智能体

Dify接入外部知识库-RAGFlow在AI应用开发中，将Dify与专业级知识库系统RagFlow深度集成，已成为构建企业级智能问答、文档检索和自动化服务的关键路径。本文将基于2025年最新技术实践，从架构设计到代码实现，系统解析Dify与RagFlow的对接方案。

基于LangGraph的聊天机器人模拟评估系统（Ubuntu 2204 + Conda + vLLM）作者：吴业亮博客：wuyeliang.blog.csdn.net将HF格式的大模型（如Llama-2-7B-chat-hf）放到本地路径，并修改config.py中的MODEL_PATH为实际路径。

无垠的广袤

【工业树莓派 CM0 NANO 单板计算机】小智语音聊天本文介绍了树莓派 CM0 NANO 单板计算机通过本地部署 py-xiaozhi 小智实现 AI 智能体语音对话的项目设计。

研华科技Advantech

储能AI化的数据瓶颈与破解路径：研华全栈方案实践分析当前，储能行业正全面拥抱AI，掀起一股技术革新浪潮。AI在储能领域迅速渗透，背后有多重现实因素：首先，储能电站规模持续扩大，动辄达到GWh级别。一个GWh电站包含约100万颗电芯，其安全监测与运行产生海量数据，对数据处理能力提出更高要求。

AI的记忆革命：从Titans架构到长时运行智能体，谷歌Google，Anthropic，NeurIPS 2025摘要：2025年末，AI领域同时在架构层和工程层突破"记忆"瓶颈。谷歌Titans通过推理时动态更新的记忆模块，将上下文窗口扩展至200万token；Anthropic则用双智能体+进度文件的工程方案，让AI能跨多个会话持续工作。两条路径殊途同归：AI正在从"健忘的天才"进化为"能积累经验的伙伴"。

陪我一起学编程

Swarm框架智能体应用开发与部署本文面向智能体开发初学者，以“理论+可运行代码”形式循序渐进讲解OpenAI Swarm框架。内容涵盖核心概念、环境搭建、基础使用、智能体开发及企业级部署，所有代码基于GPT系列模型编写，可直接复现。

如何调教一名合格的“编程搭子”大家好，我是来自阿里云智能集团的王月成，今天我分享的主题是：如何调教一名合格的编程搭子。在使用 Qoder 之前，我接触 AI 编程工具并不多。主要原因有两个：一是出于安全考虑，一些外部工具因网络限制无法访问；二是成本问题，很多工具价格较高。因此，此前我主要使用的是通义灵码的 JetBrains 插件。

【AI智能体】Claude Code 工具架构核心解析：大道至简本文假设你已经了解 Coze、Dify、FastGPT、n8n 或对同类 AI Ops 平台有比较深入的了解，有一定的技术理解能力。最好还了解Linux的基础命令。那么本篇文章更深一层,挖掘 Claude Code（由 Anthropic 官方开发）的工具架构设计，从权限管理、工具分层及配套体系方面进行深入分析。

测试开发技术

Agent自动化工作流：n8n、dify、coze，谁更强？在AI技术狂飙的今天，“自动化”早已不是新鲜词——但真正的效率革命，发生在“AI能力”与“业务流程”的深度融合中。当大模型能理解需求、生成内容，下一步的关键，是如何让这些能力像乐高积木一样，按需组合成适配具体业务的自动化流程。

使用FastGPT知识库构建智能客服的示例目录3.5.1 创建知识库3.5.2 使用工作流构建知识库应用3.5.3 基于知识库进行问答本节将使用知识库来构建一个简单的智能客服，步骤包括创建知识库、在智能客服工作流中使用知识库，以及基于知识库进行智能问答。

FastGPT简介FastGPT是珠海环界云计算有限公司精心打造的企业级AI生产力引擎，它并非简单的“问答机器人”，而是一款开箱即用的智能体开发平台。自2023年正式上线以来，它已在短短两年多时间里服务了数百家企业级客户，足迹遍布金融、医疗、制造、教育、政务、能源等众多行业，在各行各业的数字化转型浪潮中扮演着不可或缺的关键角色。从证券机构的财报分析到医院的病历辅助解读，从工厂的设备检修预警到学校的个性化教学辅导，FastGPT正以多元化的应用场景证明着自身的价值。

