阿里开源270亿参数原生多模态模型,家用显卡可跑,编程与办公表现超越Qwen3.7-Plus。 [..]
Read More
读过不少书,积累了一大堆知识,可遇到现实问题依旧迷茫,遇事看不透,做事想不通。 问题往往不在于读得太少,而在于读的太单一、思维模式没有升级。知识零散地储存在脑海,没有形成相互连通的思考体系,再多的阅读也只是信息的堆砌。 如果你只有一种思考方式,就会用它解决所有问题。 你手里只有一把锤子,那你看什么都…
标签:成长
上篇你把大脑接口钉死了——invoke 既能吃字符串,也能吃 Messages 列表。字符串只够打招呼;正式对话、工具回填、看图说话,全靠 Messages。这篇讲消息类型、怎么遍历,以及多模态(在线 URL / 本地 base64)怎么塞进同一条消息。 小明把角色搞混了 小明沿用上篇写法: mod…
标签:agent, ai, Langchain
很多人用 AI,用的是它的"手"——让它写文案、改代码、做表格。但 AI 真正被低估的能力,是它的"脑":当你把一件事想不清楚时,它能当你的思考搭档(thinking partner),帮你把问题拆开、把盲区照亮、把结论推深。 这篇文章整理 4 个把 AI 用于"想事情"的方法。它们不是孤立技巧,而…
上篇你四步跑通了 create_agent——Models + Tools 就能干活。但塞进去的那个「大脑」到底怎么创建、怎么调用?这篇把 Models 单独拆开:ChatOpenAI、init_chat_model,以及 invoke 与 stream。 小明发现 Agent「换模型」很烦 小明把…
标签:agent, ai, Langchain
上篇你认清了 LangChain 是编排层——六大模块、LCEL、Agent 三阶段。地图有了,该动手插第一块「手脚」。这篇讲最小 Agent:加载环境 → 定义工具 → create_agent → 调用。 小明卡在「一轮工具」 上篇之后,小明用LangChain框架跑通了「查一次天气」: 问题:…
上篇你给 Agent 装上了 Plan-and-Execute——它能先规划再执行,复杂任务有了章法。但当任务本身需要「研究 + 写作 + 审稿」多种能力时,让同一个 Agent 一人包办,质量往往上不去。这篇讲多智能体——把工作拆给专职角色,用流水线协作出稿。 小明想写一篇科普文 小明用上篇的 /…
上篇你给 Agent 装上了 ReAct 引擎——它能反复思考、反复调工具,直到任务完成。但面对复杂任务时,边做边想容易跑偏。这篇讲 Plan-and-Execute——先规划再执行,让 Agent 做事更有章法。 小明遇到了复杂任务 小明兴冲冲地给 Agent 下了一个任务: 你:调研 …
上篇你给 Agent 加上了记忆——消息链让它记住整个会话。但记忆只是基础,真正的 Agent 需要反复思考、反复行动,直到任务完成。这篇讲 Agent 的灵魂——ReAct 循环。 小明发现 Agent "不想多干活" 小明把记忆、工具注册表、MCP 都接上了。Agent 能聊天、能查天气、能搜新…
上篇你学会了 MCP——用标准协议接入全世界的工具。但工具多了、对话长了,一个新问题冒出来:Agent 记不住刚才说过什么。这篇讲 Agent 的记忆机制——为什么消息列表就是 Agent 的大脑,以及 Function Calling 之后记忆怎么维护。 小明发现 AI 失忆了 小明的 Agent…
标签:agent, ai
上篇你把多智能体流水线跑通了——调度员派活,研究员、写手、编辑各司其职。但手写协议、手写重试、手写上下文传递,工程负担越来越重。这篇换一条路:认识 LangChain——把 LLM、工具、记忆、检索组装成应用的编排层,以及它眼里的 Agent。 小明想做「AI 旅游助手」 小明已经会 Functio…
标签:agent, ai, Langchain