登录社区云,与社区用户共同成长
邀请您加入社区
《从传统RAG到AgentRAG的架构跃迁:JBoltAI的ReAct推理链实践》摘要:传统RAG存在检索策略单一、无法多步推理等局限。JBoltAI通过AbstractReActChain基类架构实现AgentRAG升级,采用五步ReAct推理流程:1)查询分析(15种意图分类);2)经验匹配;3)执行规划;4)并发预检索;5)ReAct工具循环(支持多次检索/推理)。关键技术包括Templat
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
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。
系列说明:本系列按四个主页面各写一篇进度记录,本文为。其余篇目将对应单股分析、分析报告、任务中心。frontend→ 首页(HomePage:前端与可视化:完成页面路由骨架(首页 / 单股分析 / 分析报告 / 任务中心);完成首页初版。本周计划围绕两件事展开:搭好导航骨架(首页 / 单股分析 / 分析报告 / 任务中心);完成首页的初步内容搭建。
一场营销活动从策划到上线,运营要在三个系统间跳转 10 + 次、填写 40 + 个字段。我们用 AI 重新设计了这条链路 —— 从 “AI 帮你填表单” 到 “两阶段 Agent + 聚合工作台”。这篇文章记录的不是技术细节,而是这条路上的选择和反思。
Python标准库是Python语言内置的强大工具箱,它提供了从基础数学运算到系统交互、图形绘制等方方面面的功能,无需额外安装即可使用。对于初学者而言,掌握几个最核心、最常用的标准库是迈向高效编程的第一步。本文将对timeturtlerandomdatetime及os这几个几乎必备的核心库进行功能详解,并通过实战代码展示其具体用法。1.time库:时间访问与转换time库是Python中处理时间的
很多系统能找到“像是相关”的内容,却不保证这些内容真的能变成正确代码。作者特别强调,**语义上相似,不等于技术上可用**。这也是很多Agent会写出“看起来很像、实际上不对”的代码的重要原因。
Agent 技术不是单一的技术点,而是一个**多层架构的工程体系**。从底层的 LLM 能力,到中间层的工具调用、记忆管理、决策推理,再到上层的业务 Agent 深度开发与多 Agent 协作编排——**每一层都有自己的技术挑战和最佳实践**。
回头看 memo code,我越来越确认一件事:我当时真正做的事情,不只是「做一个 coding agent」。我其实一直在做一套Harness。prompt 分层装配skills 自动发现工具 DSL风险分级审批缓存危险命令拦截子进程管理system hint 反馈输出裁剪多 workspace / web 控制台这些东西单拿出来都不性感。一个 demo一个玩具一个会写几段代码的聊天机器人还是一
用 LangGraph 写 ReAct Agent,套路是固定的:定义 `MessagesState` → 写 `call_model` 节点 → 写 `call_tool` 节点 → 写 `should_continue` 条件边 → `add_node` / `add_edge` 串图 → 最后 `compile`。
RAG(检索增强生成)是当下大模型落地最热门的方向,但把概念跑通和在企业级系统中真正用好,中间隔着无数细节。本文以 KMS 知识管理平台(15万文档、2000+用户)为真实场景,从架构设计、Chunking策略、向量数据库选型到混合检索调优,完整记录 RAG 从 0 到 1 的落地过程。代码可运行,踩坑有复盘,适合正在将 LLM 集成到业务系统中的全栈开发者阅读参考。
文章系统介绍了六种AI智能体设计模式:ReAct模式实现思考与行动交替;CodeAct模式支持直接执行Python代码;现代工具使用通过MCP协议连接外部服务;自我反思模式可优化输出;多智能体工作流采用专业化协作;智能RAG实现主动搜索与记忆学习。这些模式为开发者提供了构建高效智能体的多样化解决方案,可根据具体场景选择适合的设计方案。文章还包含AI学习资源推广内容,提供大模型技术从入门到精通的系统
