- 博客(181)
- 资源 (8)
- 收藏
- 关注
RSS订阅
原创 破局AI孤岛：AI实现电子元件行业的询报价实现方案(第十章)
这种标准化使得流程自动化成为可能。特别地，我们将重点解读业务流程图、技术架构图的设计逻辑，以及核心代码的实现细节，确保大家不仅理解"是什么"，更能掌握"为什么这么设计"和"如何实现"。业务流程设计是系统的"骨架"，它定义了**数据如何流转**和**角色如何交互**。AI询报价系统的业务流程以"用户询价请求"为起点，经过AI解析、内外部询价、报价收集、智能决策，最终向用户返回最优报价，并更新供应商评分。技术架构是支撑业务流程的"技术骨架"，它定义了系统的**组件划分**、**技术选型**和**交互方式**。
2025-08-10 20:08:28
1164
原创 破局AI孤岛：DeepQuote企业级项目核心功能拆解(第九章第6节)-查型号、找替代、查价格、找供应商意图识别
本系统基于**Model-Context-Protocol（MCP）** 的AI体系设计，实现了模型、上下文和协议的解耦，提高了系统的灵活性和可扩展性。未来，随着AI技术的不断发展和电子元件行业的变化，系统将持续进化，提供更智能、更全面的服务，助力电子制造业的创新和发展。{"query": "SN74HC00DR", "intent": "查物料"},{"query": "有没有国产替代", "intent": "找替代"}"supplier_priority": ["原厂", "代理"],
2025-08-10 20:06:31
580
原创 破局AI孤岛：DeepQuote企业级项目核心功能拆解(第九章第5节)-BOM配单深度解析
本文详细介绍了BOM配单系统的设计方案，包括系统架构、流程设计和核心模块实现。系统采用分层架构，包含用户交互层、核心处理层、AI引擎层和数据层，通过BOM清洗、供应商匹配、替代料管理等模块实现智能化元器件采购。重点阐述了BOM清洗模块的型号标准化处理、供应商评分模型的多维度评估算法、替代料管理系统的兼容性分析，以及成本优化引擎的约束优化方法。系统采用知识库模型管理元器件、参数、供应商等数据实体，支持复杂查询和分析。未来发展方向包括AI深度集成、实时供应链感知和预测性采购等。该系统可显著提升电子制造企业的采购
2025-08-10 20:03:30
595
原创 破局AI孤岛：DeepQuote企业级项目核心功能拆解(第九章第4节)-BOM单清洗过程解析
本文介绍了DeepQuote BOM单清洗系统的架构设计与实现方案。该系统采用模块化设计，包含预处理、型号匹配、参数解析和型号推理四大核心模块，通过规则匹配与智能推理相结合的方式处理电子元器件BOM数据。系统首先对原始BOM进行标准化预处理，然后通过精确/模糊匹配查找型号，失败时则提取参数特征进行推理推荐。关键技术包括内存缓存、Trie树索引、向量搜索等优化算法，以及规则系统与AI技术的混合架构。实际应用中可处理型号歧义、参数缺失等复杂场景，输出标准化BOM数据并保留原始信息。该系统架构体现了工业场景下数据
2025-08-10 19:57:37
794
原创 破局AI孤岛：DeepQuote企业级项目核心功能拆解(第九章第3节)-图片找货功能分析
摘要：图片找货系统实现电子元件表格图片的智能识别与供应商匹配，核心功能包括表格结构识别、OCR提取、型号验证和批量查询。系统采用多模块架构，运用霍夫变换、Tesseract优化和向量数据库等技术，实现处理速度2秒/表格、准确率98.7%的性能指标。实际应用中，100行表格处理时间从3小时缩短至25秒，错误率降至0.3%。系统支持Docker容器化部署，可与企业ERP/MES系统集成，显著提升采购效率并降低人力成本。 （149字）
2025-08-10 12:00:00
467
原创 破局AI孤岛：DeepQuote企业级项目核心功能拆解(第九章第2节)-DeepQuote供应商认证流程分析
摘要：本文详细介绍了供应商认证流程智能化升级方案。通过引入OCR识别、大模型分类和人机协同验证等技术，新流程解决了传统人工操作存在的效率低、错误率高、合规性不足等问题。新架构采用五层模块化设计，实现动态流程编排，使认证准确率达99.3%，处理效率提升68%，人工介入率降低至18%。系统严格遵循MCP协议，在数据契约标准化、风险控制等方面具有显著优势。实施效果表明，该方案能显著降低运营成本、提升用户体验并增强风险控制能力，为企业供应链管理提供了智能化技术支撑。
2025-08-10 11:00:00
832
