<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[java_jar的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/java_jar</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; java_jar]]></copyright><item><title><![CDATA[Harness Agent 遇上 Karpathy：当 AI 编排学会“先思考再行动]]></title><link>https://blog.youkuaiyun.com/java_jar/article/details/160009045</link><guid>https://blog.youkuaiyun.com/java_jar/article/details/160009045</guid><author>java_jar</author><pubDate>Fri, 10 Apr 2026 10:01:27 +0800</pubDate><description><![CDATA[这是我在折腾 OpenClaw 多 Agent 协作时的深度思考。如果你也在用 AI 编程、搭建智能体，这篇文章可能会帮你少走很多弯路。01 一个真实的翻车现场上周，我让 OpenClaw 帮我分析一个 GitHub 项目。结果它二话不说，直接创建了 5 个子任务：代码分析、文档分析、趋势分析、社区分析、竞品分析……最后确实给了我一堆数据，但我真正想知道的——“这个项目值不值得学习”——反而没说清楚。典型的"用战术勤奋掩盖战略懒惰"。这让我想起 Andrej Karpathy 前段时间那条爆火的推文。]]></description><category></category></item><item><title><![CDATA[com.fasterxml.jackson.core.JsonParseException: Unexpected character (‘生‘ (code 29983 / 0x751f)): was]]></title><link>https://blog.youkuaiyun.com/java_jar/article/details/159791488</link><guid>https://blog.youkuaiyun.com/java_jar/article/details/159791488</guid><author>java_jar</author><pubDate>Fri, 03 Apr 2026 11:07:31 +0800</pubDate><description><![CDATA[示例：“生成昨日各区域销售数据日报” 中的 " 和 " 是中文引号（U+201C / U+201D），但 DashScope SDK 内部的 Jackson 解析器把它们当成了 JSON 字符串分隔符，导致 " 后面的 生 成了意外字符。getDescription() 第 42、44、46、48、58 行也有中文引号。在用 AI 生成提示词后总是出现这个问题， 询问 AI 后才发现 问题出现在 “”。]]></description><category></category></item><item><title><![CDATA[开源的Agent排名——langflow 。]]></title><link>https://blog.youkuaiyun.com/java_jar/article/details/153841211</link><guid>https://blog.youkuaiyun.com/java_jar/article/details/153841211</guid><author>java_jar</author><pubDate>Fri, 24 Oct 2025 20:49:35 +0800</pubDate><description><![CDATA[作为千遍一律的 AI  工作流中 、langflow 我只能给出 NPC 等级，作为本地启动的项目我调用了多个 API 和 配置多个工具 竟然有 3 个连接超时！！一个调用失败，国内只有支持 DeepSeek 接口。不过 LangFlow 的宣传是通过编排实现LangChian，有时间可以试一试。GitHub项目地址： https://github.com/langflow-ai/langflowAI 时代到来，要大公司变小，小公司消失。]]></description><category></category></item><item><title><![CDATA[微信小程序支付——Java 实现V3]]></title><link>https://blog.youkuaiyun.com/java_jar/article/details/151082885</link><guid>https://blog.youkuaiyun.com/java_jar/article/details/151082885</guid><author>java_jar</author><pubDate>Mon, 01 Sep 2025 21:10:25 +0800</pubDate><description><![CDATA[最近接入了微信小程序的微信支付， 之前用的是 V2 版本，这两天用的V3 版本。也搞了不少时间这里就记录一下。首先是调用下单接口，拿到对应的预支付id,然后通过预支付id ，获取到对应的支付参数，最后将参数返回到前端。签名出错：V2 和 V3 的签名方式不一样。=，所以要注意看是调用的是V 几的接口。有了上面的代码下单和支付的流程就很简单了。前端只要拿到对应的支付参数调用支付即可了。调用后在页面上会出现对应的说明成功了。配置微信支付的加密和解密、签名。创建订单获取预支付 ID。签名证书是否配置正确。]]></description><category></category></item><item><title><![CDATA[CodeBuddy AI编程真香！！]]