登录社区云,与社区用户共同成长
邀请您加入社区
有人搭出一个很唬人的 AI 智能体(Agent)演示:调用工具、搜索信息、写文件、总结文档,或者生成代码,看的很厉害,但是用着用着真正的问题就出现了:这个智能体能访问哪些工具?谁批准了这个操作?记忆存在哪里?运行过程能不能看到?模型做出错误的工具调用怎么办?如何防止它把Token配配额花光?跑到一半失败了,又该怎么调试?
本文深度拆解 AI 智能体如何从被动响应的“缸中之脑”演进为目标驱动的自主执行体。系统剖析智能体四大底层支柱、ReAct 思考行动闭环、模型上下文协议(MCP)统一总线与多 Agent 协同机制,揭示 AI 从“只会动嘴”到“自主干活”的完整工程链路。
AI 智能体开源项目分享
管理状态:使用 State 对象封装跨轮次的状态流式处理:使用异步生成器优雅地处理流式响应并发控制:通过标记控制工具并发错误恢复:在多个层次实现错误恢复机制性能优化:通过预取、压缩、缓存等优化性能就像厨师的烹饪流程一样,工具调用循环不断循环:准备食材(上下文)、烹饪(工具调用)、品尝(获取结果)、调整(继续对话),直到完成菜品(任务完成)。它的设计体现了软件工程中的诸多最佳实践:状态机设计、流式处
支付宝蚂蚁体验技术部解散,前端基建转向Agent全栈,引发热议。虽然Agent转型带来机遇,但也面临诸多挑战。前端同学需补齐后端工程短板,应对大模型输出不稳定、工具调用错误、RAG检索不准等问题,才能真正把握转型机遇。网传支付宝蚂蚁体验技术部解散了,该团队之前的多个大佬也都分别发声了。知乎上相关讨论已近 30 个回答、超15万浏览,有人怀念玉伯时代的Ant Design与语雀,感叹纯前端基建红利落
本文介绍了如何通过Python实现招聘平台自动投递功能。传统基于DOM树的自动化方法维护成本高且易被风控检测,而采用纯视觉与键鼠模拟的UI自动化方案更接近人类操作行为,更难被识别。核心技术栈包括OpenCV、pyautogui等库,通过"截图-找图-点击"三步实现自动化。文章重点解决了三个核心问题:网速不稳定时的动态轮询与超时机制、不同投递按钮的决策树处理、以及通过OpenCV
最近爆炸忙,好多都没有更新上,自己的内容都拖拖拉拉没做,有些丧,并且最近做 search 的过程中,心里也越来越慌~~~
通过本篇文章,你已经掌握了一个完整的端到端测试解决方案:✅ 使用 Playwright 实现跨浏览器自动化✅ 构建模块化、可复用的测试结构✅ 结合 pytest 提升测试组织能力✅ 整合 CI/CD 实现自动化验证闭环这套方案已经在多个中大型项目中落地实践,无论是用于日常开发调试还是发布前的质量门禁,都能显著降低线上 Bug 出现概率,让产品质量更有保障!📌 下一步可以尝试接入 Sentry、A
文章摘要:本文系统讲解了Python错误处理机制,重点介绍了try/except语法结构及其应用场景。核心内容包括:1)基础异常捕获方法;2)指定异常类型捕获;3)else和finally分支的用法;4)常见内置异常类型;5)主动抛出异常和自定义异常的实现;6)嵌套异常处理技巧。文章强调避免裸except、合理使用finally释放资源、善用raise进行数据校验等最佳实践,并提供了综合实战案例。
AI 圈这几年,「关键技能」换得比系统更新还勤:前年——不会 **prompt engineering**,好像就要掉队;去年——同一批声音说 prompt 过时了,得学 **context engineering**;今年 3 月——**harness engineering** 又上了热搜。
本文总结了Python中的控制语句,主要分为判别语句、循环语句和循环控制语句三类: 判别语句包括单分支if、二分支if-else和多分支if-elif-else结构,用于条件判断执行不同代码块。 循环语句包含for循环(遍历可迭代对象)和while循环(条件满足时持续执行),需要注意while循环中必须设置循环终止条件。 循环控制提供continue(跳过当前循环)和break(终止整个循环)两种
本文摘要:该文档为青少年软件编程(Python)四级考试试卷,包含单选题、判断题和编程题三部分。单选题涉及递归函数、分治算法、二分查找等知识点;判断题考察递归终止条件、函数返回值等概念;编程题包括米粒问题、查字典算法和蜗牛爬行路线计算。试题难度从容易到较难不等,重点测试学生对Python函数、算法和逻辑思维的掌握程度。典型题目如递归求值、二分查找实现、斐波那契数列应用等,要求学生理解算法原理并完成
在狼人杀项目的前端重构中,我选择了现代前端技术栈来构建一个响应式、可维护的游戏界面。本周的主要工作包括技术选型、项目初始化和基础架构搭建。
主会话别被调研淹没:同步 `Agent` 子代理
本地服务查询并不只是关键词搜索。本文演示如何把省市区数据、坐标转换、IP 定位、三甲医院主体信息、天气和空气质量接口组合起来,构建一个面向本地服务问答和就医信息查询的 Agent。关键词:三甲医院 API、本地服务 Agent、省市区 API、天气 API、空气质量 API、位置查询。
字节面试官:(语气犀利,直奔核心)来,说说**如何设计多 Agent 的协作与动态切换机制?