原创 破局AI孤岛：DeepQuote企业级项目核心功能拆解(第九章第1节)-DeepQuote与企微对接流程详解
本文详细介绍了DeepQuote企业级智能系统与企微的对接流程。系统通过企微回调机制接收消息，采用RocketMQ实现异步处理，基于Elasticsearch进行消息存储，并融合规则引擎、NLP和向量检索技术实现智能回复。重点解析了企微账号绑定流程、系统架构设计及关键技术实现，包括消息加解密、高并发处理和AI决策流程等。文章还提出了异常熔断、流量治理等优化建议，为电子元件行业数字化转型提供了智能化解决方案范例。
2025-08-10 10:00:00
632
原创 破局AI孤岛：DeepQuote企业级项目介绍(第八章)
DeepQuote是一款面向电子元件行业的AI智能决策平台，针对行业核心痛点（信息碎片化、替代品查找困难、价格波动、供应链不稳定等）提供解决方案。平台整合2000万+元器件数据，支持智能查询、替代品推荐、供应商直连、价格趋势分析和BOM文件处理等功能。采用AIAgent技术架构，包含物料认知平台、自然语言处理和数据挖掘引擎，实现日均10万+次查询处理。典型应用场景包括企微群即时响应、手机AI对话和PC端供应商赋能，帮助用户将资料搜集时间从30分钟缩短至30秒。系统通过多模态处理、智能路由和异常处理机制确保稳
2025-08-09 15:47:22
563
原创 LCEL快速入门与实战
n\n### 人工智能的主要特点：\n1. **模拟人类智能**：AI 系统试图模仿人类的思维过程，例如学习、推理和决策。\n\n### 人工智能的挑战与争议：\n1. **伦理问题**：AI 的决策可能涉及隐私、偏见和公平性等问题。所谓的Model I/O，包括模型输入（Prompts）、模型输出（OutPuts）和模型本身（Models），简单理解就是通过该模块，我们可以快速与某个大模型进行对话交互，整个内部逻辑就相当于我们最熟悉的这个过程：输入Prompt，得到大模型针对该Prompt的推理结果。
2025-08-18 09:01:50
224
原创 DeepResearch应用开发详解(第二章)-从0到1构建DeepResearch应用
《企业级AI深度研究应用开发指南》介绍了LangChainAI团队开源项目open_deep_researcher和Google的GeminiFullstack模板项目。open_deep_researcher通过Graph工作流和多智能体架构实现自动化深度研究，能自主完成信息检索、整合与报告生成，支持本地部署与调用。文章详细讲解了项目配置、环境搭建和两种架构特点：Graph模式采用顺序流程，而Multi-Agent实现并行研究。同时介绍了经改造的DeepSeek-fullstack-LangGraph项目
2025-08-18 08:57:25
992
原创 DeepResearch应用开发详解(第一章)-DeepResearch与Agent常用搜索引擎介绍
摘要：DeepResearch是一种基于大模型的多步信息检索与报告生成技术，能够自动分解复杂问题、检索权威资料并生成结构化报告，有效解决传统搜索的信息碎片化问题。该技术由OpenAI、Google等公司推出，包含认知推理、工具集成和流程自动化三大核心维度。文章还介绍了Agent开发中常用的Tavily搜索引擎及其API使用方法，包括搜索、内容提取和网页爬取功能，为开发者提供高效的信息检索解决方案。（149字）
2025-08-18 08:53:45
630
原创 LangGraph MCP智能体开发详解(第四章)-LangGraph接入HTTP MCP智能体
的工具对象，包括工具名称、功能说明、输入输出参数类型等。服务器，可以学习《【加餐】MCP SSE与流式HTTP开发实战】》课程模块，我们这里不再重复讲解。文件中配置的，按照自己的设置进行登录校验即可。SSE Server，并提供云托管与 Playground，一键生成专属 URL。中包含工具使用说明），因此模型“知道”何时以及如何使用这些工具来获取所需信息。的配置，大家可以根据自己的需求进行开发和应用。注意：前端界面中的添加和删除。官方托管“全周期 MCP 服务”，控制台能生成已鉴权的 SSE URL。
2025-08-18 08:48:32
752
原创 LangGraph MCP智能体开发详解(第三章)-将LangGraph封装为MCP工具
