智能体开发

国家大学生就业服务平台【岗位职责】要以其作为主要的编程语言, 来开展AI Agent相关功能模块的开发工作, 还要进行调试, 以及做优化工作, 包括整体的编排与优化, 最终写出高质量、可维护的代码。

Hermes 实战：系列收官/生产化——安全审计与运维半年后的某天下午，你突然想起来看一眼那个每天 6:00 自动跑的日报。它这半年出过事吗？你敲了一条 hermes security audit。输出回来：37 个漏洞，77 个组件，13 个 HIGH。你不是每天都看着它跑吗，怎么漏成这样？

Hermes 实战：多渠道接入——日报推送到飞书/Telegram技能跑起来了，结果需要推送到你手上：早上 6 点整，日报不用你打开任何网页，已经躺在飞书群里——标题、要点、链接，一条 text 消息。网页要你打开，推送才送到手上。

AI Agent 核心：ReAct 机制原理、缺陷与 Plan-and-Execute 解决方案面试详解很多面试者对 ReAct Agent 存在理解误区，分不清模型和代码各自承担的职责。本文拆解 ReAct 完整运行流程，剖析它的两大工程缺陷，对比 Plan-and-Execute 优化方案，贴合面试答题逻辑，帮你精准吃透 Agent 推理架构。

一起学开源

一文读懂 ReAct 范式：让 AI Agent 真正学会“思考+行动“当大模型只会"说"不会"做"，它只是一个聊天机器人。ReAct 范式赋予 AI 自主思考与行动的能力——本文从理论到代码，完整拆解 ReAct 如何在 Spring AI Alibaba Graph Runtime 上运转。

Wilber的技术分享

【大模型面试八股 2】Function Call、MCP、Skill的区别🔹 本质 LLM API 层面的原子交互机制，用于让模型在对话过程中结构化地请求执行外部函数。🔹 工作原理开发者通过 JSON Schema 声明函数名、参数类型、描述。模型在推理时判断是否需要调用，并输出结构化指令：

06_系统架构设计配套视频教程： 👉《智能体微服务架构企业级实战教程》共72节更多文章专栏内容： 👉《智能体微服务架构企业级实战教程》专栏

零基础入门 LangChain 与 LangGraph（七）：真正理解 LangGraph——从工作流、状态图到三个核心案例💬 开篇：前面六篇已经把 LangChain 这条线基本跑通了：模型怎么接，Prompt 怎么写，输出怎么约束，RAG 怎么把外部知识接进来，到这里为止，我们已经具备了“做一个基础 LLM 应用”的能力。但接下来真正遇到的问题，已经不是“会不会调模型”，而是：怎样把一个需要多步决策、状态传递、工具调用、分支跳转、失败恢复、人工介入的系统真正组织起来？

Claude Code 实战---开发华尔街日报风格新闻卡片应用⚡⚡⚡ 欢迎预览，批评指正⚡⚡⚡本文介绍如何用 Claude Code 通过我们的描述提示词开发华尔街日报风格新闻卡片应用。

Langflow流程控制组件实操指南：If-Else、Loop、Notify and Listen、Run Flow全解析Langflow作为低代码LLM流程编排工具，其流程控制类组件是实现复杂业务逻辑的核心支撑。本文将详细拆解四大核心流程控制组件——If-Else（条件分支）、Loop（循环）、Notify and Listen（通知与监听）、Run Flow（子流程调用），结合具体实操示例，讲解各组件的功能、核心参数配置及应用场景，帮助开发者快速掌握组件用法，高效编排符合需求的LLM流程，提升流程开发效率与复用性。

带娃的IT创业者

解密OpenClaw系列08-OpenClaw组件交互关系（1）OpenClaw是一个基于AI驱动的自动化控制系统，通过集成多种核心组件实现智能设备控制和自动化操作。本项目展示了现代AI应用中各组件间的复杂交互关系，包括AI模型管理、设备识别、权限控制和自动更新等关键功能模块。