StateGraph是 LangGraph 的核心抽象,它表示一个具有全局状态和节点流转逻辑的图。接收当前全局状态返回修改后的状态或跳转指令它非常适合把“复杂流程问题”映射为“图状态机”,无论是对话、工具调用还是多步骤任务。StateType:定义全局状态结构add_node:定义节点行为逻辑add_edge:定义节点间的流程跳转关系调用时,通过参数传入,Agent 就会自动维护这些字段。技术点最
就是 ReAct 的"工作记忆"。它之所以成为 90% 生产级 Agent 的默认架构,就是因为这个"想→做→看"的循环足够通用——不管你的任务是查天气、做研究、写代码还是排查 bug,都可以用这个模式来处理。比如工具返回了一堆 HTML 或者报错的 stack trace,LLM 不知道该怎么理解这个结果,就决定"再试一次"——然后又得到一样的结果——然后又"再试一次"……:给 Agent 提供
当一个函数中包含yield关键字时,它就不再是一个普通的函数,而是一个生成器函数。调用普通函数:函数立即执行,遇到return返回结果并彻底结束,局部变量被销毁。调用生成器函数:函数不会立即执行,而是返回一个生成器对象(Generator Object)。这个对象是一个迭代器,你可以随时让它“运行一步”,它会执行到下一个yield处暂停,并返回一个值。本质yield将普通函数转换为生成器函数,返回
很多初学者认为,程序报错就是“Bug”。Python 内置了几十种异常,但业务逻辑千变万化。有时候,我们需要创建属于自己的异常类。比如,做一个银行系统,余额不足是一个常见的业务异常:python"""自定义余额不足异常"""super().__init__(f"余额不足: 当前余额 {balance}, 需要 {amount}")try:print(e)# 输出:余额不足: 当前余额 100, 需
代码语言:pythonAI代码解释# 创建具体日期时间# 仅日期# 仅时间功能timecalendardatetime核心单位秒(时间戳)日历逻辑日期/时间对象面向对象❌❌✅日期运算❌❌✅ (timedelta时区支持仅本地/UTC❌✅(需显式设置)格式化/解析✅(需格式字符串)❌✅(更直观)适用场景系统级、性能敏感日历生成、星期计算日常开发首选✅推荐策略:新项目一律使用datetime需要高性能
LLM Agent是指以大语言模型为核心大脑,具备规划、记忆、工具调用三大核心能力,能够自主完成给定目标的智能体。它的核心闭环逻辑是:接收目标→拆解任务→调用工具→获得反馈→调整策略→完成目标。τr1a1o1r2a2o2rnanonτr1a1o1r2a2o2...rnanonrir_iri表示第i步的推理内容aia_iai表示第i步的行动内容(工具调用、代码执行等)o。
这篇Python代码教程主要讲解了如何读取账单文件并过滤测试数据。代码通过readlines()按行读取文件内容,然后使用split()按列分割数据,重点处理备注列中的"测试"数据。文章对比了read().split('\n')和readlines()两种读取方式的区别,解释了为何后者不会产生空行元素,并详细分析了strip()和split()方法的返回值类型(字符串和列表)。
在大模型落地的赛道里,RAG(检索增强生成)早已不是新鲜词。作为解决大模型幻觉、知识滞后、私有化落地的核心方案,传统RAG一度成为企业AI落地的标配。但很多团队落地后都会遇到同一个痛点:
本篇将 AI Web UI 自动化推向平台化:使用 LangChain 多 Agent 协作系统(Planner、Coder、Executor、Reviewer 四个 Agent),实现从需求理解 → 代码生成 → 执行 → 质量 Review 的全闭环。详细拆解每个 Agent 的 Prompt 设计、协作流程、POM 集成、自愈机制,并列出实战中常见的 8 大报错及解决方案。生产级落地参考,强