本文介绍了如何将LangGraph项目封装为MCP工具的完整流程。首先回顾了LangGraph项目的基本结构及开发工具链(LangGraphCli、LangSmith、LangGraphStudio)。重点演示了DataAgent服务的启动步骤：包括环境配置、API密钥获取、依赖安装、后端服务启动等环节，并介绍了如何通过/mcp端口实现流式HTTP调用。最后展示了将DataAgent集成到MCP工具链的具体方法，包括修改配置文件、提示词模板调整，以及实际调用效果监控。整个过程体现了LangGraph智能体与
2025-08-18 08:46:28
554
原创 LangGraph MCP智能体开发详解(第二章)-LangGraph搭建MCP客户端流程
本文详细介绍了如何将MCP工具接入LangGraph框架构建智能体的完整流程。主要内容包括：1）使用uv工具创建Python项目并配置虚拟环境；2）开发两个MCP服务器示例（天气查询和文件写入）；3）通过MCP-Inspector测试工具功能；4）创建LangGraph客户端，将MCP工具转换为LangChain工具；5）演示如何接入更多MCP工具（如Filesystem和FireCrawl）。整个过程展示了从工具开发到智能体集成的完整技术路径，重点讲解了MultiServerMCPClient实现多工具管
2025-08-18 08:43:58
424
原创 LangGraph MCP智能体开发详解(第一章)-LangGraph与MCP技术概述
企业级AI开发新范式：LangGraph与MCP技术深度解析 本文系统介绍了智能体开发的两项关键技术：LangGraph框架和MCP协议。MCP作为标准化工具调用协议，通过统一规范解决了智能体开发中的工具复用问题，支持本地和云端两种部署模式。同时，文章详细剖析了LangGraph作为新一代智能体开发框架的架构优势，包括其图结构编排能力、三层API设计以及与LangChain的兼容性。 文章重点阐述了： MCP协议通过标准化工具接口实现"一次开发，多框架复用" LangGraph基于状态管
2025-08-18 08:41:56
769
原创 LangGraph智能体开发与部署上线流程(第2节)
本文详细介绍了使用LangGraph框架开发企业级AI应用的完整流程。首先阐述了LangGraph生态核心工具LangSmith和LangGraphStudio的功能与关系，重点讲解了如何通过LangGraphCLI创建完整的智能体项目。文章分步骤演示了项目结构搭建、环境配置、核心代码编写与工具集成，包括数据库查询、数据提取、Python代码执行和可视化等功能实现。同时介绍了如何利用LangGraphStudio进行可视化调试，以及通过LangSmith监控运行效果。最后展示了如何将开发完成的智能体接入Ag
2025-08-18 08:37:17
311
原创 LangGraph智能体开发与部署上线流程(第1节)
《企业级AI开发工具套件全解析》摘要：本文系统介绍了LangGraph企业级开发所需的五大核心工具：1）LangSmith提供全生命周期监控与调试；2）LangGraphStudio实现可视化流程编排；3）LangGraphCli支持本地测试与云端部署；4）AgentChatUI构建多模态交互界面；5）兼容LangChain数百种内置工具及MCP协议。这套工具链覆盖了AI智能体开发的全流程需求，具备可视化调试、实时监控、多工具协同等企业级特性，显著提升Agent开发效率。特别适合需要构建复杂决策型智能体的开
2025-08-18 08:34:08
530
原创 LangGraph智能体开发快速入门(第3章)-LangGraph React智能体记忆管理与多轮对话方法
本文介绍了LangGraph中React智能体的记忆管理与多轮对话实现方法。通过InMemorySaver设置记忆检查点，使用线程ID区分对话上下文。代码示例展示了如何创建带记忆功能的智能体：首次对话时保存用户信息，后续通过相同线程ID可获取历史对话；更换线程ID则开启新对话。这种机制使智能体能记住用户信息（如姓名）并实现连贯的多轮交互，为企业级AI应用开发提供了实用的对话状态管理方案。
2025-08-18 08:29:11
529
原创 LangGraph智能体开发快速入门(第2章)-从零构建LangGraph智能体
本文介绍了如何从零构建LangGraph智能体，主要包括以下内容： LangGraph接入流程 安装LangGraph 0.4.8版本 使用DeepSeek大模型API进行交互 通过LangChain的init_chat_model函数简化模型调用 智能体构建方法 使用create_react_agent快速创建智能体 自定义天气查询工具并结构化参数 支持多工具串联和并联调用 可接入LangChain丰富的内置工具（如Tavily搜索引擎） 功能特性 自动完成函数调用流程 支持中英文交互 可限制最大迭代次数
