agent

基于Qt的MCP LLM代理服务开发实战：从0到1扩展大语言模型最近，MCP Agent 已经遍地开花，遵循MCP协议的代理服务器可以让AI操作各种软件工具，甚至点亮智能家居。在传统科学计算领域，我们希望AI能够把碳基行业软件的算法用起来。可是，我们的工程师大部分是只会Qt和C++的算法工程师，对MCP倡议的高级语言涉猎不深，对Web的响应等基本问题搞不清楚。我们这篇文章就是针对这个问题写的。源码传送门在这：https://gitcode.com/colorEagleStdio/qtfnn_kits，文件夹 mcp_example 就是本例子。

Coding的叶子

【实战教程】基于 React Flow 搭建智能体组件：从环境配置到核心节点开发指南本文为《React Agent：从零开始构建 AI 智能体》专栏系列文章。专栏地址：https://blog.csdn.net/suiyingy/category_12933485.html。项目地址：https://gitee.com/fgai/react-agent（含完整代码示例与实战源）。完整介绍：数据分析智能体构建实战：LLM 工具调用 + 记忆管理模块代码实现全解析（附 Qwen-Turbo 代码实现）-CSDN博客。

多场景游戏AI新突破！Divide-Fuse-Conquer如何激发大模型“顿悟时刻“？大语言模型在强化学习中偶现的"顿悟时刻"引人关注，但多场景游戏中训练不稳定、泛化能力差等问题亟待解决。Divide-Fuse-Conquer方法，通过分组训练、参数融合等策略，在18款TextArena游戏中实现与Claude3.5相当的性能，为多场景强化学习提供新思路。

零售智能执行大模型架构设计：从空间建模到上下文推理，再到智能Agent在传统零售执行中，面对SKU数量庞杂、货架布置多变、陈列标准难以落地等问题，靠人力巡检或轻量识别模型已难以应对。新一代的多阶段多模态大模型架构，不只是“识别什么”，更能“理解为什么”，并驱动后续的智能任务调度与决策反馈。

低代码AI开发新趋势：Dify平台化开发实战在人工智能快速发展的今天，AI应用的开发方式也在不断演变。从传统的手写代码到如今的低代码甚至零代码开发，技术的进步让更多的非专业开发者也能轻松上手。本文将带你走进Dify平台化开发的世界，探索如何通过这一强大的低代码AI开发平台，快速实现Agent和工作流开发。

基于大模型微调的智能医疗诊断协助系统（LLM,RAG,Agent）该项目名为基于Agent的智能医疗辅助诊断系统，是一个基于多智能体的医疗辅助系统，旨在利用人工智能技术为医疗诊断、研究和患者交互提供支持。其核心是多智能体架构，集成了大语言模型（LLMs）、计算机视觉模型、检索增强生成（RAG）、实时网络搜索和人工验证等功能。

Dify-3:系统架构概述了 Dify 的系统架构，解释主要组件如何协同工作以提供大语言模型（LLM）应用开发平台。内容涵盖高层架构、部署选项、核心子系统和外部集成。

金融RPA机器人丨实在智能

智能体应用如何重塑未来生活？全面解析技术场景与实在Agent突破智能体应用有哪些？在科技飞速发展的当下，人工智能正以前所未有的速度渗透到我们生活的方方面面。而智能体技术，作为人工智能领域的一颗璀璨新星，正逐渐展现出其重塑未来生活的巨大潜力。从办公效率的提升到医疗服务的优化，从生活服务的便捷化到工业制造的智能化，智能体应用正悄然改变着我们的生活方式。本文将深入探讨智能体技术的原理、应用场景，以及国产智能体标杆 —— 实在 Agent 的实践与突破，带您领略智能体如何开启未来生活的新篇章。

Function Calling万字实战指南：打造高智能数据分析Agent平台个人主页：Guiat 归属专栏：科学技术变革创新正文Function Calling 技术作为大型语言模型(LLM)发展中的重要里程碑，为构建复杂智能应用提供了强大框架。本文将系统探讨 Function Calling 机制，并通过实例带领读者构建一个智能数据分析平台。

AI大模型学习十八、利用Dify+deepseekR1 +本地部署Stable Diffusion搭建 AI 图片生成应用最近在学习Dify工作流的一些玩法，下面将介绍一下Dify + Stable Diffusion实现文生图工作流的应用方法

