ai agent

OpenClaw安全部署实现1、版本V1.0.1 2、下载链接 https://download.xx.sn.cn/openclaw/V1.0.1/xOpenClaw_V1.0.1.ova3、SHA256值01531e935238fa7f62da7fd6e3f4d5cc5ee061be49ae2509089349ef84ea740f 4、版本默认配置 2vCPU、4G内存、128M显存 5、版本默认功能 1）已预装了openclaw（版本为：2026.3.13）； 2）openclaw虚拟机和物理机文件系统隔离：文件请复制到电脑D盘

从 Claude Code 到 Codex：拆解 Agent Runtime 五层架构的新技术演进很多人以为，2025~2026 年 Agent 的进步来自模型。但如果你真正去拆 Claude Code、Codex、Deep Agent、AutoGen、OpenHands 这类系统，会发现：

ReAct Agent是什么？与传统LLM/Chatbot的本质区别（原理篇）很多人第一次使用大模型时，会觉得它已经很聪明了：于是自然会产生一个想法：既然模型这么强，是不是直接接入业务系统就行了？

程序员夏末

【AI Agent基础 | 第六篇】LLM多厂商接入：区分provider、protocol、base_url、adapter前言此文是我近期学习星哥的Agent项目遇到的问题，结合AI整理总结而来，分享给大家。一是为了记录，二是用于日后的回顾，三也是希望能其给他初学者带来一点点帮助。特别鸣谢 UP主：氪金氪氪氪氪

“探索型 AI“和“交付型AI“是两个完全不同的物种 [特殊字符]大家好，我是 AI 研究员阿满 🌸今天聊一个我自己瞎编的词——不是什么学术界黑话，就是我用了一年 AI 之后的真实体感：

程序员夏末

【AI Agent | 第七篇】Skill的使用：将经验沉淀成可复用工作流前言此文是我近期学习Agent中关于Skill使用的一点心得，结合AI整理总结而来，分享给大家。一是为了记录，二是用于日后的回顾，三也是希望能给其他初学者带来一点点帮助。

薛定谔的猫369

深入浅出 MCP：重塑 LLM Agent 的能力边界与生态标准随着大语言模型（LLM）从简单的“对话框”向具备行动能力的“智能体（Agent）”演进，一个迫切的问题浮出水面：如何让模型安全、标准化地访问复杂的外部世界（如数据库、本地文件、API 接口）？Model Context Protocol (MCP) 的出现，为这一难题提供了标准化的答案。

AI Agent 模型成本控制实战：Token 消耗优化与监控技巧很多团队在做 AI Agent 时，都会经历一个阶段：尤其是当你引入：你会很快发现：成本不是线性增长，而是指数级增长。

薛定谔的猫369

深度解析 MCP (Model Context Protocol)：重塑 AI Agent 的生态连接在当前大语言模型 (LLM) 快速发展的时代，AI Agent 的能力边界正从单纯的“文本生成”向“自主行动”演进。然而，如何让不同的 AI 模型安全、标准化地调用各种外部工具（如数据库、本地文件、API 接口）成为了行业的一大挑战。Model Context Protocol (MCP) 的出现，正是为了解决这一核心痛点。

[FastMCP设计、原理与应用-15]挂载一个MCP服务器就像挂载一个目录一样容易随着应用程序的增长，我们需要将其拆分为多个功能专一的服务器（例如一个用于天气，一个用于日历，一个用于管理后台），并通过挂载（Mount）的方式将它们合并成一个客户端连接的单一服务器。挂载服务器后，其所有工具、资源和提示都会通过父进程变为可用状态。连接是实时的，挂载后向子进程添加工具，该工具会立即在父进程中可见。

从“会调用”到“稳得住”：Agent工具使用与MCP安全交互深度剖析过去两年，AI Agent的发展速度令人目不暇接。从LangChain到AutoGPT，从OpenAI的Assistants API到Anthropic的Claude Computer Use，Agent系统正在从“能聊天的模型”进化到“能做事的助手”。但这里有一个深刻的变化正在发生：2026年，Agent的竞争重点正在从“会不会调用工具”转向“能不能稳定、安全地干活”。

【科研AI实战】Python高阶+PyTorch+OpenClaw智能体，全栈技术详解随着观测技术、数值模拟与计算基础设施的迅猛发展，科学研究的范式正经历从"人工编程"到"智能体自动化"的深刻变革。无论您从事生命科学、环境科学、材料研究还是社会科学，都面临着共同的挑战：海量异构数据的处理耗时、复杂模型的编程门槛、以及从Idea到论文的漫长转化链条。本课程正是为突破这些瓶颈而生。我们不仅提供从Python基础到PyTorch深度学习的完整技术栈，更前瞻性地引入大模型工程化与自动化智能体（Agents）技术，打造"AI赋能的科研全链条"：

LangGraph 与 ReAct Agent 调试技巧：从日志到可视化全解析很多人第一次做 ReAct Agent，都会有一种挫败感：这和普通 CRUD 系统很不一样。传统后端开发里，你通常面对的是：

[FastMCP设计、原理与应用-14]FastMCP——架构之魂，构建MCP应用的统一入口与调度中枢作为一个MCP服务器，FastMCP在底层需要建立一个面向传输（STDIO、SSE和Streamable-HTTP）的服务器用于建立和维护于客户端的连接，并在此基础上完成与客户端的消息交互。具体的消息交互具有如下几种模式：

zhangshuang-peta

MCP 与治理：当 Agent 成为组织决策的一部分一、当 Agent 影响决策，问题就不再只是“系统稳定性”1、Agent 一旦进入决策链，就进入了“组织治理域”

[FastMCP设计、原理与应用-11]Transform——数据炼金术，跨协议边界的无缝适配与格式转换Transform核心作用是在MCP服务器处理请求的生命周期中，允许我们拦截、修改或过滤工具、资源（包括静态资源和动态资源模板）和提示词（模板）的读取。

zhangshuang-peta

MCP 与下线机制：如何安全地“关掉”一个 Agent 系统？一、能否“安全下线”，决定 Agent 是否真的能上线1、下线不是异常场景，而是系统生命周期的一部分在很多团队的直觉里，“下线”往往意味着：

两行注解把企业 RPC 接口变成 AI 工具标签：Java Agent j-langchain RPC Dubbo Feign @AgentTool @Param @ParamDesc 前置阅读：AgentExecutor：用一行代码启动 ReAct Agent 适合人群：希望把已有 Dubbo / Feign / gRPC 等 RPC 服务快速接入 AI Agent 的 Java 开发者

MCP HTTP 传输详解：比 SSE 简单，但有一个意外的坑标签：Java MCP HTTP OkHttp Session SSE格式解析 j-langchain 前置阅读：MCP SSE 传输详解：双通道设计与异步请求匹配适合人群：需要对接支持 HTTP 传输的 MCP 服务、或希望理解三种传输方式差异的 Java 开发者