2025-08-18 08:27:33
583
原创 LangGraph智能体开发快速入门(第1章)-LangGraph入门介绍
但是，大模型基座模型能力在飞速进化，例如目前最新一代的大模型，不仅拥有非常强悍的外部工具识别和调用能力，还原生就支持多工具并联和串联调用，而开发者对于大模型应用开发的需求也在快速变化，单纯的构建这种线性的工作流，可拓展性并不强。不过，由于LangChain诞生时间较早，在2022年末，GPT-3.5刚诞生之时，开发者对大模型的想象主要是希望用其搭建一个又一个工作流，而这也成为LangChain的核心技术目标，LangChain中“Chain”就是指链、也就是搭建工作流的意思。
2025-08-18 08:24:36
679
原创 LangChain搭建AI数据分析智能体Data Agent
<span class="status-indicator status-waiting">⚠️ 请先上传并处理PDF文件</span>
2025-08-17 10:19:56
856
原创 LangChain+RAG技术实战详解
本文介绍了基于LangChain框架实现本地知识库问答系统的RAG（检索增强生成）技术方案。通过将PDF文档切分为文本块并向量化存储，结合FAISS向量数据库实现高效语义检索，利用DeepSeek大模型生成精准回答。系统采用Streamlit搭建前端界面，完整实现PDF上传、文本处理、向量检索和智能问答全流程。关键技术包括：文本分块优化、DashScope向量嵌入、LangChain Agent工具调用等，解决了传统知识库问答中信息冗余和检索效率低的问题。
2025-08-17 10:17:22
788
原创 LangChain接入MCP完整实现流程
企业级AI落地项目系列课程详解：MCP技术与LangChain集成应用 摘要：本文介绍了Anthropic公司提出的Model Context Protocol(MCP)技术，这是一种统一大模型调用外部工具的技术规范。MCP通过标准化工具调用流程，显著提升了Agent开发效率。文章详细演示了如何通过MCP集成天气查询服务，包括创建MCP服务器、客户端以及将其与LangChain框架对接的全过程。教程涵盖了环境配置、代码实现、工具转换等关键环节，展示了如何将MCP工具转换为LangChain工具，并构建能够自
2025-08-17 10:14:03
1229
原创 LangChain接入工具流程
本文详细介绍了LangChain工具接入与智能体开发流程。主要内容包括：1) LangChain内置工具调用方法，通过PythonAstREPLTool实现代码解释器功能，并演示数据处理案例；2) 自定义工具开发流程，以天气查询API为例展示从函数封装到工具绑定的完整实现；3) 智能体(Agent)工作机制，包括并行/串行工具调用模式，通过create_tool_calling_agent和AgentExecutor实现多工具协同工作。文章通过具体代码示例展示了如何构建包含代码解释、数据分析和天气查询的自动
2025-08-17 10:10:55
1008
原创 LangChain记忆存储与搭建多轮对话机器人
Requirement already satisfied: six>=1.5 in e:\01_木羽研发\11_trafficvideo\langchain_venv\lib\site-packages (from python-dateutil>=2.8.2->pandas<3.0,>=1.0->gradio) (1.17.0)
2025-08-17 10:07:15
845
原创 LangChain接入各类模型流程
本文介绍了如何通过LangChain框架接入DeepSeek等大模型进行AI应用开发。主要内容包括： LangChain生态概览，重点介绍其核心项目langchain及扩展项目langgraph 详细演示了DeepSeek模型的接入流程，包括API申请、环境配置和代码实现 展示了LangChain调用DeepSeek模型的基本方法，只需2行代码即可完成模型初始化和调用 补充介绍了OpenAI、DashScope（阿里云）和Ollama本地模型的接入方式 提供了完整的代码示例和安装命令，便于开发者快速上手 L
2025-08-17 10:04:48
1126
原创 LangChain快速学习(第6节)-多智能体协作实现浏览器自动化
