智能体

阿瑞说项目管理

有监督 vs 全自主：两种 Agent 范式，你选对了吗？从 LangChain、AutoGen 到 CrewAI，框架各有侧重——但真正影响项目落地的，是对"控制权"边界的判断。

李昊哲小课

自建API服务天气查询 Agent 进阶教程🎯 你将构建的程序基于本地大模型的 AI Agent，输入城市名即可查询实时天气。与简化版不同，本教程从零搭建模型服务：

((AI篇)OpenGL渲染与几何内核那点事-(二-1-(10)：从“搜个大概”到“读懂图纸”：一个 CAD 开发者眼中的 RAG 进化简史)@[TOC]((AI篇)OpenGL渲染与几何内核那点事-(二-1-(10)：从“搜个大概”到“读懂图纸”：一个 CAD 开发者眼中的 RAG 进化简史)

VoxMind: An End-to-End Agentic Spoken Dialogue System宣传一下我们的最新工作 VoxMind(端到端语音大模型领域首个系统性智能体框架)，已被 ACL 2026 Main Conference 录用，欢迎大家关注～

龙侠九重天

AI Agent 是什么？从概念到第一个智能体🚀 AI 正在从「回答问题」走向「解决问题」过去的几年里,我们见证了大语言模型(LLM) 的崛起。从 GPT-3 到 GPT-4,从 Claude 到 Gemini,这些模型展现出了惊人的语言理解和生成能力。它们能够写代码、创作文章、翻译语言,甚至能够通过各种考试。

基于ReAct模式的智能体系统示例ReAct（Reasoning + Acting）是让大模型像人类一样“边思考边行动”的提示工程框架。它通过让模型在生成最终答案前，先输出推理步骤（Reasoning），再根据推理调用工具或采取行动（Acting），来解决复杂问题。

小程故事多_80

AI编码效率革命，Agent Orchestrator如何让多智能体并行开发成为现实在人工智能技术飞速发展的今天，AI编码工具已经成为开发者日常工作中不可或缺的一部分。从简单的代码补全到复杂的逻辑生成，AI正在不断重塑软件开发的流程与效率。但当我们尝试让多个AI编码智能体同时处理一个项目的不同任务时，却常常陷入协作混乱、环境冲突、反馈滞后等困境。如何让众多AI智能体高效协同、并行工作，成为提升AI辅助开发效率的关键难题。

小程故事多_80

Claude Code 全流程梳理，从需求输入到工具执行的完整逻辑去年底第一次接触 Claude Code 时，我只是把它当成一个 “能在终端写代码的工具”。直到某次深夜调试一个 500 行的接口报错，我看着它自动读文件、定位问题、修改代码、跑测试，全程没让我敲一行命令，甚至连文件路径都没问我要，那种震撼感让我意识到：这不是简单的代码生成器，而是一套真正在 “思考” 的智能体系统。

RAG面试篇11我理解知识库更新的核心挑战是，文档变了，对应的 chunk 和向量都要跟着变，而且要做到增量处理，不能每次全量重建。我们的通用方案是给每个文档算一个内容 hash，通过轮询或者监听数据源变更，检测到文档新增、修改、删除的时候，先清掉旧的向量，再重新切割入库。对于实时性要求比较高的场景，我会用消息队列比如 Kafka 做变更事件驱动，实现秒级的入库。

GPT-5.5 全系上架 NoneLineargpt-5.5（OpenAI）gpt-5.5-pro（OpenAI）👉 已上架非线智能 NoneLinear 平台：https://nonelinear.com/static/models.html

小程故事多_80

从Claude Code源码中，拆解13个可直接复用的Agentic Harness设计模式（生产级实战解析）2024年以来，大模型Agent领域的竞争愈发激烈，从基础的对话助手到复杂的自动编码工具，大家都在探索如何让AI具备更稳定、更高效的自主执行能力。而Claude Code源码的意外泄露，给整个技术圈送来了一份“宝藏级”参考资料，它没有藏着什么惊世骇俗的算法，却用一套成熟的设计模式，揭示了生产级AI编码助手的底层逻辑。

