智能体

【Agent】构建Harness的六大组件【关于Harness】如何构建Harness——六大组件全解析,https://mp.weixin.qq.com/s/HwqEaXSGkcYgUNrzB2okuA

Eino-Document 组件使用指南Eino-Document 是 cloudwego/eino 生态中的文档处理库，提供了从多种来源加载文档、解析不同格式、对文档进行分割 transform 等全链路能力。本文介绍Document 各组件的用法及典型应用场景，代码链接。

智能体（ReAct）架构范式ReAct（Reasoning + Acting）是智能体领域经典的架构范式，核心是模仿人类解决问题的认知模式，将“推理（Reasoning）”与“行动（Acting）”显式耦合，通过“思考→行动→观察”的循环迭代，实现复杂任务的自主推进与动态调整，打破传统大模型“纯文本推理”的局限，成为连接大语言模型（LLM）与现实世界交互的桥梁之一。

2026智能体爆发现象级产品：OpenClaw、Hermes Agent、Claude Cowork三个产品放一起对比很有意思，正好代表了 2026 年 AI agent 三条不同的路线。OpenClaw（前身是 Clawdbot）是开源 AI agent 框架，由开发者 Peter Steinberger 创建，可以执行 shell 命令、读写本地文件、浏览网页、发送邮件、管理日历，通过 WhatsApp、Slack、Telegram、Discord、iMessage 等平台与用户交互，代替用户在数字生活中自主行动。

从“命令盲区”到“随查随用”：我用Nexent搭了一个Linux知识库助手晚上在家我花了一整晚泡在 Nexent 平台（nexent.tech）里，从零开始构建了一个能帮我梳理 Linux 知识、快速查找命令和配置的智能体。这趟“折腾”下来，有踩坑也有惊喜。写下这篇记录，既是复盘，也希望能给同样想用 AI 提升学习效率的人一些参考。

智能体（Tree-of-Thought）架构范式Tree-of-Thought（简称ToT，思维树）是2023年由Princeton大学团队在NeurIPS会议上提出的智能体推理架构范式，是将大语言模型（LLMs）的思维生成能力与传统AI的树形搜索算法相结合，模拟人类深思熟虑的问题解决过程，打破传统线性推理的局限，通过多路径探索、动态评估与回溯剪枝，大幅提升智能体在复杂任务中的推理能力与决策可靠性。与思维链（CoT）的单一线性推理、自一致性（Self-Consistency）的多路径无结构探索不同，ToT以结构化的树形思维空间为核心，让智能体具备“前瞻

AI核心知识126—大语言模型之 CrewAI 和 AutoGen（简洁且通俗易懂版）CrewAI 和 AutoGen 是目前在智能体工程（Agent Engineering）领域最顶流的两个 “多智能体协作框架 (Multi-Agent Frameworks)”。

金智维科技官方

RPA技术赋能电信运营商话单稽核：金智维如何驱动高精度自动化转型在5G与数字化服务高速发展的今天，电信运营商每天产生数以亿计的话单数据。这些话单不仅是计费核心，更是收入保障、欺诈监测和监管合规的重要依据。随着业务场景日益复杂，话单稽核面临数据体量爆炸式增长、规则频繁调整、多系统异构交互等严峻挑战。传统人工稽核模式效率低下、易出错，而单纯的固定规则自动化又难以应对动态变化。金智维依托十余年RPA技术沉淀与大模型融合创新，通过K-APA智能流程自动化平台和Ki-AgentS企业级智能体平台，打造出“认知规划+稳定执行”的企业级智能体解决方案，为运营商话单稽核带来精度与效率

【Agent开发速成笔记】一、从0到1基础Python学习AI冲击太快，作为一个web前端，公司业务也在进行Agent开发，从此小小web前端转Agent工程师开发，要开发Agent就得先学习python。这篇笔记用于记录从0到1入门学习过程以及关键点，方便后续复盘学习，业务不等人挑简单的先学习，深入原理和规则的这些事边开发边补吧。

