agent

MAF快速入门（5）开发自定义Executor大家好，我是Edison。上一篇，我们学习了MAF中进行多Agent智能体的顺序和移交编排。但是，很多时候我们想要嵌入一些业务逻辑和结构化输出，亦或者是需要保持历史对话，这时我们就可以开发一些自定义Executor来组成工作流。

大模型真好玩

全网最通俗易懂DeepSeek-Math-V2与DeepSeek-V3.2核心知识点解析笔者文章架构大突破! DeepSeek-V3.2发布，五分钟速通DeepSeek-V3.2核心特性为大家系统剖析了DeepSeek-V3.2 实验版的核心特性，并重点解读了其开创性提出的一项全新的技术 DeepSeek Sparse Attention（DeepSeek稀疏注意力机制），简称DSA。

互联网大厂Java/Agent面试实战：AIGC内容社区场景下的技术问答（含RAG/Agent/微服务/向量搜索）文章标题：互联网大厂Java/Agent面试实战：AIGC内容社区场景下的技术问答（含RAG/Agent/微服务/向量搜索）

LangChain + LangGraph 实战：构建生产级多模态 WorkflowAgent 的完整指南在多模态 AI 应用开发中，开发者常面临三大核心痛点：工具调用顺序混乱、步骤结果无法传递、架构集成复杂。传统的基于大语言模型的 BaseAgent 因其随机决策的特性，难以保障复杂任务的可靠执行。本文将深入探讨如何结合 LangChain（能力组件库）与 LangGraph（流程操作系统），设计一个可闭环集成到现有架构的 WorkflowAgent，以解决上述痛点，并通过实战案例展示其从设计到落地的全过程。

大模型教程

开源大模型不求人！一文带你全面入门《开源大模型食用指南》本文较长，建议点赞收藏。更多AI大模型应用开发学习视频及资料，在智泊AI。近年来，随着 ChatGPT 的风靡，大语言模型（LLM）成为人工智能领域的焦点。在海量开源模型涌现的今天，如何快速开始体验、部署、调优这些 LLM，成为众多开发者和研究者的核心问题。而Datawhale倾力打造的《开源大模型食用指南》正是为了解决这一痛点而诞生的宝藏项目。

大模型教程

从 0 到 1，微调一个自己专属的大模型本文较长，建议点赞收藏。更多AI大模型应用开发学习视频及资料，在智泊AI。微调（Fine-tuning）大模型，就像是给一个已经学富五车的大脑（预训练的基础大模型），进行一次针对性的“专业强化训练” 。基础大模型通过海量数据学习了通用的语言规律和世界知识，但对于特定领域、特定任务，它可能还不够“精通”。微调就是利用少量、高质量的领域数据，在基础模型之上继续训练，让模型更好地适应新的任务或领域。也就是让大模型从一个广度很强的通才，在某个领域树上的技能加强变成一位专才。

最好用的开源AI智能体（Agent）开发框架对比：LangChain-AutoGen-LlamaIndex等本文较长，建议点赞收藏。更多AI大模型应用开发学习视频及资料，在智泊AI。随着大模型/LLM 与检索、工具调用、记忆、调度等组合使用成为主流，越来越多框架出现以降低构建“会思考、会规划、会调用工具”的智能体（agent）的门槛。下面我以一名 AI 大模型开发专家的视角，列出目前市面上比较受欢迎且成熟的开源框架，说明它们的定位、核心优势、局限，并给出选型建议与对比表，帮助你快速判断哪个最适合你的项目。

刚入门AI大模型？这6个GitHub开源教程，连微软都忍不住推荐本文较长，建议点赞收藏。更多AI大模型应用开发学习视频及资料，在智泊AI。过去几年，AI 尤其是大语言模型（LLM）发展太快了，不少朋友问我：

🔥彻底搞懂 AI Agent！LangGraph 从入门到实战（附完整源码）从零开始，彻底掌握 AI Agent 的构建之道 —— 让 AI 从「只能说」进化到「能思考、能行动、能记忆」（😊若你第一次听说LangChain，可以浏览我往期文章，快速构建认知体系）

