<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[W_LIN的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/W_LIN</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; W_LIN]]></copyright><item><title><![CDATA[个人分支合并 master 全流程复盘：先同步再合并，少踩这些 Git 坑]]></title><link>https://blog.youkuaiyun.com/W_LIN/article/details/163977364</link><guid>https://blog.youkuaiyun.com/W_LIN/article/details/163977364</guid><author>W_LIN</author><pubDate>Sat, 22 Aug 2026 17:26:02 +0800</pubDate><description><![CDATA[先把 master 同步到个人分支在个人分支解决冲突并验证再合进 master用 commit id 对齐做最终验收Vim 不会退、Fast-forward 误判、分支图分叉、未跟踪文件挡合并、前后端双仓库漏合——都是高频坑。把流程做成清单后，合分支会稳很多。写在最后：如果团队强制走 MR，就把第 2.3 节的本地 merge 换成 GitLab Merge Request，前面「先同步 master 到个人分支」这一步仍然建议保留。]]></description><category></category></item><item><title><![CDATA[Windows 下 Nginx 访问 127.0.0.1 报 50x 错误：根因是路径里 \t 被当成 Tab]]></title><link>https://blog.youkuaiyun.com/W_LIN/article/details/163977326</link><guid>https://blog.youkuaiyun.com/W_LIN/article/details/163977326</guid><author>W_LIN</author><pubDate>Sat, 22 Aug 2026 17:24:16 +0800</pubDate><description><![CDATA[Windows + Nginx 配置路径一律用正斜杠，例如E:/test，不要写E:\test。nginx -t只验证语法，不代表运行中的进程已加载新配置。出问题先看，日志里的路径往往直接暴露根因。配置修改后若 reload 无效，彻底stoptaskkill+ 重新nginx启动。确认index.html存在，否则可能 403/404，与 500 不同。按以上步骤，本案例从 50x 错误到正常访问即可解决。]]></description><category></category></item><item><title><![CDATA[【MySQL 排错】Navicat 连接 localhost 报 2002 (10061) 完整排查记录（Windows + MySQL 8.4 用户模式）]]></title><link>https://blog.youkuaiyun.com/W_LIN/article/details/163097446</link><guid>https://blog.youkuaiyun.com/W_LIN/article/details/163097446</guid><author>W_LIN</author><pubDate>Wed, 22 Jul 2026 09:42:36 +0800</pubDate><description><![CDATA[摘要：本文记录了Windows下通过ZIP安装MySQL 8.4.10后，Navicat连接时出现“2002 - Can't connect to server on 'localhost' (10061)”错误的排查过程。错误原因是MySQL服务未启动，而非密码错误。通过检查mysqld进程和3306端口状态确认问题，并提供了手动启动MySQL的解决方案，同时总结了安装阶段的常见问题（如配置文件路径、服务注册失败等）。文章还给出了正确的Navicat连接配置和日常运维命令，强调ZIP安装方式需注意服务未自]]></description><category></category></item><item><title><![CDATA[Windows 下 MongoDB 备份报错「mongodump 不是内部或外部命令」完整解决方案]]></title><link>https://blog.youkuaiyun.com/W_LIN/article/details/162700763</link><guid>https://blog.youkuaiyun.com/W_LIN/article/details/162700763</guid><author>W_LIN</author><pubDate>Wed, 08 Jul 2026 16:28:30 +0800</pubDate><description><![CDATA[Node.js 项目从 PostgreSQL 迁移到 MongoDB 后，本地服务能正常连库，但执行 `mongodump` 备份时报「不是内部或外部命令」。本文记录 Windows 环境下的完整排查过程、根因分析与可落地的迁移方案。]]></description><category></category></item><item><title><![CDATA[【Agent 实战】Phase 3：LangGraph 复杂工作流（代码审查 + 条件分支 + 人机确认 interrupt）]]></title><link>https://blog.youkuaiyun.com/W_LIN/article/details/162477096</link><guid>https://blog.youkuaiyun.com/W_LIN/article/details/162477096</guid><author>W_LIN</author><pubDate>Wed, 01 Jul 2026 10:08:33 +0800</pubDate><description><![CDATA[本文是 Agent 实战系列 Phase 3，记录如何用 LangGraph 搭建代码审查多节点工作流：安全扫描、条件分支、interrupt 人工确认、LLM 生成报告。涵盖 route_after_security 路由、Checkpointer 持久化与 scanners 自定义规则，附完整踩坑记录。]]