agent

从 0 到 1：用 Python 开发 MCP 工具，让 AI 智能体拥有 “超能力”【个人主页：玄同765】大语言模型（LLM）开发工程师｜中国传媒大学·数字媒体技术（智能交互与游戏设计）

浅析OpenClaw：从“贾维斯”梦想看下一代 AI 操作系统的架构演进虽然大语言模型（LLM）已经展现出惊人的能力，但作为普通用户，我们的 AI 体验依然是支离破碎的。工作时，我们求助于 IDE 里的 Copilot；写文档时，我们切换到 ChatGPT 的网页版；而在回家的路上想设置一个提醒，我们又得对着 Siri 喊话。这些 AI 助手虽然各自强大，但它们之间互不通气。ChatGPT 不知道你刚刚在 Copilot 里写的代码，Siri 也不了解你在 ChatGPT 里规划的旅行路线。

AIGC 应用工程师（3-5 年）面试题精讲：从基础到实战的系统备战清单面向人群：AIGC 应用工程师（3-5 年）风格：严谨技术向 / 通俗易懂 / 干货清单AIGC 应用工程师（3-5 年）通常被要求既能“用得好”（快速将大模型能力落地到业务场景），也能“讲得清”（能解释设计与权衡），并且“走得稳”（具备工程化、成本和安全意识）。面试主要考察以下能力：

OpenClaw部署实战：5分钟搭建你的专属AI数字员工（附避坑指南）OpenClaw，这个在2026年初引爆AI圈的开源项目，正在重新定义“个人AI助手”的边界。不同于传统的聊天机器人，OpenClaw是一款开源、本地优先的自主AI代理与自动化平台，其终极目标是构建“个人AI操作系统”。本博客将从技术原理出发，手把手教你在5分钟内完成OpenClaw的本地部署，涵盖从系统环境准备到多平台配置的完整流程，深入解析新手引导向导的每个步骤，对比不同操作系统的部署差异，探讨模型选择策略，并重点关注安全沙箱配置和性能优化技巧，同时分享真实使用案例与常见问题解决方案，无论你是学生想打

关于行业 AI Agent 评测的 9 个方面做 AI Agent，跑起来很容易，简单点函数调用+几个最好的大模型，复杂一点，整合或「学习」一些开源的多 Agent 项目，也能跑起来。

收藏备用｜小白&程序员必看！AI Agent入门详解（附工业落地实操关联）本文专为程序员、大模型入门学习者整理，清晰拆解AI Agent核心概念，帮你快速搞懂它是什么、有什么用、怎么落地。AI Agent本质是能感知环境、自主决策并执行行动的智能体，和传统AI最大的区别，就是实现了从“被动应答”到“主动做事”的跨越。它具备感知、决策、执行、学习四大核心能力，目前已广泛应用于办公、开发、工业等多个高频场景，其中在工业领域，AI Agent可实现数据采集、智能分析、自动控制一体化，大幅提升生产效率、降低能耗，而ARMxy系列工业计算机，正是为AI Agent在工业现场落地提供了理想

hello_agent第九章总结文档来源 https://github.com/datawhalechina/hello-agents/blob/main/docs/chapter9/

吴恩达讲Agent SkillsAgent Skills 是一种扩展智能体能力的模块化指令集合。通过技能，Claude 和其他 AI 智能体可以获得执行特定任务的新能力。

User_芊芊君子

HCCL高性能通信库编程指南：构建多卡并行训练系统HCCL（Huawei Collective Communication Library）是CANN生态中基于NPU硬件的高性能集合通信库，为单机多卡及多机多卡间的数据并行、模型并行提供通信方案。本文将系统介绍HCCL的通信原语、编程模型、优化技巧及实践案例。

爱喝白开水a

前端AI自动化测试：brower-use调研让大模型帮你做网页交互与测试文章介绍了Browser-Use这一Python库，它让AI能通过自然语言描述自主与网页交互，支持多种大模型。基于此库，AI自动化测试可探索prompt工程、MCP协议和一体化测试平台等方向。相关项目如VibeSurf、QA-Use等已实现智能测试功能，能自动执行UI测试、数据采集和业务流程。未来需平衡AI测试效果与token成本，实现高效且经济的自动化测试解决方案。

