agent

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

跨平台Agent Skills开发：适配器模式赋能提示词优化与多AI应用无缝集成图片来源网络，侵权联系删。跨平台Skills开发系列“我的天气查询Skill在OpenAI上完美运行，迁移到通义千问却因提示词格式崩溃，Claude又要求XML包裹——难道每个平台都要维护一套代码？”

LangChain Runnable组件重试与回退机制降低程序错误率01. Runnable 重试机制在 LangChain 中，针对 Runnable 抛出的异常提供了重试机制——with_retry()，当 Runnable 组件出现异常时，支持针对特定的异常或所有异常，重试特定的次数，并且配置每次重试时间的时间进行指数增加。

在 Windows 系统上一键部署 **Moltbot**在 Windows 系统上部署 Moltbot（原名 Clawdbot）主要有两种方式：一种是使用官方提供的 PowerShell 一键安装脚本（推荐，适合大多数用户），另一种是通过 WSL2（Windows Subsystem for Linux）进行深度部署（适合开发者或需要更稳定环境的用户）。

[AI大模型] DAY 1 ：零基础学LangChain基于官方文档进行学习，但是会加注释和必要解释帮助理解，只会python基础语法也完全可以看懂！本人亲测！（暂时没写完！）

OpenClaw 原版和汉化版windows 和Linux 下的部署实践OpenClaw（曾用名：Clawdbot、Moltbot），一款可以部署在个人电脑上的AI代理，采用“龙虾”图标设计，slogan是“The AI that actually does things”，由程序员彼得·斯坦伯格开发。核心开发语言为TypeScript，是一个采用“龙虾”图标设计的开源AI智能体项目。该项目定位为个人AI代理，具备操作软件与长期记忆功能。2026年1月，特斯拉前AI主管Karpathy曾公开提及此项目。

Moltbot（原名 Clawdbot）帮助指南介绍：molt --help根据 Moltbot（原名 Clawdbot）的官方文档及相关部署指南，molt 命令是该 AI 助手系统的核心控制工具。通过执行 molt --help，用户可以查看其支持的子命令、全局选项以及配置参数。

RAG智能体深度解析(一)RAG是一种结合了信息检索和文本生成的AI技术。它解决了大型语言模型（LLM）的一个关键限制：知识截止日期和领域专业知识的缺乏。

【RAG】大模型RAG开发通⽤的基础⼤模型存在一些问题：1.LLM的知识不是实时的，模型训练好后不具备自动更新知识的能力，会导致部分信息滞后。