- 博客(6)
- 收藏
- 关注
RSS订阅原创 智能旅行助手学习笔记：从架构到实现
架构设计：前后端分离+多智能体协作，实现高内聚低耦合数据模型：Pydantic提供类型安全和自动验证，解决数据一致性问题智能体设计：分工明确的Agent角色，降低单个Agent复杂度工具集成：MCP协议简化外部API调用，提升系统扩展性通过这个项目，我们学习了如何将AI技术与实际应用结合，构建一个完整的智能系统。关键在于合理的任务分解、清晰的数据结构设计和灵活的工具集成方式。
2025-11-20 23:27:40
617
原创 智能体通信协议MCP
智能体通信协议解决了工具集成、能力扩展和多智能体协作的核心问题MCP、A2A、ANP 三种协议分别针对不同场景，互为补充HelloAgents 框架通过三层架构实现了协议的标准化集成MCP 协议作为应用最成熟的协议，提供了灵活的工具访问能力和多种传输方式实际应用中应根据具体需求选择合适的协议，并利用框架提供的工具封装简化开发通过掌握这些通信协议，能够构建更灵活、可扩展、协同工作的智能体系统，突破单体智能体的能力边界。
2025-11-18 23:36:11
1001
原创 HelloAgent.TASK4
数学计算工具：编写计算函数，支持四则运算与基础数学函数，通过快速注册。多源搜索工具：整合Tavily与SerpApi，实现智能后端选择（优先Tavily）、失败降级机制，统一结果格式化输出。
2025-11-16 23:46:50
678
原创 语言模型与Transformer架构
马尔可夫假设 (Markov Assumption) 。其核心思想是：我们不必回溯一个词的全部历史，可以近似地认为，一个词的出现概率只与它前面有限的 n−1n−1n−1 个词有关，如图3.1所示。基于这个假设建立的语言模型，我们称之为 N-gram模型。这里的 “N” 代表我们考虑的上下文窗口大小。让我们来看几个最常见的例子来理解这个概念：P(wi∣w1,…,wi−1)≈P(wi∣wi−1)P(w_{i}∣w_{1},…,w_{i−1})≈P(w_{i}∣w_{i−1})P(wi∣w1,…,wi−1)
2025-11-12 23:44:46
915
原创 HelloAgent.Task1
人工智能领域，智能体被定义为任何能够通过传感器感知其所处环境，并自主地通过执行器采取行动以达成特定目标的实体。
2025-11-09 23:38:03
710
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人