【AI智能体】打造高内聚的 MCP-Filesystem Server本文假设你已经看过上一篇 Claude Code 工具架构核心解析，理解了"权限边界"和"大道至简"的设计哲学。现在我们要把这些最佳实践落地到实际项目中——设计一个高内聚、低耦合的 MCP-Filesystem Server。

智能体开发环境安装目录2.1.1 Anaconda的下载与安装2.1.2 PyTorch的下载与安装2.1.3 PyCharm的安装与使用

FastGPT企业知识库介绍目录3.4.1 FastGPT的存储结构3.4.2 知识库搜索模式如图3-5所示，在FastGPT中，整个知识库由库、集合和数据三部分组成。集合可以简单理解为一个文件。一个库中可以包含多个集合，一个集合中可以包含多组数据。最小的搜索单位是库，也就是说，知识库搜索时，是对整个库进行搜索，而集合仅是为了对数据进行分类管理，与搜索效果无关。向量就是将人类的语言（文字、图片、视频等）转换为计算机可识别的语言（数组）。计算两个向量之间的相似度，表示两种语言的相似程度。

基于强化学习的自动驾驶控制本文描述了一种用于自动驾驶汽车的控制系统。该控制系统基于深度神经网络。由于无法预先形成高质量的训练样本，因此考虑使用强化学习。文中还描述了建模环境实现的可能方案。

AI大模型学徒

智能体底层原理：从感知闭环到自主进化的技术基石智能体底层原理：从感知闭环到自主进化的技术基石智能体（AI Agent）并非新生概念，早在1959年，人工智能先驱约翰·麦卡锡就提出了“建议接受者”的构想，这被视为智能体的思想雏形——一个能够自主感知环境、制定计划并执行任务的智能实体。历经六十余年发展，智能体已从理论模型演进为贯穿工业制造、医疗诊断、智能交通等领域的核心技术载体。它的本质突破在于打破了传统软件“被动执行指令”的桎梏，通过“感知-决策-执行-反馈”的闭环架构，实现了从“工具”到“自主决策者”的跨越。

FastGPT版本体系概览FastGPT围绕企业不同规模、技术需求和部署方式，构建了多层次的版本体系，从免费开源的基础体验到定制化的企业级方案，全面覆盖各类用户场景。版本设计以“用户规模”“部署方式”“功能深度”为核心划分维度，共包含四大类版本：开源版、SaaS版、商业版、企业版，覆盖从个人开发者到大型企业的全场景需求。其中，开源版与SaaS版主打轻量化体验，SaaS版作为FastGPT的经典云端方案，基于官方云服务器运行，无须本地部署成本，数据由官方托管，主打便捷性与轻量化体验。商业版与企业版聚焦企业级深度功能。开源版、商业版、

第二篇：LangChain 1.0 模块化架构与依赖管理欢迎继续学习 LangChain 1.0！在本篇中，我们将深入探讨 LangChain 1.0 的模块化架构设计和依赖管理策略。理解这些内容将帮助你更好地组织代码、管理依赖，并构建可维护、可扩展的 AI 应用。

【DeepSeek 论文精读】15. DeepSeek-V3.2：开拓开源大型语言模型新前沿欢迎关注[【AIGC论文精读】](https://blog.csdn.net/youcans/category_12321605.html）原创作品【DeepSeek论文精读】1. 从 DeepSeek LLM 到 DeepSeek R1 【DeepSeek论文精读】14. DeepSeek-V3.2-Exp 技术报告详解【DeepSeek论文精读】15. DeepSeek-V3.2：开拓开源大型语言模型新前沿

FastGPT的特点与优势在AI技术飞速发展的今天，企业对智能工具的需求早已超越了简单的“问答功能”，转而追求能深度适配业务场景、高效解决实际问题的综合解决方案。FastGPT作为企业级AI生产力引擎，凭借其独特的技术架构与落地能力，构建起难以复制的竞争优势。这些优势不仅体现在技术参数的领先上，更转换为实实在在的业务价值，让AI从“实验室概念”真正走进企业的日常运营。