摘要:本章系统介绍了数据科学的核心概念与2025-2026年行业趋势,重点解析了OSEMN数据科学工作流程(获取、清洗、探索、建模、解释)。通过奶茶店案例等生动示例,阐明数据科学与数据分析、机器学习的区别。同时前瞻性地指出AI Agent、实时处理、大模型融合等七大技术趋势,并详细指导Python开发环境搭建(Anaconda/JupyterLab/VS Code)和必备技能体系,为读者提供全面的
AI智能体不是冰冷的代码,而是教育公平的放大器(让偏远地区学生获得优质资源)、教学创新的催化剂(释放教师创造力)、终身学习的导航仪(伴随学生成长全周期)。在教育领域落地,需以“教育规律为根、技术赋能为翼”,让智能体在“教、学、管、研”的毛细血管中持续进化,最终实现“有温度的智慧教育”。通过精准诊断教育痛点、匹配适配智能体、兼顾技术与伦理的落地方案,AI正从“教育旁观者”变为“深度参与者”。
我是李明,资深AI Agent架构师,7年大模型应用落地经验,曾主导过多个教育、金融领域的Agent产品落地,专注于大模型推理能力优化和Agent认知架构研究,欢迎关注我的公众号「AI Agent实战派」获取更多技术干货。(全文完,总字数约11200字)
Rutua是一个现代化、响应式的开发者个人主页模板,支持深色/浅色主题切换,集成了GitHub仓库展示和博客文章列表功能。该项目采用HTML5、CSS3和ES6+等技术栈,具有PWA支持、高性能优化和良好的浏览器兼容性。主要功能包括响应式设计、主题切换、GitHub集成、博客集成等。项目结构清晰,提供详细的配置说明,用户可轻松自定义主题颜色、API接口等。采用MIT开源协议,欢迎开发者贡献改进。
qiankun是一个基于single-spa的微前端实现库,旨在帮助大家能更简单、无痛的构建一个生产可用微前端架构系统。微前端是一种多个团队通过独立发布功能的方式来共同构建现代化 web 应用的技术手段及方法策略。技术栈无关主框架不限制接入应用的技术栈,微应用具备完全自主权独立开发、独立部署微应用仓库独立,前后端可独立开发,部署完成后主框架自动完成同步更新增量升级。
大家好,我是 Immerse,一名独立开发者、内容创作者、AGI 实践者。,获取最新文章(更多内容只在公众号更新)也同步更新。转载请在文章开头注明出处和版权信息。我会在这里分享关于编程独立开发AI干货开源个人思考等内容。如果本文对您有所帮助,欢迎动动小手指一键三连(评论转发React 官方刚发布了 19.2 版本这次更新不是小修小补,而是带来了几个让人期待已久的功能。整理一下,分享给大家。
本文介绍了基于Vue3+Vite+Element-Plus和NestJS的全栈开发实践。首先搭建项目骨架,配置Node.js开发环境并推荐VSCode插件。后端使用NestJS实现RESTful API,包括实体定义、DTO验证、服务层和控制器,采用SQLite数据库。前端通过Vue3实现界面交互,使用Element-Plus组件库,封装API接口调用。文章详细展示了从环境搭建、代码实现到功能测试
OneCode平台通过"低代码搭建+原生扩展"混合模式实现渐进式自举开发,验证了其复杂系统开发能力。esddsm模块采用分层架构设计,包含表现层、控制层、服务层和数据访问层,与其他核心模块紧密协作。该模块以注解驱动为核心设计理念,通过自定义注解与Spring MVC原生注解结合,实现了视图配置、事件绑定等功能,显著降低了配置复杂度。开发流程从需求分析到部署集成,通过创建服务类、
✅ 破解:深度复盘项目,比如用Performance分析运行时性能,通过Webpack Bundle Analyzer优化产物;设计跨框架组件库,用 IndexedDB提升离线体验。越学前端越发现,前端开发的核心差距从不是会多少框架API,而是浏览器底层原理、性能优化和工程化架构思维!❌ 问题:简历写“性能优化”“组件库搭建”,但被问首屏秒开方案、WebWorker 实战、低代码