本文全面介绍了Python打包与发布的三大工具:setuptools、Poetry和Flit。setuptools作为老牌工具适合复杂项目,Poetry提供一体化开发体验,Flit则以极简著称。文章详细对比了三者的优缺点,展示了现代pyproject.toml配置文件的写法,并提供了从项目创建到发布PyPI的完整工作流程。特别推荐Poetry作为日常开发的首选工具,因其整合了虚拟环境管理、依赖管理
而循环的作用,就是快速遍历、处理、修改字典中的数据。可以说,写不好循环+字典,就写不好Python代码。字典以键值对的形式存储数据,结构清晰、查询速度极快,我们日常用到的用户信息、接口数据、配置参数、统计结果,几乎都用字典承载。循环+字典的最强语法糖——字典推导式,用一行代码实现循环创建、筛选字典,比普通循环优雅10倍!这是新手最容易踩的坑!先夯实基础,这三种循环遍历字典的写法,是所有高级技巧的前
这问题不算罕见。这四个词最近两年出现频率极高,很多人用了很久也没真正搞清楚边界。今天统一讲一遍,用一个比喻拉通,读完应该不会再混。
Python Web开发三大框架对比摘要: Django、Flask和FastAPI是Python生态中最具代表性的Web框架,各有特色。Django是"自带电池"的全栈框架,适合中大型业务系统;Flask以微内核+扩展生态著称,适合快速原型和小型服务;FastAPI作为现代API框架,提供类型驱动和异步支持,特别适合高性能API开发。三者性能差异在数据库瓶颈场景下不明显,实际
在harness工程架构设计概述的实践中,很多开发者容易陷入「先学概念再落地」的误区。真正有效的方式是:从具体问题出发,逐步构建解决方案。这篇文章会先给出真实场景,再拆解技术方案,最后给出落地方法和检查清单,确保看完就能用。
业务理解能力不足——AI 无法理解复杂的业务规则和商业约束,导致规格书质量不稳定上下文传递损耗——Agent 之间的信息传递存在语义丢失,影响下游产出质量测试可靠性不足——AI 测试的 Flaky 率偏高,导致协同流程中的验证环节不可信。
面向 Python 初学者,系统讲清楚 BeautifulSoup 和 requests 的配合方式,以及网页抓取、HTML 解析、选择器提取和常见问题处理。
本文介绍如何使用Python实现一个美国地址生成器,适用于自动化测试、数据填充等场景。地址包含街道、城市、州、邮编和国家字段,通过随机组合预设数据生成。基础版本实现简单地址拼接,进阶版本提供结构化输出和真实数据匹配。文章还推荐使用Faker库生成更真实的地址,并展示如何批量导出为CSV文件。核心思路是数据准备+随机组合+格式输出,可根据需求选择不同实现方式,文末提供可直接运行的完整代码示例。
在 Python 函数开发中,参数传递是最基础、最核心的知识点,而位置参数和关键字参数是所有 Python 开发者必须熟练掌握的基本功。很多新手写函数时,经常遇到:参数传错、顺序混乱、代码可读性差、调用报错等问题,本质就是没有彻底理解这两种参数的用法。本章带你从零吃透位置参数、关键字参数、混合使用、默认参数、强制关键字参数,搭配大量实战代码 + 避坑指南,让你写出规范、健壮、易读的函数。我们定义函
模块是包含 Python 定义与声明的.py文件,文件名 = 模块名 [+.py](+.py) 后缀,日常编写的所有 py 文件都属于自定义模块。分类说明1自行编写的.py源码文件2C/C++ 编译生成 DLL / 共享库扩展模块3由多个模块组成的 Python 包4C 语言编写、内嵌在解释器的内置模块模块即.py文件,四大分类,核心作用代码复用与项目拆分;import 模块:全量导入,通过模块.