></description><category></category></item><item><title><![CDATA[【Agent 实战】Phase 2.5：工具 Agent + RAG 合体（一个 Agent 同时会「动手」和「查资料」）]]></title><link>https://blog.youkuaiyun.com/W_LIN/article/details/162196539</link><guid>https://blog.youkuaiyun.com/W_LIN/article/details/162196539</guid><author>W_LIN</author><pubDate>Mon, 22 Jun 2026 11:53:11 +0800</pubDate><description><![CDATA[本文介绍了将RAG（检索增强生成）功能封装为工具并整合到Agent系统中的方法。通过将知识库检索功能封装为search_knowledge_base工具，使其与其他工具（天气查询、计算器等）统一调度，实现了全能型智能助手。文章详细阐述了系统架构设计思路，包括工具路由机制（基于docstring和系统提示）、数据类型映射规则，以及具体的代码实现方案，展示了如何通过LangGraph框架将RAG检索无缝集成到Agent工具调用循环中，使单一Agent能够智能判断并调用不同工具处理各类查询需求。 核心创新点： 将]]></description><category></category></item><item><title><![CDATA[【Agent 实战】Phase 2：从零搭建 RAG 文档问答系统（LangGraph + 通义千问 + Chroma）]]></title><link>https://blog.youkuaiyun.com/W_LIN/article/details/162059333</link><guid>https://blog.youkuaiyun.com/W_LIN/article/details/162059333</guid><author>W_LIN</author><pubDate>Wed, 17 Jun 2026 11:15:16 +0800</pubDate><description><![CDATA[本文详细介绍了如何利用Python搭建一套基于RAG（检索增强生成）的文档问答系统，主要技术栈包括LangGraph、通义千问qwen-plus、DashScope text-embedding-v3和Chroma向量库。文章从RAG的核心流程、项目结构、环境准备到具体实现（文档加载、切分、向量化入库及在线检索）逐步展开，并对比了工具Agent与RAG的区别。该系统通过将私有文档转化为向量并存储，在用户提问时检索相关片段作为上下文，最终由大模型生成准确回答，有效解决了基于内部文档的问答需求。]]></description><category></category></item><item><title><![CDATA[【Agent 实战】Phase 1：从零搭建工具 Agent（LangGraph + 通义千问 + Function Calling）]]></title><link>https://blog.youkuaiyun.com/W_LIN/article/details/162058879</link><guid>https://blog.youkuaiyun.com/W_LIN/article/details/162058879</guid><author>W_LIN</author><pubDate>Wed, 17 Jun 2026 10:26:24 +0800</pubDate><description><![CDATA[摘要：本文介绍了如何通过LangGraph框架构建工具型Agent，使大模型具备调用外部工具的能力。从基础的"感知→决策→行动"原型出发，逐步实现天气查询、数学计算和时间查询功能，深入解析Agent与工具的交互循环机制。文章涵盖核心概念（Tool/Function Calling/ReAct范式）、项目结构、环境配置、工具定义方法，以及基于LangGraph的工作流实现细节，最终完成一个可执行实际任务的智能代理系统。 关键词：Agent开发、LangGraph、工具调用、ReAct范式、大模型应用、通义千问]]></description><category></category></item><item><title><![CDATA[GitHub 每周热门项目盘点（6\.7–6\.13）：AI Agent 全面爆发，自托管工具彻底出圈]]></title><link>https://blog.youkuaiyun.com/W_LIN/article/details/161962487</link><guid>https://blog.youkuaiyun.com/W_LIN/article/details/161962487</guid><author>W_LIN</author><pubDate>Sat, 13 Jun 2026 23:16:46 +0800</pubDate><description><![CDATA[本周GitHub热门开源项目盘点显示三大趋势：本地自托管成为刚需，AI工具向工程化落地转型，垂直领域工具精细化发展。精选的8个高星项目包括：1）本地私有化AI工作台odysseus；2）Google出品的AI编程生产级技能集agent-skills；3）全自动短视频生成工具MoneyPrinterTurbo；4）大型代码库架构解析工具codegraph；5）可自扩展的AI智能体框架hermes-agent；6）开源企业级CRM系统twenty；7）AI低质内容优化工具stop-slop；8）国产长链路编程A]]></description><category></category></item><item><title><![CDATA[别再被误导了！这才是 Agent ↔ Tools 循环的真实底层逻辑（无误区完整版）]]></title><link>https://blog.youkuaiyun.com/W_LIN/article/details/161899868</link><guid>https://blog.youkuaiyun.com/W_LIN/article/details/161899868</guid><author>W_LIN</author><pubDate>Thu, 11 Jun 2026 18:01:11 +0800</pubDate><description><![CDATA[看懂这套分支判断 + 双向迭代的真实循环机制，你就彻底跳出了「只会跑 Demo、看不懂原理」的新手阶段。