摘要： 本文介绍了基于LangChain框架实现多智能体协作完成浏览器自动化的实践方案。首先详细讲解了LangChain中不同类型的Agent实现方式，包括create_tool_calling_agent、create_openai_tools_agent等适用不同场景的代理创建方法。然后重点演示了如何利用Playwright工具包构建浏览器自动化代理，详细说明了依赖安装和环境配置步骤。通过示例代码展示了从网页抓取到内容分析再到PDF报告生成的完整流程，实现了两种处理链：简单串行链（直接总结转PDF）和优
2025-08-17 09:59:14
881
原创 LangChain快速学习(第5节)-LangChain智能体开发实战
本文介绍了使用LangChain实现Function Calling功能的方法，以OpenWeather天气查询为例，展示了如何将外部API集成到大模型中。主要内容包括：1) 获取OpenWeather API Key并设置环境变量；2) 创建天气查询函数并封装为Tool对象；3) 使用bind_tools方法将工具绑定到模型；4) 通过create_tool_calling_agent创建代理，实现并行和串行工具调用。文章详细讲解了从工具注册、API调用到完整代理构建的全流程，演示了如何让大模型通过Fun
2025-08-17 09:10:09
778
原创 LangChain快速学习(第4节)-构建流式智能问答系统
Requirement already satisfied: six>=1.5 in e:\01_木羽研发\11_trafficvideo\langchain_venv\lib\site-packages (from python-dateutil>=2.8.2->pandas<3.0,>=1.0->gradio) (1.17.0)
2025-08-17 09:02:37
642
原创 LangChain快速学习(第3节)-链式调用实现方法
* \n📚 **学习**：解题思路、论文润色、语言学习 \n💼 **工作**：写邮件、做 PPT、数据分析 \n💻 **编程**：代码调试、算法讲解、项目建议 \n📖 **阅读 & 写作**：书籍推荐、文章润色、创意写作 \n🔍 **信息查询**：科技、历史、新闻、生活百科 \n\n你可以随时向我提问，我会尽力提供准确、有用的回答！{'time': '近日', 'location': '加州总部', 'event': '苹果公司发布全新AI芯片，性能提升显著，专为下一代智能设备设计。
2025-08-17 09:01:02
726
原创 LangChain快速学习(第2节)-LangChain接入大模型流程
本文介绍了如何通过LangChain框架接入DeepSeek大模型进行AI应用开发。首先详细说明了LangChain的安装流程及依赖包版本管理，然后演示了直接调用DeepSeek API进行网络连通性测试的方法。重点讲解了如何通过langchain-deepseek组件将DeepSeek模型集成到LangChain中，使用init_chat_model函数初始化模型并调用invoke方法获取响应结果。文章还阐述了LangChain支持多种大模型的原理，并提供了相关文档链接。整个过程展示了LangChain简
2025-08-17 08:58:45
971
原创 LangChain快速学习(第一节)
摘要： LangChain作为首个大模型开发框架，通过组件化封装简化了大模型应用开发，支持对话、记忆、工具调用等功能。尽管曾因代码冗余和复杂性受争议，但经过改革后其生态更加完善，新增LangGraph（多Agent系统）、LangSmith（监控平台）、LangFlow（可视化工具）等工具，适用于企业级开发。目前LangChain仍是主流开发框架，被多个知名项目采用，并持续快速迭代，保持技术先进性。开发者掌握LangChain已成为大模型领域的必备技能。
2025-08-17 08:53:33
1241
原创 从0到1手动构建RAG系统(第3节)
本文介绍了一个基于LangChain框架的RAG(检索增强生成)智能问答系统实现方案。该系统通过Streamlit构建前端界面，支持用户上传PDF文档，自动完成文本提取、分块、向量化处理，并利用FAISS构建检索数据库。系统核心功能包括：1)使用PyPDF2提取PDF文本；2)通过DashScope Embedding服务进行文本向量化；3)采用DeepSeek-Chat等大语言模型进行问题理解和回答生成；4)实现完整的"文档处理-向量检索-回答生成"工作流。该系统展示了LangChai
