大模型应用

从课程设置看近屿智能AI培训：直播教学、AI互动学习与项目实战如何结合随着大模型技术逐步进入企业应用场景，AI人才培养的重点也在发生变化。相比单纯掌握模型概念和工具使用，当前AI应用类岗位越来越强调代码实践、项目开发、系统调试以及业务场景中的综合应用能力。在这样的背景下，AI课程的评价标准也不再只是“课程内容覆盖多少”，还包括教学过程中能否提供持续反馈、是否安排足够的项目实践，以及学习内容与企业实际应用之间是否存在连接。从近屿智能目前公开的课程资料来看，其AI课程主要采用真人直播教学、AI互动学习平台与项目实践相结合的方式，并通过助教答疑、作业训练和项目指导等环节，将不

虎虎(_　_)。゜zｚＺ

重构 Agent 思维链：LangGraph 核心架构的深度解构与实战早期的 LLM 应用开发，习惯用 Chain 的线性思维：输入、处理、输出。但真实业务场景远比这复杂——Agent 需要调用工具、根据工具结果决定下一步、甚至在出错时自我修正。线性 Chain 在这些场景下捉襟见肘。

梅雅达编程笔记

Day 18 · 综合实战 B：AI 客服 Agent（专栏收官）「AI Python 系列」第 01 栏 · AI+办公自动化全栏 18 篇 · 零成本跟完 · 完结篇

大模型AI服务工程化部署与运维实践：推理性能调优、接口开发、监控告警全流程实操25.0如今大模型技术已经不再是实验室里的小众技术，各行各业都在落地AI大模型应用，智能问答、内容生成、智能办公、工业研判等场景，都离不开大模型服务的支撑。但不管是什么原因场景，我们都会遇到一个共性问题：本地调试完好无损的大模型，一旦部署到线上生产环境，就会出现各种问题。要么推理速度卡顿、延迟过高，要么并发请求直接打崩服务，要么接口调用异常无人察觉，还有资源占用过高、成本浪费严重的情况。

梦想的颜色

Pi‑Agent 深度硬核解析：极简主义编程智能体，OpenClaw 底层内核源码剖析2026 年爆火的 OpenClaw（小龙虾）底层内核就是 Pi‑Agent。和 Claude Code、Codex CLI “大而全” 思路完全相反，Pi‑Agent 奉行核心极简主义：核心运行时仅约 1500 行 TS 代码，系统提示词不足 1000token，仅内置 4 个基础工具，却可以完成复杂工程编码任务。本文从背景、源码分层、Agent 循环、扩展机制、优缺点、横向对比、工程落地、面试考点完整拆解，搞懂 Pi，就能看透现代 Coding Agent 的本质：Agent = LLM + Tool

长谷深风111

从 Plan 到 DAG：如何判断依赖、环与并行任务假设你让一个 AI 完成这样一件事：分析一家公司的竞争格局，写出报告，并根据结论生成一份演示文稿。AI 很快给出一个 Plan：搜集资料、整理竞争对手、分析市场、撰写报告、制作 PPT。看起来条理清楚，但真正执行时问题才出现：哪些步骤必须等前一步完成？哪些可以同时进行？如果两个任务互相等待怎么办？AI 生成的执行图，又怎么判断它真的能跑？

云边有个稻草人

从数据到洞察：时序大模型 TimechoAI 的使用方法与时序分析能力在工业互联网、物联网、能源管理、金融监测和智能运维等场景中，设备与业务系统会持续产生大量带有时间戳的数据。例如，工厂设备的温度、振动和转速，电力系统的电压与负荷，服务器的 CPU 使用率与响应时间，以及业务平台的订单量与用户活跃度，都属于典型的时序数据。

Dify 企业级实验（04）：性能优化实战——长流程从 60 秒到秒回有哪些手段？Dify 实验系列 · 企业级 04/12 | 实验编号：DIFY-104-04 基于 Dify 1.16.1 实测（2026-08）

Dify 中级实验（17）：调试监控与性能优化——响应慢和 Token 超支如何定位？Dify 实验系列 · 中级 17/20 | 实验编号：DIFY-102-18 基于 Dify 1.16.1 实测（2026-08）

Dify 企业级实验（03）：事件驱动流水线——Webhook 与定时触发如何组成异步处理链？Dify 实验系列 · 企业级 03/12 | 实验编号：DIFY-104-03掌握事件驱动的异步处理：Webhook 接收外部事件 → 触发工作流 → 异步处理 → 结果通知。区别于「请求-响应」同步模式，这是生产系统集成的高频形态：外部系统事件进来，Dify 后台处理完再通知结果，接收方秒回、处理方异步跑。