AI核心知识124—大语言模型之智能体工程智能体工程 (Agent Engineering) 是 AI 时代诞生的一门全新学科。它标志着我们对大模型的使用，正式从“文科生的念咒 (Prompting)” ，走向了“理科生的系统构建 (Engineering)” 。

RAG 项目完整学习笔记与总结这是一个生产级的多层 RAG 问答系统，核心特点：多级检索降级：Redis 缓存 → BM25 关键词检索 → Milvus 向量检索，层层递进

从零开发Claude Code插件（Plugin）完整指南Claude Code插件是扩展其功能的核心方式，可封装可复用的技能（Skills）、智能体（Agents）、命令（Commands）等资源，实现跨项目、跨团队的功能共享，适用于标准化工作流程落地、团队协作效率提升等场景。本文结合成熟插件参考案例，从零讲解Claude Code插件的开发、配置、测试与扩展，帮助开发者快速上手插件开发。

【AI工具】本地部署 Dify + Ollama 实现无限 Token 智能体搭建Dify 是一个开源的智能体搭建平台，支持快速构建 AI 应用。本教程将详细介绍如何将 Dify 运行在本地，并结合 Ollama 使用本地大模型，实现无限 Token 的 AI 开发体验。

RSAC 2026观察智能体治理崛起3月26日，备受关注的全球网络安全盛会RSAC 2026在旧金山落下帷幕。作为全球网络安全行业的创新风向标，大会吸引了40000+来自全球各地的安全从业者，围绕着“社区的力量（The Power of Community）”这一主题，展开了一场关于技术、伦理与防御的深度讨论。

Ubuntu 20.04 Docker 部署 Ollama + DeepSeek-Coder：本地 AI 编程助手实战想在本地拥有一套完全属于自己的 AI 编程助手，无需联网、无惧数据隐私问题？本文手把手带你从零开始在 Ubuntu 20.04 上搭建基于 Docker 的 Ollama 运行环境，并部署 DeepSeek-Coder-V2 模型。内容涵盖 Docker 安装、国内镜像加速配置、Ollama 容器化部署、模型数据持久化、Python 调用环境（LangChain + Chroma），以及通过 SSH 连接 Gitee 仓库的完整流程。

来两个炸鸡腿

【Datawhale2604】Hello-agents task01 智能体经典范式构建ReAct 本质是一个闭环控制系统。输出 Thought+ActionFinish 答案ToolName input

【 LangChain v1.2 入门系列教程】【四】结构化输出，让 Agent 返回可预测的结构【 LangChain v1.2 入门系列教程】【一】开篇入门 | 从零开始，跑通你的第一个 AI Agent 【 LangChain v1.2 入门系列教程】【二】消息类型与提示词工程【 LangChain v1.2 入门系列教程】【三】工具（Tools）开发，让 Agent 连接外部世界【 LangChain v1.2 入门系列教程】【四】结构化输出，让 Agent 返回可预测的结构【 LangChain v1.2 入门系列教程】【五】记忆管理，让 Agent 记住对话【 LangChain

AI核心知识117—大语言模型之智能体工作流（简洁且通俗易懂版）智能体工作流 (Agentic Workflow) 是由 AI 领域先驱吴恩达 (Andrew Ng) 大力倡导的一种全新 AI 使用范式。它代表了我们与大模型交互方式的根本性转变：从“一锤子买卖” 变成了“流水线作业” 。

想你依然心痛

TinyVue 3.0 与 AI 协同开发指南：从组件设计到智能体编排生活是不公平的，不管你的境遇如何，你只能全力以赴。任何时候，不要过分去纠结公平与否，全力以赴，无怨无悔，轻松笑对得与失。

检索增强生成RAG项目tools_03:mysql➕redis➕milvus前面我们介绍了Docker部署➕ollama➕logging➕bm25等RAG项目中各个必不可少的tools,本篇主要讲的是mysql➕redis➕milvus!!!