卫玠_juncheng

langchain1.0rag知识库项目分享:从数据清洗到模型微调的全方位教程一个基于 LangChain 1.0、RAG 和 ReAct Agent 的生产级法律 AI 项目这不仅仅是一个法律咨询系统，更重要的是，它是一个生产级别的 AI 工程项目范例，展示了如何在实际应用中整合：

Trae SOLO实战：一句话开发智能体从 Trae IDE 到 Trae SOLO，AI 编程功能实现了从开发者主导的辅助工具到AI 主导的全流程开发助手的跨越式变迁，核心是从 “工具增强” 升级为 “流程重构”，以下是分阶段的简约概括：

Agent平台消息节点输出设计思路在Agent平台的工作流系统中，我们经常需要将多个节点的输出组合成一条消息展示给用户。比如，一个 AI 分析节点生成流式文本，一个代码执行节点返回计算结果，我们希望将它们按顺序组合成："AI分析：{流式文本}\n\n计算结果：{标量值}"。

Google A2A (Agent-to-Agent) 协议实战 —— 用 Python 构建“智能体互联网”时间：2025 年 4 月 9 日事件：Google DeepMind 与 Cloud 团队联合发布 A2A (Agent-to-Agent) 协议。愿景：打破 AI 孤岛，建立一个去中心化、标准化的 “Internet of Agents”。

一文了解LangGraph智能体设计开发过程：Thinking in LangGraph本文分享如何规划使用LangGraph构建智能体（Agents）。使用 LangGraph 构建智能体时，你首先需要将其拆解为多个独立的步骤，这些步骤被称为 “节点”（nodes）。接着，你要定义每个节点对应的不同决策逻辑，以及节点之间的过渡规则。最后，通过一个共享状态（shared state）将所有节点连接起来，每个节点都能从该共享状态中读取数据，也能向其中写入数据。本文将结合构建客户支持邮件智能体这一实际案例，展示如何逐步梳理使用LangGraph规划和实现智能体的思考过程。

🚀 LangGraph 保姆级教程：从零构建你的第一个 AI Agent 工作流🔥 本文 1.2w 字，从入门到实战，带你彻底搞懂 LangGraph！适合有一定 LangChain 基础的开发者。

4. Agent Quality ——【Google 5-Day AI Agents】第四天的白皮书探讨了如何保障 Agent 的工作质量。当前正处于 Agentic 时代的开端，尽管 Agent 能力巨大，但是其固有的非确定性和不可预测性打破了我们传统的质量保障体系。 Agent 的质量保障应植根于架构设计本身，而非仅依赖开发尾声的测试环节。本指南立足于三大核心要义：

大模型教程

不愧是GitHub排名第一的大模型课！我还翻译成了中文版本文较长，建议点赞收藏。更多AI大模型应用开发学习视频及资料，在智泊AI。最近在 GitHub 上发现了一个超级硬核的大语言模型（LLM）课程，标星已达到恐怖的67k，它提供了一套完整的学习路线图和可以直接上手的 Colab 笔记，目标就是带你从入门到精通，无论你有没有基础或是想深入研究模型、开发应用，都能找到清晰的路径。

大模型教程

清华大佬强推！全网第一本中文大语言模型教程来了，391页全开源本文较长，建议点赞收藏。更多AI大模型应用开发学习视频及资料，在智泊AI。第一本中文大语言模型教程来了，这是由中国人民大学高瓴人工智能学院赵鑫负责况且开源的大模型入门书籍，并且是开源可下载的。

AI领域名家名作，大模型学习书籍推荐-关于大模型的教科书（附pdf）本文较长，建议点赞收藏。更多AI大模型应用开发学习视频及资料，在智泊AI。AI领域名家名作，目前大模型的教科书已经至少有三本了，且均已提供公开的PDF版本。