AI大模型学习二十、利用Dify+deepseekR1 使用知识库搭建初中英语学习智能客服机器人很多情况下 LLM 知识库可以让 Agent 从中定位到准确的信息，从而准确地回答问题。在一些特定领域，比如客服、检索工具等有应用。

一马平川的大草原

基于Dify实现对Excel的数据分析在dify部署完成后，大家就可以基于此进行各种应用场景建设，目前dify支持聊天助手（包括对话工作流）、工作流、agent等模式的场景建设，我们在日常工作中经常会遇到各种各样的数据清洗、格式转换处理、数据统计成图等数据分析工作，本次主要基于对话工作流模式对Excel文件、csv文件进行解析处理，并进行成图等数据分析工作。主要用到的插件有LLM节点，文档提取器、参数提取器、自定义代码节点、echart插件等。实现解析Excel数据，经过上述不同节点的处理分析流程，最终实现数据统计图展示。具体如下，供大家参考

llama-Factory不宜直接挂接Ollama的大模型llama-Factory尝试使用Ollama本地安装的大模型。安装qwen:0.5b安装完成了：同理安装qwen2.5:0.5b

阿里云大数据AI技术

Hologres x 函数计算 x Qwen3，对接MCP构建企业级数据分析 Agent大模型（LLM）在数据分析领域潜力巨大，但在实际落地中，企业面临实时数据接入、动态调用工具链、上下文记忆短和跨系统数据整合等挑战。MCP（模型上下文协议）提供了很好的解决思路。通过标准化接口架构，将 AI 模型的决策逻辑与外部资源解耦，形成 "智能大脑 + 外接四肢" 的协同模式，旨在解决大模型与外部工具、数据源的集成难题。LLM通过MCP接入各种数据分析工具或者数据仓库能力时，即可构建跨数据源、多步骤分解的数据分析 Agent。阿里云实时数仓 Hologres，联合函数计算FC 推出「Hologres+

水煮蛋不加蛋

AutoGen 框架解析：微软开源的多人 Agent 协作新范式在大语言模型（LLM）快速发展的今天，复杂任务的自动化协作需求日益增长。微软开源的AutoGen 框架（GitHub Star 超 10 万）提供了一种基于多智能体对话的协作范式，通过自然语言交互实现多角色 Agent 的灵活编排，支持人机协同、代码执行、分布式扩展等能力，为构建智能应用提供了全新思路。

一起喝芬达2010

A2A与MCP定义下，User，Agent，api（tool）间的交互流程图官方图：流程图：

【LLM+Code】Devin Prompt&Tools详细解读官网：https://devin.ai/大部分篇幅都是tools的直出的description和parameters的一些信息

agent初识你是否曾惊叹于 ChatGPT 的对答如流？或者 Midjourney 的妙笔生花？这些强大的 AI 模型无疑极大地改变了我们获取信息和创作内容的方式。但如果我告诉你，AI 的进化并未止步于此，一种更强大、更自主的智能形式——AI Agent（人工智能体）——正悄然兴起，并可能在不久的将来，像智能手机一样，深度融入我们的生活和工作，你会作何感想？

MonkeyKing_sunyuhua

6.5 行业特定应用：金融、医疗、制造等行业的定制化解决方案金融、医疗和制造行业作为全球经济支柱，面临数据复杂性、实时性需求和严格合规性的共同挑战，同时各行业因业务特性衍生出独特需求。金融行业需应对市场波动、欺诈风险和多国法规，医疗行业聚焦精准诊断和患者数据隐私，制造业则强调供应链优化和设备维护效率。大语言模型（LLM）与智能代理（Agent）的结合，通过语义分析、任务自动化和合规管理，为这些行业提供高效、精准的定制化解决方案。本节通过典型场景分析、技术实现、深入案例和实践指导，为企业提供可落地的智能化转型路径。

AI Agent 入门指南：从 LLM 到智能体AI. AI. AI. 最近耳朵里是不是总是被这些词轰炸？特别是“Agent”、“AI Agent”、“智能体”、“Agentic”…… 感觉一夜之间，AI 就从我们熟悉的聊天框里蹦出来，要拥有“独立思考”和“自主行动”的能力了？