Dify 高级实验（09）：测试用例生成——如何让 AI 自动产出测试用例？Dify 实验系列 · 高级 09/10 | 实验编号：DIFY-103-09掌握「Agent 编排 + 结构化输出」的生成式工作流范式：让 LLM 扮演 QA 工程师，从一段功能描述自动产出可直接执行的测试用例（CSV 格式）。核心是三层结构化输出链路：

办公聊天软件接入 Hermes Agent 实录（一）：企业微信 WebSocket 长连接 + Dify 知识库问答基于 Hermes Agent（v0.20.0）+ Dify（1.16.1）实测。文中所有命令、日志片段、性能数据均来自真实运行，未做美化。

段一凡-华北理工大学

AI推动工业智能化转型~系列文章19：工艺参数寻优：离线优化与在线调优的算法谱系预测模型回答"未来会怎样"，操作优化的终极问题是"参数设多少最好"。工业寻优的特殊性在于：不能拿真实装置做穷举实验——每一次参数试验都有成本与风险。本期系统讲解从试验设计到贝叶斯优化的工业寻优算法谱系。

大模型AI对话前端应用实践：深度详解流式响应、工具调用状态与长会话同步落地方案24.1现在打开各类AI产品，不管是通用大模型对话平台，还是嵌入业务系统的AI助手，最核心的用户体验就是对话式交互。和传统网页、APP的交互逻辑不同，AI对话没有固定的页面跳转、按钮交互逻辑，核心是实时流式输出、动态工具调用、持续长会话留存三大核心能力。在做前端适配时，也遇到一堆棘手问题：接口返回的流式数据怎么逐字渲染？模型调用工具时如何展示加载中间状态？多轮长对话如何同步界面和后台状态？会话刷新、重试、断连续传该怎么处理？

带娃的IT创业者

DeepTutor：当 Agent-Native 架构撞上个性化学习的临界点👋 Hi，我热衷于 (AI 大模型应用落地、Python 实战进阶与 AI 开发工具链）。代表专栏：《AI大模型应知应会短平快系列100篇》《解密OpenClaw》《解码意识NCTransformer》《WeClaw Agent实战》> 💡 创业路上，用技术换时间；欢迎关注我，一起把 AI 变成生产力 🚀 >

Dify 中级实验（13）：多 Agent 协作——如何编排多个智能体分工干活？Dify 实验系列 · 中级 13/20 | 实验编号：DIFY-102-14上一篇：Dify 中级实验（12）：Agent 深度配置——如何让智能体自主调用工具？

Dify 中级实验（14）：对话变量与状态管理——如何让工作流记住多轮对话的状态？Dify 实验系列 · 中级 14/20 | 实验编号：DIFY-102-15上一篇：Dify 中级实验（13）：多 Agent 协作——如何编排多个智能体分工干活？

大模型应用CI/CD全流程解析：打通模型训练、评估、部署自动化，应用持续迭代实践23.7传统软件的CI/CD大家都已经非常熟悉，写业务代码、提交代码后流水线自动做编译、单元测试、集成测试，通过之后直接部署上线，整个流程高度标准化。但当业务从普通后端业务转向大模型应用之后，我们会发现老一套CI/CD直接水土不服。

向量数据库选型、向量化与检索调优，结合大模型搭建私有文档检索增强完整应用实践23.6很多朋友接触大模型之后都会遇到一个非常现实的痛点：通用大模型知识存在时间截断，不懂企业内部文档、业务资料、私有知识库，直接提问很容易出现幻觉，编造不存在的答案。微调可以让模型学习私有知识，但微调成本高、数据更新麻烦、版本迭代繁琐，小样本场景效果并不理想。

【Java/Go后端手撸原生Agent（第十一篇）：RAG检索——给Agent加上“查资料“能力】系列目录：[Phase 1-2 基础框架] → [Phase 3 状态机+文件读取] → [Phase 4-6 原生FC+Judge校验] → [Phase 5 多工具并行+BashTool] → [Phase 6 流式输出] → [Phase 7 Token预算与滑动窗口] → [Phase 8 摘要压缩] → [Phase 9 规划模式] → [Phase 10 Web UI] → Phase 11 RAG检索（本文）上一篇链接：【Java/Go后端手撸原生Agent（第十篇）：HTTP+SSE+W