落霞的思绪

GIS大模型RAG知识库我是"LLM驱动的在线地图制图平台"内嵌的智能制图助手，专为地理信息工作者设计的AI伙伴。我通过理解您的自然语言指令，生成安全的JavaScript代码来操作地图，实现"对话即制图"的智能体验。

【LangChain1.0】第九篇 Agent 架构设计目标: 掌握 Multi-Agent 系统架构，理解三大通信协议（MCP / A2A / AG-UI），构建工业级智能体生态

Solon AI (Java) v3.9 正式发布：全能 Skill 爆发，Agent 协作更专业！仍然支持 java8！Solon AI 迎来 v3.9 重磅更新！本次升级不仅大幅扩充了 Agent 的“技能书”（Skill），更在底层核心（Core）与智能体架构（Agent）上进行了深度进化。从多模态支持到复杂的 HITL（人工干预）机制，Solon AI 正在变得更强、更稳、更丝滑。

User_芊芊君子

AI Agent工业化落地避坑指南：从技术卡点到量产，脉脉AMA给我的实战启示🎁个人主页：User_芊芊君子 🎉欢迎大家点赞👍评论📝收藏⭐文章 🔍系列专栏：AI2026年以来，AI Agent彻底从“概念炒作”迈入“工业化落地”爆发期——无论是企业级的智能运维Agent、客户服务Agent，还是个人端的效率助手，都在加速渗透各行各业。但热闹背后，是绝大多数技术团队的共同困境：实验室里的Demo跑得流畅，一旦投入量产，就会陷入“稳定性差、成本失控、场景适配难”的三重泥潭。

RAGFlow v0.20的Agent重大更新：text2sql的Agent案例测试RAGFlow 在 8 月 4 号更新了 v0.20 版本，这是时隔两个多月之后，更新的一个里程碑式的版本，RAGFlow 在 Agent 板块的拼图这次终于算是完整了。其实早在一年前，RAGFlow 就有了 Agent 模块，但是一直只包含 Workflow。而且相比于 Dify 而言，社群对这部分的工具/插件的丰富度、易用性和 UI 美观度而言，一直也有吐槽。

带刺的坐椅

用 10 行 Java8 代码，开发一个自己的 ClaudeCodeCLI？你信吗？最近 Anthropic 推出的 Claude Code 席卷了开发者圈子，其强大的终端交互和“自动驾驶”般的编程能力令人惊叹。那么，在 Java 生态中，我们能否快速构建一个同样强大且高度可控的应用？

技术狂人168

2026 智能体深度解析：落地真相、红利赛道与实操全指南（调研 100 + 案例干货）2026 开年这两个月，智能体赛道彻底从 “概念炒作” 转向 “落地竞速”。通过对 12 个行业、100 + 真实落地案例的深度调研（覆盖跨境电商、制造业、医疗、零售等核心领域），一个明确的结论浮出水面：超级智能体已进入 “谁解决真痛点，谁就能赚真钱” 的爆发期。

熊猫钓鱼>_>

OpenClaw技术分析报告目录报告摘要一、技术架构深度解析1.1 三层解耦架构设计1.2 混合记忆系统1.3 执行引擎：PiAgent运行时

OpenClaw 实测体验：Agent 框架现在到底能不能用？最近折腾了一段时间 OpenClaw，起因其实很简单：市面上关于 Agent 的演示视频看起来都很猛，但真正落到工程环境里，很多细节没人说清楚。我更关心的不是“它能不能做 Demo”，而是——

Claude Code 逆向工程报告笔记（学习记录）Claude Code 用 “分层注入 + 可选上下文（system-reminder）+ 按需能力加载（skills）+ 隔离执行（sub-agent）” 把上下文工程系统化：既解决“上下文太长/指令过载”的工程问题，也试图把 prompt injection 风险隔离在可控边界内。原文分析见https://www.xiaohongshu.com/explore/697db619000000002103f9d8?app_platform=android&ignoreEngage=true&app_ve