Agent 反思、多智能体协作、复杂任务拆解、超长任务迭代，全部建立在这套基础逻辑之上。（注：博文是作者学习记录，文档部分内容可能由 AI 生成）]]></description><category></category></item><item><title><![CDATA[彻底搞懂 AI Agent 核心：Agent ↔ Tools 循环机制（零基础吃透）]]></title><link>https://blog.youkuaiyun.com/W_LIN/article/details/161899136</link><guid>https://blog.youkuaiyun.com/W_LIN/article/details/161899136</guid><author>W_LIN</author><pubDate>Thu, 11 Jun 2026 17:18:38 +0800</pubDate><description><![CDATA[本文深入浅出地解析了AI Agent开发的底层逻辑，揭示了Agent与Tools的协作机制。文章指出，Agent作为决策大脑负责理解需求、判断工具调用，而Tools作为执行手脚完成具体操作，二者通过6步闭环循环（ReAct范式）实现复杂任务的分步执行。通过真实案例演示了多工具链式调用的全过程，并提供了一套基于LangChain+Ollama的本地可运行代码。文章还总结了新手常见误区、循环终止条件以及三大循环形态，帮助开发者从原理层面掌握AI Agent的核心运行机制。]]></description><category></category></item><item><title><![CDATA[LangChain 与 LangGraph 适用场景对比及核心问题生产级解决方案]]></title><link>https://blog.youkuaiyun.com/W_LIN/article/details/161884016</link><guid>https://blog.youkuaiyun.com/W_LIN/article/details/161884016</guid><author>W_LIN</author><pubDate>Thu, 11 Jun 2026 10:25:14 +0800</pubDate><description><![CDATA[本文深入解析了LangChain与LangGraph的适用场景及AI Agent开发中的核心痛点与解决方案。 LangChain vs. LangGraph适用场景 LangChain：适用于线性、无状态任务（如单轮问答、RAG、文本处理），优点是快速开发，但不支持复杂流程。 LangGraph：适用于动态、有状态任务（如多轮对话、ReAct智能体、多Agent协作），支持循环、分支和状态管理，适合生产级复杂流程。 AI Agent开发的三大痛点与解决方案 LangGraph状态膨胀问题：通过消息窗口裁剪、]]></description><category></category></item><item><title><![CDATA[从零搭建 AI Agent 全记录：新手避坑指南 + 最终可运行代码]]></title><link>https://blog.youkuaiyun.com/W_LIN/article/details/161863673</link><guid>https://blog.youkuaiyun.com/W_LIN/article/details/161863673</guid><author>W_LIN</author><pubDate>Wed, 10 Jun 2026 15:40:22 +0800</pubDate><description><![CDATA[本文分享了基于Python和OpenAI SDK搭建多轮对话AI Agent的实践经验。作者在尝试硅基流动、DeepSeek、阿里云通义千问等国内大模型服务时，遇到了密钥读取、模型禁用、接口兼容、超时等问题，最终选用阿里云百炼平台（兼容OpenAI接口）的qwen3-8b模型作为稳定方案。 文章详细记录了6个典型问题的解决方案，包括API Key读取、模型禁用、请求超时、额度不足、接口参数不兼容及代码语法错误等。最终提供的完整代码实现了多轮对话记忆、指令清空记忆和退出功能，支持国内直连并包含错误处理机制。 ]]></description><category></category></item><item><title><![CDATA[解决 WinError 2 报错｜手把手搭建 2026 版 AI Agent 运行环境]]></title><link>https://blog.youkuaiyun.com/W_LIN/article/details/161855762</link><guid>https://blog.youkuaiyun.com/W_LIN/article/details/161855762</guid><author>W_LIN</author><pubDate>Wed, 10 Jun 2026 11:48:26 +0800</pubDate><description><![CDATA[本文记录了在Windows系统搭建AI Agent开发环境时遇到的典型安装报错及解决方案。核心问题是由于权限不足导致python-dotenv无法更新，表现为系统文件错误。通过管理员权限终端执行pip install openai==1.73.0 click==8.3.3 python-dotenv==1.2.2即可解决。文中详细说明了环境校验方法，并强调这三个库的最新稳定版对AI Agent开发至关重要：openai 1.73.0支持最新API功能，click 8.3.3用于命令行交互，python-do]]></description><category></category></item><item><title><![CDATA[一文彻底搞懂AI Agent推理范式：Self-Ask原理、流程、实战与优缺点]]></title><link>https://blog.youkuaiyun.com/W_LIN/article/details/161835266</link><guid>https://blog.youkuaiyun.com/W_LIN/article/details/161835266</guid><author>W_LIN</author><pubDate>Tue, 09 Jun 2026 16:48:44 +0800</pubDate><description><![CDATA[Self-Ask是一种基于自问自答的推理范式，通过显式拆解子问题、查询客观事实来解决大模型的组合性推理难题。