021-01-09 20:43:49
2778
10
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人