></title><link>https://blog.youkuaiyun.com/java_jar/article/details/149826846</link><guid>https://blog.youkuaiyun.com/java_jar/article/details/149826846</guid><author>java_jar</author><pubDate>Fri, 01 Aug 2025 10:10:30 +0800</pubDate><description><![CDATA[腾讯这次悄悄的把 CodeBuddy  内测了 ，上次说腾讯的 AI 编程工具要出来了，我就直接去申请了，这次泼天的富贵终于轮到我了，一个月的 CodeBuddy 体验，不愧我经常说腾讯的好话。没想到他成功了，虽然他的竹笛指法不对，毕竟不是专业的竹笛 AI ，原谅他，但是对应 1 2 3 4 5 6 7 ，这 7 个基础音节他的播放是对的呀，太牛了。这不单是简单 UI 设计了， 这里其实有更多的是知道 如何实现这种的底层方案，他知道如何通过什么开发方案来实现，而是不是简单的设计。未来，已在指尖生成。]]></description><category></category></item><item><title><![CDATA[用 Trae AI Vibe Coding 写一个 AI 智能体]]></title><link>https://blog.youkuaiyun.com/java_jar/article/details/148928115</link><guid>https://blog.youkuaiyun.com/java_jar/article/details/148928115</guid><author>java_jar</author><pubDate>Thu, 26 Jun 2025 16:28:55 +0800</pubDate><description><![CDATA[前言代码识别成果展示开发反思与洞见未来演进方向结语：新范式革命在初步学习了 Langchain 的基础知识后，我产生了一个大胆的想法：能否完全不写代码，仅靠 AI 直接生成一个完整的智能体系统？这个想法最终催生了Agent-Zero- 一个完全由 AI 生成的智能体框架。万万没想到真的给我实现了， 弄了一个 Agent-Zero 的简易版本，全程一个代码都没有写，准确的来说我可能还有很多代码不知道什么意思。]]></description><category></category></item><item><title><![CDATA[Langchain × FastAPI × Uvicorn：构建高性能AI服务三驾马车]]></title><link>https://blog.youkuaiyun.com/java_jar/article/details/148927673</link><guid>https://blog.youkuaiyun.com/java_jar/article/details/148927673</guid><author>java_jar</author><pubDate>Thu, 26 Jun 2025 16:18:05 +0800</pubDate><description><![CDATA[技术栈定位FastAPI：AI服务的极速引擎核心优势Langchain集成示例Uvicorn：高性能的ASGI服务器为何选择Uvicorn？启动配置示例三组件协作架构异步处理最佳实践故障排除指南三组件版本兼容表总结：黄金三角的价值大家好我是太阳鸟，在弄完Langchain 的后台服务后如果需要前端调用那么就需要将服务开发弄成 web 服务、 搭建接口， 发现在 Python 里面有 几个轻量级的插件 FastAPI + Uvicorn 可以快速搭建 API 网关 和 API 文档服务.开发效率。]]></description><category></category></item><item><title><![CDATA[用 Trae AI Vibe Coding 写一个 AI 智能体]]></title><link>https://blog.youkuaiyun.com/java_jar/article/details/148926326</link><guid>https://blog.youkuaiyun.com/java_jar/article/details/148926326</guid><author>java_jar</author><pubDate>Thu, 26 Jun 2025 16:01:06 +0800</pubDate><description><![CDATA[摘要： 本文介绍了一个完全由AI生成的智能体框架Agent-Zero的开发实践。该项目通过AI辅助实现了零代码构建智能体系统，包含基于FastAPI的后端、React前端及核心功能（实时交互、提示词管理、结果可视化）。开发过程揭示了AI编程的关键：清晰的模块化描述和迭代优化能力，但也暴露了生成代码可读性和调试的挑战。未来方向包括扩展知识库、多模态支持及智能体协作网络。这一实践表明，AI工程化时代，开发者正从&quot;编码者&quot;转型为&quot;系统架构师&quot;，人机协作的新范式已初步成型。]]></description><category></category></item><item><title><![CDATA[用MySQL MCP 优化 SQL实战]]></title><link>https://blog.youkuaiyun.com/java_jar/article/details/148894155</link><guid>https://blog.youkuaiyun.com/java_jar/article/details/148894155</guid><author>java_jar</author><pubDate>Wed, 25 Jun 2025 11:50:14 +0800</pubDate><description><![CDATA[最近几天都在优化之前的 SQL,一看 SQL 都是 5-6 个表连表还有各种子查询，看起来主打一个头大。正常的优化思路心路历程分享一下： 首先是查看每一个表的数据，根据表数据查询是否存在合理，然后根据数据量进行连表查询，由少到多的一个过程，尽可能减少表的行数，然后再根据对应的数据是否有索引覆盖。为什么要用 MCP?因为用 MYSQL MCP 可以减少自己对于字段的识别和查询，以及索引是否覆盖。]]