DeepSeek-V4 上架 NoneLinearDeepSeek-V4-Pro（深度求索）DeepSeek-V4-Flash（深度求索）系列共性：开创新注意力机制 + DSA 稀疏注意力，1M 百万上下文成标配；已针对 Claude Code、OpenClaw、OpenCode、CodeBuddy 等主流 Agent 框架做原生适配。 👉 已上架非线智能 NoneLinear 平台：https://nonelinear.com/static/models.html

阿瑞说项目管理

AI Agent 与普通 AI 助手的区别是什么？这不是一个玩文字游戏的问题。搞清楚这两个概念的边界，决定了你在选型和架构时能不能做出正确的判断。一句话回答：普通 AI 助手只会"回答"，AI Agent 会"执行"。前者止步于生成文字，后者能调用系统、驱动流程、感知结果、自我纠偏，直到把任务真正做完。

weixin_50913834

ACD理论实战揭秘：配置智能体认知动力学后，医疗Agent从“可能上岗”到“必须上岗”的能力跃迁——以心衰管理智能体测评报告为例在人工智能从提示工程时代迈向真正可控、可解释的Agentic时代的2026年，张家林在《智能体认知动力学导论》一书中提出的ACD理论——智能体认知动力学框架，正以摧枯拉朽之势重塑整个行业的技术底层。这套理论不再将大型语言模型视为单纯的“文本生成器”，而是将认知过程抽象为高维语义黎曼流形上的几何导航问题，通过最优传输-层论几何导航器（OT-SGN）实现从生成式控制到拓扑几何求解的根本范式转变。当一个医疗智能体真正配置了ACD理论后，其能力边界发生了质的飞跃：它不仅能在容错率为零的生命安全场景下零失误，还能在

开放智能体网络协议（Agent Network Protocol，ANP）开放智能体网络协议（ANP）是专为AI智能体设计的去中心化、标准化网络通信协议，核心目标是让不同厂商、不同架构、不同功能的AI智能体，能够跨平台、跨系统、跨网络自由连接、协作、交互与数据共享，解决当前AI智能体普遍存在的孤岛化、无法互通的行业痛点。简单来说，ANP就是AI智能体的互联网协议，如同HTTP/IP协议让计算机实现联网一样，ANP能够让所有AI智能体组成一个统一的智能体网络。

codex报错解决 Error loading config.toml: `wire_api = “chat“` is no longer supported根据参考1，将“阿里云百炼Coding Plan”接入codex，配置完成后，启动codex时，报错如下：

RAG面试篇7我用 Query Rewrite 主要是为了弥补用户提问方式和知识库文档表述之间的语义鸿沟。用户的问题往往口语化、模糊、带缩写，而文档写的是正式书面语，向量相似度天然偏低，导致该召回的内容没被召回。

从客服转行AI Agent：半年学习与求职复盘现在很多大学生都有转AI的想法，但每天做的却是收藏一堆教程、刷一堆概念、看一堆“LLM 从入门到精通”，然后继续焦虑、继续拖沓、继续投简历没回音。我就是双非野鸡二本经济学转Agent的，结果把 Agent 这条路跑通之后，简历项目亮点直接写满，后面成功拿到offer30kLLM工作最近还发了2w多的年终奖，舒坦！

谷哥的小弟

大模型核心基础知识(03)—大模型的分类方法与应用场景大模型并不是单一形态的技术对象。随着模型结构、训练方式和应用目标不断扩展，人们通常从不同角度对大模型进行分类。分类的目的，不只是给模型贴上标签，更在于帮助使用者从任务对象、训练路径和功能定位三个层面理解模型的差异，进一步判断不同模型各自适合处理什么问题，适合落到什么场景中。

网络工程小王

【hermes多智能体协作】个人学习笔记与LangGraph 那种“强编排”的流程图模式不同，Hermes 的多智能体协作更偏向于“联邦制” (Federated) 和 “自进化” (Self-Evolving)。它的核心优势在于：不仅能让多个智能体一起干活，还能让它们把干活的经验沉淀下来，下次干得更好。