agent

SwanLab入门深度学习：Qwen3大模型指令微调本文较长，建议点赞收藏。更多AI大模型开发学习视频籽料，都在这>>Github<<Qwen3是通义千问团队的开源大语言模型，由阿里云通义实验室研发。以Qwen3作为基座大模型，通过指令微调的方式实现高准确率的文本分类，是学习大语言模型微调的入门任务。

Anything LLM+LM Studio+SearXNG实现私有模型开启联网功能本文较长，建议点赞收藏。更多AI大模型开发学习视频籽料，都在这>>Github<<一个全栈应用程序，使您能够将任何文档、资源或内容转换为上下文，任何LLM都可以在聊天过程中将其用作参考。此应用程序允许您选择要使用的LLM或矢量数据库，并支持多用户管理和权限。

深度学习机器

LangExtract：基于LLM的信息抽取框架｜附项目解析与实战代码在处理海量的非结构化文本时，如何高效且准确地提取结构化信息（如实体、关系、属性）一直是一个棘手的问题。传统方案如正则表达式或基于规则的解析器虽然简单，但往往缺乏灵活性、难以适应复杂语境，且维护成本居高不下。随着大型语言模型的兴起，利用其自然语言理解能力进行信息抽取，正在成为主流的新范式。 LangExtract正是基于这一背景诞生的一个Python框架。它并非仅仅是对 API 的简单封装，而是围绕 “Schema 驱动抽取”思想构建的，具备高度可扩展性和生产级能力的解决方案。

用户8491371754716

为什么大模型都离不开SSE？带你搞懂第2章〈大模型流式应用场景〉本章导读: 深入分析大模型时代下SSE技术的核心应用场景，通过典型案例展示流式处理如何提升AI应用的用户体验，并提供场景选择和技术实施的实用指南。

大模型教程

一文带你快速入门：大模型工作流都在用的RAG和GraphRAG技术本文较长建议点赞收藏。更多AI大模型开发学习视频/籽料/面试题可参考>>Github<<RAG（Retrieval - Augmented Generation，检索增强生成）技术最早可追溯至2020年被正式提出。如今，伴随大模型技术的飞速迭代与应用场景的持续拓展，RAG技术已经深度融入大模型工作流，成为一种被广泛认可且极具影响力的范式。

万字长文！从 0 到 1 搭建基于 LangGraph 的 AI Agent本文较长，建议点赞收藏。更多AI大模型开发学习视频籽料，都在这>>Github<<我们将迈出关键一步，引入当前 Agent 生态中非常热门的框架——LangGraph。它基于“有向图”模型，将 Agent 的运行流程抽象为“节点 + 状态流转”，具备结构清晰、易扩展、原生支持多工具/多轮调用等显著优势。通过与手写 Agent 的对比学习，你将切实体会到：借助 LangGraph，我们可以用更高效、更优雅的方式构建复杂智能体系统。

华为云开发者联盟

AI Agent智能体系列解读 | ModelArts Versatile-AI原生应用引擎插件类——MCP/工具能力详解< ModelArts Versatile-AI原生应用引擎体验入口>华为开发者空间 -- 开发平台 --Versatile Agent

许泽宇的技术分享

ReAct Agent：让AI像人类一样思考与行动的革命性框架"人工智能的未来不在于更大的模型，而在于更智能的推理与行动。" —— 当我们谈论AI Agent时，ReAct框架无疑是这场智能革命的先锋。

老顾聊技术

老顾深度解析【字节跳动的AI项目DeerFlow】源码之工程结构(六)老顾花了很多的篇幅已经介绍了关于DeerFlow项目中的AI Agent多智能体相关的源码。需要了解的人可以看前面的文章。

数据智能老司机

MCP 实战——MCP 服务器的身份验证与部署在上一章中，你深入探索了 MCP 的核心，把服务器从简单的“命令—响应”系统升级为能与 LLM 协作的上下文感知伙伴。你学会了用 Resources 暴露只读数据、用 Prompts 引导 LLM，并借助 Context 对象实现日志、进度汇报与引导提问（elicitation）的交互。

数据智能老司机

MCP 实战——高级服务器架构在上一章中，你已经掌握了将 MCP 服务器推进到生产环境的要点：你学会了用 JWT 进行身份验证来保护工具，并将应用部署到现代的无服务器平台和传统虚拟机上。你已经构建、加固并部署了独立的 MCP 服务器。

企业级 Agent 开发实战(一) LangGraph 快速入门在当今 AI 快速发展的时代，单纯的问答式 AI 已经无法满足复杂业务需求。企业需要的是能够自主思考、规划和执行的智能体 Agent。LangGraph 作为 LangChain 生态中的图形工作流框架，为我们构建这样的智能体提供了强大的基础设施。

RAG优化实战 - LinkAI智能体平台的知识库升级之路RAG（Retrieval-Augmented Generation，检索增强生成）技术经过近两年的快速发展，已经从初期的概念验证阶段进入到了大规模企业级应用的关键时期。在这个过程中，单纯依靠简单的文档切分和基础的向量检索技术已经无法满足企业对于知识库问答质量的要求，需要在RAG技术的各个环节进行更为深入的优化。

强推！大模型学习书籍合集推荐 | （含PDF地址）最近整理了一批关于大语言模型（LLM）、Transformer、BERT、ChatGPT 等方向的学习资料，涵盖了入门、实战、工具链、理论等多个维度，非常适合初学者和进阶者收藏阅读👇

深度学习机器

从Chat Completions到Responses，OpenAI Agent接口设计的演变OpenAI在2025年推出了Responses API，在他们的官方宣传中，可以看到他们一直希望使用这个来替代Chat Completions。在这之前，Chat Completions已经成为了主流的通用接口规范，由于该接口每次请求都需要带上完整上下文，服务端无需管理会话状态，因此更易扩展、能高并发处理，使其在实际应用中取得了广泛的成功。

LangGraph文档这些指南旨在帮助你快速上手 LangGraph。这些指南解释了 LangGraph 框架背后的关键概念。

从AI调用到AI智能体：全面解析三种AI应用的技术架构本文较长，建议点赞收藏。更多AI大模型开发学习视频籽料，都在这>>Github<<在当今全球企业加速数字化转型的浪潮中，人工智能（AI）已不再是边缘性的技术点缀，而是深度嵌入业务流程、重塑价值创造方式的核心驱动力。我们正见证一场深刻的范式革命：AI正从单一的功能性工具，演变为能够理解、协作乃至自主决策的“数字员工”。

用户8491371754716

joyagent智能体学习（第3期）工具系统设计与实现本章核心：深度剖析JoyAgent-JDGenie项目的工具系统架构，从基础接口设计到具体工具实现，再到MCP生态集成，全面解析现代多智能体系统的工具体系构建思路。

Claude Code Sub-agent 模式的详解和实践这篇文章是一个实践教程，读完后，你将学会如何在 Claude Code 环境中，创建和使用这些 AI 代理，从而显著提升代码生成、数据分析等复杂任务的效率和准确性。

老顾聊技术

老顾深度解析【字节跳动的AI项目DeerFlow】源码之执行者(五)今天老顾给大家介绍另一个关键角色执行者Tools，此角色主要的作用是对规划者Planner出来的内容进行执行，执行的方式包含搜索、代码执行，如果配置了MCP Server也会包含里面包含的工具。