></description><category></category></item><item><title><![CDATA[Python 的环境——Anaconda 安装与使用指南]]></title><link>https://blog.youkuaiyun.com/java_jar/article/details/148877259</link><guid>https://blog.youkuaiyun.com/java_jar/article/details/148877259</guid><author>java_jar</author><pubDate>Tue, 24 Jun 2025 18:56:25 +0800</pubDate><description><![CDATA[Anaconda 就是 Python 的“旗舰安装版”！比官网安装更稳、更快、更简单！]]></description><category></category></item><item><title><![CDATA[LangGraph 和 LangChain 的区别]]></title><link>https://blog.youkuaiyun.com/java_jar/article/details/148869489</link><guid>https://blog.youkuaiyun.com/java_jar/article/details/148869489</guid><author>java_jar</author><pubDate>Tue, 24 Jun 2025 13:27:43 +0800</pubDate><description><![CDATA[摘要： LangGraph是LangChain的补充框架，专为编排复杂、有状态的LLM工作流设计。与LangChain的线性链式结构不同，LangGraph支持图拓扑、条件分支和循环逻辑，适合多智能体协作或多阶段决策场景。LangChain提供标准化组件（如RAG），而LangGraph则灵活编排这些组件，两者常协同使用。选择依据：简单任务用LangChain快速实现；需灵活控制流或状态管理时，用LangGraph构建高级工作流。文中对比了架构、代码风格及典型用例，并展示组合使用的示例。]]></description><category></category></item><item><title><![CDATA[LangChain与Embeddings技术：构建高效RAG系统的核心组件]]></title><link>https://blog.youkuaiyun.com/java_jar/article/details/148841607</link><guid>https://blog.youkuaiyun.com/java_jar/article/details/148841607</guid><author>java_jar</author><pubDate>Mon, 23 Jun 2025 16:14:24 +0800</pubDate><description><![CDATA[LangChain作为热门RAG框架，结合Embeddings技术构建智能应用。文章介绍了LangChain的核心功能、Embeddings技术原理，对比了Word2Vec、BERT等主流模型，并展示了LangChain如何集成不同Embedding接口。实践部分详细演示了基于本地文档构建问答系统的完整流程，包括数据预处理、Sentence-Transformers嵌入、Chroma向量存储及LangChain流程编排。该系统可实现高效语义检索和智能问答，体现了RAG框架在实际应用中的价值。]]></description><category></category></item><item><title><![CDATA[LangChain + DeepSeek 详解]]></title><link>https://blog.youkuaiyun.com/java_jar/article/details/148795446</link><guid>https://blog.youkuaiyun.com/java_jar/article/details/148795446</guid><author>java_jar</author><pubDate>Fri, 20 Jun 2025 16:58:43 +0800</pubDate><description><![CDATA[本文介绍了LangChain框架的基础使用与核心功能。作为AI应用开发工具，LangChain通过标准化接口连接LLM与外部系统，包含Prompt模板、LLM模型、代理和记忆系统四大组件。文章详细演示了Python环境下的安装配置流程，包括向量数据库初始化、DeepSeek模型适配和对话链构建。重点解析了流式输出处理技术，对比了不同调用模式的性能差异，并给出生产环境下的优化建议（如错误重试、超时设置和监控集成）。该框架采用模块化设计，支持快速原型开发，适合构建可扩展的智能应用，但需要注意内存向量库的临时性特]]></description><category></category></item><item><title><![CDATA[GitHub 14.2k Star 开源神器：Bolt.new——自然语言编程颠覆全栈开发！]]></title><link>https://blog.youkuaiyun.com/java_jar/article/details/147160737</link><guid>https://blog.youkuaiyun.com/java_jar/article/details/147160737</guid><author>java_jar</author><pubDate>Sun, 13 Apr 2025 18:42:14 +0800</pubDate><description><![CDATA[• 智能拆解需求：输入“做一个计算器页面”，自动生成HTML/CSS/JS三件套并配置Vite。• 多技术栈支持：Vue、React、Next.js、SpringBoot等主流框架全覆盖。Github 开源无代码的 Web 数据提取平台，2分钟内训练机器人自动抓取网页数据。• 模板生态：内置Astro博客、Vitepress文档等模板，3分钟搭建完整项目。• 错误自修复：AI实时检测代码问题并提供修复方案，减少80%调试时间。• 实时协作：团队成员可通过链接共同编辑，修改记录自动同步。]]></description><category></category></item></channel></rss>