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
