agent开发

制造数据与AI践行者老蒋

排坑笔记：LangChain 多工具 Agent 完整性校验 return_intermediate_steps 事后核对方案🏭【博文导航】四阶段学习路径版（持续更新）关于【智联工坊】那些事📌 文章摘要多工具数据质量巡检 Agent 注册 5 个工具，模型只调用 4 个就输出结论，报告看似完整却缺失维度？靠提示词约束始终是概率性的。本文提供工程化解决方案：通过集合差集校验做事后完整性兜底，漏调工具自动补执行并留痕，配合桩测试锁定效果，把工具调用完整性从模型自觉变成可度量、可审计的工程不变量，适用于所有生产级多工具 Agent 场景。

制造数据与AI践行者老蒋

排坑笔记：LangChain 1.x API 迁移：create_react_agent 与 ChatOllama 导入错误完整解决方案🏭【博文导航】四阶段学习路径版（持续更新）关于【智联工坊】那些事📌 文章摘要pip 安装 langchain 成功，但运行时报错 ImportError: cannot import name create_react_agent？根本原因是 LangChain 1.x 大版本升级，Agent 编排与 ChatOllama 等 API 发生了迁移与拆分。本文完整拆解两类易混淆报错的排查方法、两条 API 迁移路径，给出版本锁上下界 + 代码双路径兼容 + 依赖树冻结三套解决方案，实现跨版本可复现。

从第一性原理构建 AI Agent：提示词、工具、技能与记忆全解剖原文：Sarvam AI Blog - 《Building AI Agents: A First-Principles Guide》（https://www.sarvam.ai/blogs/building-ai-agents）

AgentScope 学习系列 - 01：环境搭建与初体验本文便开始进入正题，我们先看看项目的整体依赖。Java版本：JDK 17SpringBoot：4.1.1

用 /create-canvas 给 Copilot 搭一块共享画布：自定义工作流实战原文：GitHub Blog - 《GitHub Copilot app for beginners: How to build custom workflows with canvases》（https://github.blog/ai-and-ml/github-copilot/github-copilot-app-for-beginners-how-to-build-custom-workflows-with-canvases）

RAG 优化实战：从精确召回、QA 生成到上下文压缩的全链路工程化方法阅读对象：正在搭建知识库问答、企业文档助手、医疗/法律/金融领域检索增强应用，但发现“检索到的内容不对”“答案经常幻觉”“Token 成本高得离谱”的开发者。

deepagents之准备篇本节主要学习agentseek工具的使用，AgentSeek 是一个面向 AI 应用开发的模板与生命周期工具。你通过模板创建项目，再用一组固定命令管理不同项目。使用agentseek可以快速的基于模板创建一个应用。

小沈同学呀

【Agent开发第五期】Tool Use 工具调用,给 Agent 装上“手“第 04 期 Alex 已经有了记忆和人设,但它还是只能"动嘴"——你问"现在几点",它会老老实实承认"我没有实时信息获取能力";你问"17 乘 23 等于多少",它可能会"心算"出错,给你一个近似值。

Spring AI Alibaba 入门开发2-提示词功能、提示词模板、格式化输出前置内容：Spring AI Alibaba 入门开发一-CSDN博客Prompt 是引导 AI 模型生成特定输出的输入格式，Prompt 的设计和措辞会显著影响模型的响应。

【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

小沈同学呀

【Agent开发第三期】短期记忆history，让模型“记住“上一句第 02 期你跑通了循环对话,但模型有"金鱼记忆"——你上一句说"我叫张三",下一句问"我姓什么",它答不上来。明明刚说过,转头就忘。

【Java/Go后端手撸原生Agent（第七篇）：Token预算管理 + 滑动窗口上下文裁剪】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预算与上下文管理（本文）上一篇链接：Java/Go后端手撸原生Agent（第六篇）：流式输出让Agent思考过程"看得见"

【Java/Go后端手撸原生Agent（第八篇）：摘要压缩——让Agent“记要点“而不是“记流水账“】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（本文）上一篇链接：Java/Go后端手撸原生Agent（第七篇）：Token预算管理 + 滑动窗口上下文裁剪

[AI]Agent开发——ADK框架使用AI时代，越来越多的Skill、MCP、Agent被创建出来。那么Agent是如何开发的，企业级Agent的开发流程是如何的，目前业内Agent开发框架比较多，主流的主要是Google ADK、OpenAI Agents SDK等。

【Java/Go后端手撸原生Agent（第九篇）：Plan-and-Execute规划模式——从“走一步看一步“到“先谋后动“】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（本文）上一篇链接：【Java/Go后端手撸原生Agent（第八篇）：摘要压缩——让Agent“记要点“而不是“记流水账“】

深海鱼肝油ya

基于FastAPI的AI智能体Web系统构建（二）目录一.FastAPI表单数据二.FastAPI异步处理三.文件上传四.FastAPI请求对象Request

早春的树长在理想三旬

从LLM到Agent：ReAct推理模式的底层原理你用过ChatGPT，但你有没有想过：为什么它能回答"今天天气怎么样"，却没法真的帮你查天气？这篇文章从零开始，带你理解"聊天机器人"和"智能助手"之间的那道坎——ReAct推理循环——到底是怎么回事。

AI Resume Forge：基于 LangGraph 的 AI 简历优化与模拟面试平台链接： https://github.com/elaysia-feng/ai-resume.gitAI Resume Forge 是一个面向求职场景的 AI 简历生成与优化平台。传统简历工具大多只能提供模板编辑，而这个项目更关注“岗位匹配”：用户输入目标岗位 JD，系统会分析简历与岗位要求之间的差距，并通过 AI Agent 自动给出针对性的修改建议。(GitHub)

Agent开发理解普通的大模型调用很简单，发起一次简单的LLM Api调用即可。Agent区分于普通的LLM Api调用，其关键在于让无状态的LLM Api调用能好用，不仅能够像有状态一样有记忆，还能分析思考，正确执行。与之延伸而来就有所谓的「记忆（历史会话）管理」、「工具调用（Mcp）」，Agent开发范式（react、plan&excute等），让LLM Api调用能够拆解问题，多次请求，共享会话，最终实现目标。想要模型能够结合实时知识，进而又出现RAG。基本能力开发好了，想节省token成本，需要利用好LLM 的

My First AI智能体！！！我第一个AI智能体： AI、AI、AI、最近我的生活中，到处都充满了AI，千问喝奶茶，豆包春晚发红包，元宝的小马卡，国内的AI大战就算如此的朴实无华；