2025-08-17 08:36:45
964
原创 从0到1手动构建RAG系统(第2节)
本文介绍了文档加载与切分模块的实现方法，用于处理多格式文档并优化信息检索。该模块支持PDF、Markdown和TXT格式，通过文件扩展名自动选择读取方式。文档切分采用基于Token长度的智能分割算法，设置最大Token长度（默认600）和片段重叠长度（默认150），确保信息完整性和检索效率。实现包含完整的ReadFiles类，提供文件遍历、内容读取和分块处理功能，特别处理了超长行文本和不同文件格式的解析需求。通过实际案例演示了从指定目录读取Markdown文件并分块处理的过程，输出结果表明模块能有效保持文档
2025-08-17 08:30:27
686
原创 从0到1手动构建RAG系统(第1节)
《企业级AI落地：基于OpenAI实现RAG系统的向量化模块》 本文详细介绍了如何利用OpenAI最新Embedding模型构建RAG系统的向量化模块。OpenAI第三代Embedding模型(text-embedding-3-small和text-embedding-3-large)具有更高性能和更低成本，支持生成1536/3072维向量表示。 文章首先讲解了Embedding的基本概念和应用场景，包括搜索、聚类、推荐等。通过Python代码展示了如何调用OpenAI API获取文本向量，并演示了余弦相似
2025-08-16 21:03:50
843
原创 RAG技术介绍
摘要：RAG（检索增强生成）技术通过检索相关文档增强大模型回答准确性，由Meta AI在2020年提出，近年随大模型爆发广泛应用。其核心流程包括文档切分、向量化存储、相似度检索及结果生成。RAG技术能有效缓解大模型幻觉、上下文限制及专业知识不足三大缺陷，成为问答机器人标配。当前RAG技术已发展为庞大体系，包括GraphRAG（知识图谱增强）和AgenticRAG（智能体决策）等进阶形态。主流开源项目如MaxKB、RAGFlow和LangChain-ChatChat提供了成熟解决方案，而开发框架如LangCh
2025-08-16 20:56:54
1168
原创 Qwen3高效微调实战(第5节)
本文介绍了Qwen3模型高效微调数据集的创建方法。首先推荐使用HuggingFace和ModelScope平台获取公开数据集，其中HuggingFace提供主流格式数据集，ModelScope则拥有丰富的中文资源。重点讲解了OpenMath和FineTome两个数据集的下载流程，包括使用datasets库的安装配置和数据加载方法。文章详细说明了数据清洗步骤，通过定义generate_conversation函数将原始数据转换为适合Qwen3模型的对话格式，并展示了处理后的数据结构。数据集包含数学推理和常规对
2025-08-16 20:48:19
772
原创 Qwen3高效微调实战(第4节)
本文介绍了Unsloth框架的基本使用方法，重点演示了如何利用该框架进行大模型微调和调用的完整流程。通过具体代码示例，文章展示了Unsloth在Jupyter环境中实现模型导入、显存管理、基础对话、带思考的对话、系统提示词设置以及外部函数调用的全过程。其中特别强调了Unsloth框架在简化模型微调操作方面的优势，包括支持LoRA微调、权重合并与导出等功能。文章还详细说明了构建符合微调要求的数据集格式，为后续高效微调Qwen3大模型奠定了基础。整体而言，Unsloth为开发者提供了一个便捷高效的AI模型微调工
2025-08-16 20:46:32
809
原创 Qwen3高效微调实战(第3节)
本文介绍了为Qwen3混合推理模型准备微调数据集的方法，重点推荐OpenMathReasoning数学推理数据集和FineTome-100k对话数据集。OpenMathReasoning包含54万道数学题及详细解答，涵盖代数、几何等领域，适合提升模型数学推理能力；FineTome-100k包含10万条多轮对话数据，可保持模型的对话能力。建议在微调过程中平衡两类数据的配比，以同时提升数学能力并保留混合推理性能。这两个数据集均可从HuggingFace平台获取，为后续Unsloth框架下的高效微调做好准备。
2025-08-16 20:41:12
951
高并发架构一些套路杂谈
2016-07-29
高并发架构一些技术套路杂谈
2016-08-01
Spark源码解读迷你书
2015-01-31
基于SSH的真实项目—投递管理系统
2012-05-04
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人