ai agent

非科班Java出身GISer

国产 AI IDE（Agent）颠覆传统开发方式：codebuddy 介绍，以及简单对比 trae、lingma、Comate首先说一下最主要的原因：懒。外国 AI IDE 应该是挺早就有了，而笔者一直无感，主要是感觉前端开发对这个依赖程度不高。

行者-全栈开发

腾讯地图 Map Skills 快速入门：从零搭建 AI 智能行程规划应用💡 摘要: 本文深入讲解了腾讯位置服务开发者征文大赛的参赛指南，通过实战案例展示了如何使用腾讯地图 Map Skills 从零开始搭建 AI 智能行程规划应用。涵盖 API Key 申请、Vue3 项目初始化、地图集成、AI Agent 架构设计等核心内容。结合腾讯云开发环境，提供完整的项目模板和最佳实践，帮助开发者快速入门并构建高质量的参赛作品。包含 8 个常见问题和完整的代码示例。

AI自动化工坊

工程实践：AI Agent双重安全验证机制的技术实现方案近期以太坊创始人Vitalik Buterin提出的AI Agent安全模型在技术社区引起广泛讨论。作为开发者，我们不能仅仅停留在概念层面，更需要关注如何在工程实践中落地这一安全理念。本文将深入解析Human+LLM 2-of-2验证机制的技术实现细节。

【OpenClaw】一文说明 OpenWebUI / Ollama / OpenClaw 的区别与关系本文档对比了三个自托管 AI 项目的核心定位、功能特点与相互关系。定位：轻量级的本地 AI 模型运行服务

zhangshuang-peta

MCP：把不确定性变成工程能力一、MCP 试图解决的，从来不是“模型不够聪明”（What MCP Tries to Solve Is Never “Models Are Not Smart Enough”）

灵机一物AI原生电商小程序(已上线)-AI Agent+社交裂变：电商增长闭环的技术落地全解析（附代码结构与风控方案）作者：Maris5188摘要：AI砍价早已不是新鲜事，但传统单人对话砍价模式存在流量闭环断裂、获客成本高的痛点。本文从技术落地视角，完整拆解「AI对话砍价+社交裂变」的产品技术方案，重点讲解增量架构设计、Redis热数据缓存、多场景风控实现，以及LangGraph工作流的扩展改造，帮助技术开发者快速复用现有系统，落地高转化的社交裂变增长模式，解决AI砍价“砍到底就结束”的核心难题。

程序员夏末

【AI Agent基础 | 第五篇】简析MCP(模型上下文协议)前言本文是我近期学习MCP相关的知识并结合AI整理总结而来，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。

React的预构建creat_agent模块详解京东购书链接前面我们基于原生LangGraph完成了基础React的设置与使用，从工具定义、节点逻辑到图结构搭建都需要手动配置，可以看到，采用全手动实现虽然能精准控制流程，但步骤相对烦琐。

AI自动化工坊

OpenFang实战指南：用Rust构建高并发AI Agent操作系统很多开发者在使用传统Python框架（如LangChain、AutoGen）开发AI Agent时，会遇到一些生产环境特有的问题：

云浏览器：让 AI Agent 真正拥有“眼睛“——火山引擎 ArkClaw 新功能体验# 云浏览器：让 AI Agent 真正拥有"眼睛"——火山引擎 ArkClaw 新功能体验## 为什么 AI Agent 需要一双"眼睛"？

SaaS的末日重构：AI Agent浪潮下的危机与新生目录前言一、市场恐慌的源头：“软件-PE”的死亡循环二、核心重构：AI 将如何改造企业级 SaaS？

MiniMax 权益码 Token Plan 套餐 9 折优惠🚀 MiniMax Token Plan 惊喜上线！新增语音、音乐、视频和图片生成权益。邀请好友享双重好礼，助力开发体验！好友立享 9折专属优惠 + Builder 权益，你赢返利 + 社区特权！ 👉 立即参与：https://platform.minimaxi.com/subscribe/token-plan?code=DGhuInagjB&source=link

zhangshuang-peta

如果没有 MCP，AI 系统会走向哪里？一、这是一个“反事实问题”，但并不抽象（This Is a Counterfactual Question, but Not an Abstract One）

zhangshuang-peta

MCP 会不会成为 AI 系统的“新中间件”？一、为什么人们开始把 MCP 和“中间件”类比？（Why Do People Start Comparing MCP to “Middleware”?）

zhangshuang-peta

MCP 的落地路径：从 PoC 到规模化部署的 4 个阶段一、为什么 MCP 的落地一定是“分阶段”的？（Why Must MCP Adoption Be Phased?）

zhangshuang-peta

MCP 在企业架构中的位置：它该放在哪一层？一、为什么“放在哪一层”是一个必须回答的问题？（Why Is “Which Layer It Belongs To” a Mandatory Question?）

zhangshuang-peta

MCP 与 AI Agent：为什么 Agent 离不开协议？一、为什么一谈到 Agent，就一定会谈到 MCP？（Why Does Talking About Agents Inevitably Lead to MCP?）

【Agent 设计模式全景图：从 ReAct 到工业级多智能体架构】在软件工程领域，AI 工具正经历从 GitHub Copilot（生成式补全）向 Claude Code / Cursor / Trae（任务级智能体）的代际跨越。这一转变的核心在于底层处理逻辑从“概率预测”向“目标驱动”的范式转移。

zhangshuang-peta

MCP 的执行与回执：如何让每一步可追踪、可验证、可审计？一、为什么“执行”和“回执”在 MCP 中如此重要？（Why Are Execution and Receipts So Important in MCP?）

最初的↘那颗心

企业级 AI Agent 工程方法论：上下文工程与记忆体系实战（中）上一篇我们聊了 AI Agent 的核心架构、工具工程化和 RAG 演进路径。这篇来讲两个在生产中极其关键但容易被忽视的环节：上下文工程和记忆生成流水线。大部分 Agent 在生产中翻车，根因往往就出在这两块。