智能体

14.5 AI试驾预约系统的完整实现邓立国Agent开发入门必读书《AI Agent智能体开发实践》1~14章试读_《ai agent 智能体开发实践》在线阅读-CSDN博客

智能体面试准备（六十三）：智能体人在回路（HITL）与审批流工程——中断、审批、回滚与可审计闭环前面（六十二）讲了工具沙箱与执行安全，把"智能体能做什么"关进了笼子；前面（五十五）讲了工程化交付。但生产里还有一类更现实的问题：有些动作不能让智能体自己拍板——发邮件、改数据库、批准报销、调用付费 API、对外发布。这些必须有人确认。这就是人在回路（Human-in-the-loop, HITL）。

14.1 多模态试驾预约Agent系统概述邓立国Agent开发入门必读书《AI Agent智能体开发实践》1~12章试读_《ai agent 智能体开发实践》在线阅读-CSDN博客

Hermes 工程化实战专栏：「会自我进化」的开源 AI Agent--Hermes你睡觉的时候，有的 agent 在帮你跑定时任务、收集资料、生成报告。第二天醒来，它不光把活干完了，还比昨天更会干这件事——它从昨晚的执行里提炼出了新经验，下次再跑同一件事，它走得更快、错得更少。

智能体面试准备（六十二）：智能体工具沙箱与执行安全——命令/代码隔离、权限最小化与可审计前面（十六）安全、（三十二）安全对抗讲了威胁与红队；前面（六十）CodeAgent 讲了代码生成。本文落在"执行"这一环——agent 真正去跑命令 / 代码 / 调 API 时，怎么把破坏面关进笼子。这是把 demo 级 agent 变成生产级的关键一步，也是企业落地时安全团队必问的环节。

像风一样自由2020

15.Milvus是什么?为什么RAG系统经常使用它?码海寻道 · 大模型、智能体与 RAG 工程组件系列第 15 篇当企业知识库从几千个文档增长到数百万个文本片段，RAG 系统面临的问题就不再只是“能不能查到”，而是：向量如何存储、索引如何构建、查询如何扩展，以及检索服务是否会拖慢业务数据库。

智能体面试准备（六十一）：智能体上下文工程 Context Engineering——上下文预算、压缩、优先级与多轮演进前面（五十九）长期记忆、（四十一）记忆架构讲了"记忆怎么存"。本文讲"每次推理把什么放进上下文窗口"——这正是 2025-2026 最热的 Context Engineering。同样的模型，上下文编排好坏，agent 表现能差一个量级。它和提示工程（Prompt Engineering）的区别在于：提示工程雕"一句话"，上下文工程雕"整个窗口的信息结构与取舍"。

圣殿骑士-Khtangc

DeepSeek Harness 实战：Web UI 与多端协同——你的 Agent 不止活在终端里系列导航：概念 / 教程 / 架构 / 插件 / 编码实战 / 框架对比 / 会话日志 / Headless·CI / 自定义工具 / 模型适配 / 本文（Web UI 与多端协同） / 安全沙箱 / 多 Agent / 二次开发

李昊哲小课

SpringBoot4 云端咖啡站阶段五：交付与进阶前面十四章我们用 curl 逐个接口手工验证——每改一行代码都要把所有场景重新点一遍。本章把这套验证固化成自动化测试：mvn test 一条命令，几秒钟跑完全部检查。

智能体面试准备（五十九）：智能体长期记忆架构与检索增强记忆——MemGPT、记忆巩固与多会话隔离（十三）讲了持久化记忆的概念，（四十一）讲了记忆架构与长期知识演进的理论谱系。本篇把这两者落到长期记忆架构这一具体形态：以 MemGPT 为代表的「工作上下文 + 外部存储 + 检索调度」范式，讲清一个 Agent 怎么拥有「跨会话也不会忘」的长期记忆，以及多会话之间怎么隔离。它和 4MRAG 也咬合——4MRAG 是外部知识检索，本篇是 Agent 自身状态的长期沉淀，两者构成两级记忆（接五十九内部记忆篇的同一框架）。华为多模态 LLM + Agent 岗，能讲清长期记忆架构，比单纯说「我用向量库」强得