从零构建医疗AI Agent：RAG增强检索、混合搜索与模型部署实战感谢小伙伴们的支持，给博主点个免费的关注吧，需要完整代码和数据集的小伙伴可以私信我~在医疗AI领域，构建一个可靠的问答系统面临独特的挑战：医学知识的专业性要求极高的检索精度，患者隐私要求本地化部署能力，实时性要求高效的检索架构。本文将详细介绍如何基于LangChain、Milvus和Qwen3构建一个完整的医疗AI Agent系统。

带娃的IT创业者

解密OpenClaw系列10-OpenClawSparkle框架集成本文件面向在 macOS 应用中集成 Sparkle 2.8.1 自动更新框架的工程实践，基于 OpenClaw 项目的实际集成情况，系统阐述框架嵌入方式、配置参数设置与初始化流程，重点说明以下关键点：

带娃的IT创业者

解密OpenClaw系列10-OpenClaw系统要求本文件面向在 macOS 平台上部署与运行 OpenClaw 的用户与管理员，提供系统的、可操作的“系统要求”说明。内容涵盖：

带娃的IT创业者

解密OpenClaw系列07-OpenClaw数据流分析OpenClaw是一个基于人工智能的自动化控制系统，通过集成多种AI模型和设备识别技术，实现对计算机系统的智能控制。本项目的核心目标是提供一个完整的AI驱动的自动化平台，支持多种设备和应用场景。

带娃的IT创业者

系列4/5-WinClaw破局之道：如何用“渐进式暴露“打赢工具优化的翻身仗？本系列是AI agent中高级开发者非常受益的开发经验，新鲜火辣出台，献给开发者马年的礼物！摘要：当OpenClaw在macOS上以配置驱动的优雅架构驰骋时，WinClaw在Windows平台的轻量化之路上找到了属于自己的破局之道——"渐进式暴露"策略。这一方案既避免了OpenClaw的架构复杂度，又解决了全量Schema传递的工具滥用问题。本文详解这一平衡效率与安全的WinClaw专属方案。

带娃的IT创业者

系列5/5-WinClaw工程实战：从“写博客“灾难到TaskTrace追踪系统的涅槃重生本系列是AI agent中高级开发者非常受益的开发经验，新鲜火辣出台，献给开发者马年的礼物！摘要：OpenClaw拥有完善的审计机制，而WinClaw在遭遇"写博客"灾难后，从零构建了自己的质量保障体系——TaskTrace全链路追踪系统和工具纳入规范。本文展示WinClaw如何在轻量化定位下，用工程化手段实现与OpenClaw同等级的质量管控能力。

Langflow Agent开发实战：从组件与数据类型到落地应用Langflow作为可视化LLM工作流构建工具，凭借组件化设计大幅降低了大语言模型应用的开发门槛，尤其为Agent（智能体）开发提供了高效的可视化解决方案。本文将从Langflow核心介绍入手，重点拆解核心组件分类、数据类型与端口匹配规则，结合具体的Agent开发示例，手把手引导开发者掌握Langflow Agent的搭建逻辑与实操技巧，帮助读者快速将Langflow应用于实际项目，实现具备工具调用、上下文管理能力的智能体开发。

带娃的IT创业者

解密OpenClaw_03-OpenClaw核心功能特性全网唯一系统剖析OpenClaw学习专栏本文档引用的文件本文件面向使用者与开发者，系统化梳理 OpenClaw 的核心功能特性与实现要点，覆盖以下方面：

LangChain入门（十四）- Agentic RAG 的正确打开方式：用 LangChain 实现“有思考、可解释、不遗漏”的检索增强问答在构建检索增强生成（RAG）系统时，许多开发者会陷入一个两难：是追求极致效率，把所有检索结果一次性丢给大模型生成答案；还是牺牲一点性能，让 AI 分步骤“思考”并逐步输出中间结论，以提升透明度和用户信任？前者看似简洁高效，却容易变成黑盒；后者虽然体验友好，但若设计不当，极易导致重复检索、LLM 调用冗余、答案冲突等问题。最近，一种结合 LangChain 与 Qdrant 的 Agentic Flow 被广泛尝试：用户提问后，系统先用 LLM 动态拆解出多个子问题，再逐个检索、逐个生成中间回答，最后汇总成