分类：AI - Over the long term, the future is decided by optimists

从 RAG 到 Agent：给知识库加上工具调用、ReAct 与记忆

AI

实战教程 · 内容整理自沉默王二《把 RAG 升级成 Agent》一文，以派聪明（PaiSmart）知识库和 PaiCLI 的设计思路为例，用自己的话重新组织，并补充了通用代码骨架。学习目标学完本教程，你将能够：说清楚 RAG 与 Agent 的本质区别；把已有的检索能力包装成可被大模型调用

RAG 工程性实践

AI

背景: 基于之前相关技术性积累，实现RAG的工程，项目采用的技术栈均为开源，最终所需的花费为LLM的模型调用，项目地址为 GitHub。 mono — AI 知识库 monorepo（样板框架）当前进度：五个阶段全部完成（框架/检索编排/数据闭环/工作流端到端/可观测与生产化，全链路实测），另有若

Qdrant向量数据库核心概念

AI

参考: Qdrant官网 Embedding（向量化） Embedding = 把一段文字（或图片/音频）转换成一个固定长度的数字数组（向量），比如 [0.02, -0.13, 0.87, ...]，通常是 384、768、1536 维。这个转换由一个专门训练过的模型完成（如 OpenAI 的 t

LlamaIndex RAG快速搭建

AI

1.环境准备 # 1. 安装依赖 pip3 install llama-index # 2. 创建 data 文件夹并放入文档 mkdir data # 放入 .txt, .pdf, .docx 等文件 # 3. 创建 .env 文件写入 DASHSCOPE_API_KEY、DASHSCOPE

LlamaIndex 与 LangChain：有什么区别？

AI

LlamaIndex 和 LangChain 是两个用于创建和实施检索增强生成 (RAG) 系统的平台。LlamaIndex 旨在简化搜索和检索流程，而 LangChain 则是一个功能全面、模块化的平台，支持多种应用场景。 RAG（资源获取算法）为大型语言模型（LLM）赋予领域特定知识，从而提高

Gas Town 多智能体AI编排系统

AI

概述 Gas Town是多智能体编排系统，让一个 AI 代理（"Mayor"）管理一批专门角色的子代理并行工作，解决复杂软件开发任务。 Gas Town 不会在代理重启时丢失上下文，而是将工作状态持久化到基于 Git 的钩子中，从而实现可靠的多代理工作流。这解决了什么问题？

Agent Skills

AI

什么是Agent Skills 教大模型如何处理数据。创建首个Skills 1.创建Skill文件夹

从工具到同事：AI正在重构劳动力市场

AI 随想

摘自: 澎湃新闻胡逸 2025-12-30 07:45 来源：澎湃新闻我们正在进入一个由数字劳动力主导的新生产阶段。即从“人类驱动的效率工具”到“AI主导的工作流程”。临近年底，硅谷多家科技公司在年度财报和内部管理系统中，做出了一项标志性调整：AI代理被与人类员工一并纳入“劳动力效率指标”。

Introducing the Model Context Protocol（MCP）

Mcp

参考ANTHROPIC的文献: [1] ANTHROPIC. Introducing the Model Context Protocol[S/OL]. 2024-11. [2024-12-15]. https://modelcontextprotocol.io/specification/late

Zed编辑器集成本地Claude Code及对应ACP编写

Acp

前提: 已集成本地Claude Code 完成以上步骤后： ps: 这里集成了doubao，命令调整为了claude-doubao；选择Zed编辑器编辑器的选择主要从开发体验和AI集成两个方面考虑，推荐编辑器一个是Cursor，另一个是Zed，