比较模块联邦、字节的Garfish、mico-app。遗留系统迁移:逐步替换旧技术栈;跨团队协作:独立开发与部署子应用。动态加载需求:按需加载子模块提升首屏性能。等项目场景适合使用微前端进行组合式开发。
JVS是企业级数字化服务构建的基础脚手架,主要解决企业信息化项目交付难、实施效率低、开发成本高的问题,采用微服务+配置化的方式,提供了低代码+数据分析+物联网的核心能力产品,并构建了协同办公、企业常用的管理工具等,所有的应用与能力采用模块化构建,按需开箱使用。
从「完全不懂React」到「掌握React核心基础」,能独立开发React基础项目,无缝衔接React进阶内容。
在低代码平台建设中,选择合适的前端框架至关重要。本文深入分析了React、Vue和Angular三大前端框架在低代码环境下的优势与挑战,涵盖渲染机制、模板灵活性、生态成熟度、TypeScript支持等多个技术指标。特别指出React在灵活性和与AI结合方面的优势,认为其为DSL的最佳载体。文章旨在为企业级低代码平台的建设者和开发者提供理论与实践相结合的选型指导,以帮助他们做出明智的技术决策。
《从外包码农到产品工程师的蜕变之路》摘要:作者痛陈三年外包经历如同"代码老农民",深陷CRUD与修Bug的泥潭。转机始于发现甲方采用Oinone低代码平台实现业务产品化,通过对比传统外包模式与产品化交付的差异,指出后者通过行业经验沉淀、标品复用实现价值跃升。作者亲历从执行者到解决方案设计者的转变,薪资增长10k-30k,强调程序员应培养业务抽象能力,从"人力外包&qu
Qiankun是蚂蚁金服基于single-spa开发的微前端框架,通过模块化架构将单体应用拆分为可独立开发、部署的小型应用。其核心特性包括基于路由的拆分、沙箱隔离机制和技术栈无关性,支持Angular、Vue等不同框架的应用集成。本文详细介绍了Qiankun的工作原理,并提供了主应用(Angular)与子应用(Vue)的具体集成方案,包括路由配置、生命周期管理和打包设置。
本文深度解析6大热门前后端组合:VNEN、MERN、NRD、VDJ、ASB、LVE。从全栈TypeScript到Python高效搭档,从SEO利器到企业级重器,用通俗易懂的大白话和生动比喻,帮你分析各组合的优势、坑点及适用场景,助你快速做出明智的技术选型!
带着精心整理的“八股文宝典”奔赴战场,却发现面试官的问题早已跳脱出“事件循环原理”“Vue 和 React Diff 算法差异”这类经典考题,取而代之的是一个个鲜活的业务场景:“如果让你设计一个,如何实现组件跨 iframe 的实时通信?“现有项目的,你的技术方案和落地优先级是什么?,除了 Shadow DOM 还有什么创新解法?这场变革背后,是前端技术深度融入业务价值的必然趋势。随着低代码、智能
微前端是一种将前端应用拆分成多个独立、自治、可单独开发和部署的“小前端应用”的架构理念,借鉴了微服务在后端的思想。通俗地说:把一个大前端项目拆分成多个小应用,每个小应用可以独立开发、测试、部署、运行,最终集成在一个主应用中。微前端就像把“大房子”拆成多个“独立小房间”,每个房间可以由不同团队装修(甚至风格不同),但最终拼成一个完整的“家”。
ES Drager 是一个轻量级 React 组件库,专为构建交互式 UI 设计。它支持拖拽、旋转、缩放、调整尺寸和节点连接等功能,适用于流程图编辑器、可视化页面搭建器等场景。该库安装简单(支持 npm/yarn/pnpm),仅需几行代码即可实现可拖拽元素,并提供了丰富的属性和事件回调。核心功能包括拖拽范围限制、旋转角度控制、缩放比例设定以及节点连接处理。ES Drager 特别适合低代码平台、流
当AI答非所问时,问题往往出在提示表达不够精准。本文介绍了Google提示工程课程的精华方法: TCREI黄金框架:包含任务(Task)、情境(Context)、参考(Reference)、评估(Evaluate)、迭代(Iterate)五个要素,帮助AI准确理解需求。 四大急救法:当AI表现不佳时,可重访框架、拆分长句、使用类比或增加约束条件来优化结果。 多模态提示:利用AI的图片、音乐等多模态