其核心流程包括接收主问题、判断信息缺口、生成子问题、调用工具查询、迭代追问和整合最终答案。相比ReAct范式，Self-Ask更擅长事实核查和多跳问答，能有效降低幻觉，但灵活性较差，不适合创意生成或复杂任务执行。落地时需根据场景特点选择：Self-Ask适合需要高可信度的信息检索类任务，而ReAct则更适合动态交互场景。两者各有优势，可互补使用。]]></description><category></category></item><item><title><![CDATA[博客GitHub链接时效性与可用性保障方案（适配国内访问）]]></title><link>https://blog.youkuaiyun.com/W_LIN/article/details/161805156</link><guid>https://blog.youkuaiyun.com/W_LIN/article/details/161805156</guid><author>W_LIN</author><pubDate>Mon, 08 Jun 2026 17:34:32 +0800</pubDate><description><![CDATA[本文针对技术博客中GitHub链接失效问题，提出了一套长效保障方案。核心方案包括：1）采用GitHub官方Commit SHA永久链接，避免因分支变更导致失效；2）补充Gitee等国内镜像链接解决访问限制；3）建立定期巡检机制维护链接有效性。该方案通过"永久链接+镜像兜底+自动巡检"的组合，系统性解决了链接过期、访问失败、项目变更三大痛点，特别适合需要长期留存的技术博客内容。文末还提供了当前博客链接的具体优化实施方案。]]></description><category></category></item><item><title><![CDATA[一文彻底搞懂 AI Agent 核心范式：ReAct 原理、流程、实战与优缺点]]></title><link>https://blog.youkuaiyun.com/W_LIN/article/details/161804772</link><guid>https://blog.youkuaiyun.com/W_LIN/article/details/161804772</guid><author>W_LIN</author><pubDate>Mon, 08 Jun 2026 17:27:42 +0800</pubDate><description><![CDATA[ReAct范式：AI Agent核心架构解析 ReAct（推理+行动）是AI Agent领域最基础、应用最广泛的范式，本质采用"走一步想一步"的迭代式执行策略，通过"推理→执行→观察"的闭环循环完成任务。相比Plan-and-Execute范式，ReAct无需预规划，具有架构简单、灵活适配的优势，但存在长任务易漂移、Token成本高的缺陷。其标准实现包含LLM推理引擎、工具集、解析器和记忆模块四部分，适用于短交互场景如客服机器人、简单工具调用等。选型时需注意：短任务用ReAct，复杂长流程应选择规划式范式。]]></description><category></category></item><item><title><![CDATA[AI Agent Plan-and-Execute 技术范式详细文档总结]]></title><link>https://blog.youkuaiyun.com/W_LIN/article/details/161804809</link><guid>https://blog.youkuaiyun.com/W_LIN/article/details/161804809</guid><author>W_LIN</author><pubDate>Mon, 08 Jun 2026 17:26:44 +0800</pubDate><description><![CDATA[摘要： Plan-and-Execute（规划-执行范式）是AI Agent应对复杂长任务的标准架构，通过解耦规划与执行，实现“全局规划→分步执行→动态修正”的闭环流程。其核心模块包括Planner（生成结构化子任务序列）和Executor（精准执行原子任务），辅以重规划机制提升容错性。相比ReAct范式，它在长任务稳定性、成本控制、可解释性上表现更优，尤其适合企业级多步骤业务（如数据分析、自动化流程），但对简单任务或完全动态场景存在冗余。主流实现方案如LangGraph，通过状态图架构支持生产级落地，是规]]></description><category></category></item><item><title><![CDATA[2026年6月第一周GitHub热门开源项目盘点：AI Agent与端侧自托管全面爆发]]></title><link>https://blog.youkuaiyun.com/W_LIN/article/details/161711343</link><guid>https://blog.youkuaiyun.com/W_LIN/article/details/161711343</guid><author>W_LIN</author><pubDate>Fri, 05 Jun 2026 10:54:31 +0800</pubDate><description><![CDATA[1. 端侧自托管成为刚需：以odysseus为代表的本地私有化AI项目爆火，说明开发者和企业不再盲目追求云端AI便利，而是更加重视数据隐私、合规安全、自主可控，离线、本地部署的开源工具将持续走红。2. AI从“工具”走向“基础设施”：从codegraph架构解析、openhuman智能Agent记忆，到stop-i工程辅助，AI不再是单一的对话、生成工具，而是深度融入代码开发、项目管理、内容生产、企业办公全流程，成为底层基础设施。3. 开源替代商用工具常态化。]]></description><category></category></item><item><title><![CDATA[通过Ollama本地部署Deepseek R1 以及简单使用]]></title><link>https://blog.youkuaiyun.com/W_LIN/article/details/158431219</link><guid>https://blog.youkuaiyun.com/W_LIN/article/details/158431219</guid><author>W_LIN</author><pubDate>Thu, 26 Feb 2026 21:31:05 +0800</pubDate><description><![CDATA[Ollama  Deepseek]]></description><category></category></item></channel></rss>