企业 AI Agent 如何从 Demo 走向生产？知识库、权限、工具调用与版本治理企业 AI 实战指南企业 AI Agent 如何从 Demo 走向生产？知识库、权限、工具调用与版本治理

9.2 客户支持聊天机器人-项目架构设计邓立国《LangGraph开发AI Agent实践》1~8章试读_langgraph开发ai agent实践在线阅读-CSDN博客

像风一样自由2020

13.pgvector入门用PostgreSQL直接实现向量检码海寻道 · 大模型、智能体与 RAG 工程组件系列第 13 篇如果项目已经使用 PostgreSQL，是否一定要再部署 Milvus？

skills迁移备份生成日期：2026-08-25 · 数据来源：Hermes profile system_fighter 技能库实时枚举 · 技能总数：572

2026 智能体平台落地实战：从 POC 验证到生产上线，避开选型与交付陷阱AI 智能体项目很多止步于 Demo 阶段：演示环境效果亮眼，一旦接入真实业务、海量内部文档、核心业务接口，就出现幻觉严重、工具调用不稳定、权限失控、运维复杂、成本不可控等一系列问题。市面上几乎所有智能体平台，宣传页都会标注：支持大模型接入、知识库 RAG、Agent 智能编排、可视化工作流、插件工具调用、API / 网页发布。但POC 可用不等于生产就绪，平台之间真正的差距，集中在上线之后：数据安全管控、异常容错、知识检索质量、业务系统集成、权限审计、版本管理、链路可观测与整体 TCO 总拥有成本。

圣殿骑士-Khtangc

DeepSeek Harness Headless 模式：把 AI Agent 写进 CI/CD 流水线系列导航：本篇是 DeepSeek Harness 实战系列第 4 篇。前面讲了编码实战、框架对比、会话日志。本文聚焦一个把 DSH "产品化"的关键能力——Headless（无头）模式，也就是让 Agent 不依赖浏览器、不被人盯着，乖乖跑在脚本和流水线里。

圣殿骑士-Khtangc

DeepSeek Harness vs AutoGPT/LangGraph/MetaGPT/CrewAI：Agent 框架到底怎么选系列导航：本篇是 DeepSeek Harness 实战系列第 2 篇。上一篇《用 dsh 从零搭一个编码 Agent》讲了怎么把它跑起来；本文退一步，把它放进整个 Agent 框架的版图里，回答一个更根本的问题——我到底该用哪个？这恰恰是选题时最容易踩坑的地方：选错框架，后面全是在和工具较劲。

智能体面试准备（五十六）智能体评测与回归门禁工程实战——从 Eval-as-CI 到上线守护B31 讲过「智能体评测体系深化」——轨迹指标、部分分、LLM-as-Judge。B54 讲过「线上实验与效果归因」——A/B、影子、因果归因、上线门禁。两篇解决「怎么衡量 Agent 好不好」。本篇把衡量变成「工程动作」：Eval-as-CI，让每次代码提交、每次发布都自动过评测门禁，防止悄悄退化。

政安晨【人工智能随笔】— 从像素到星际：游戏如何塑造了现代AI的二十年演进史 (读DeepMind的EVE宇宙AI研究有感)政安晨的个人主页：政安晨欢迎 👍点赞✍评论⭐收藏希望政安晨的博客能够对您有所裨益，如有不足之处，欢迎在评论区提出指正！

皮卡丘不断更

Vibe Coding 有了接口原型后：用智能体做一份联调差异单把 Vibe Coding 想成先搭出样板房：一句自然语言就能很快生成页面、接口骨架和交互流程。它适合前端、后端、运维和 Web Coding 开发者把想法跑起来。当天可以先选一条可回滚的接口链路，让智能体只读取契约与测试结果，生成一份差异单；做到每一条差异都能回到来源文件，就已经足够有用。