- 博客(7)
- 收藏
- 关注
RSS订阅原创 从“喂提示词”到“设计循环”：Loop Engineering（循环工程）
AI编程新范式：循环工程（Loop Engineering）正改变开发者与AI的协作方式。该概念由Google工程主管Addy Osmani命名，核心在于设计自动化循环系统，而非直接编写提示词。开发者只需设定目标、验收标准、可用工具和停止条件，AI便可自主迭代完成任务。清华大学报告指出，这一变革得益于模型能力边际收窄和工程基础设施成熟。报告提出Loop Stack六件套技术底座，列举11个典型应用场景，同时强调权限控制、成本管理等五大风险。循环工程并非取代工程师，而是将提示词工程升级为系统设计
2026-06-24 09:28:19
366
原创 CrewAI 全流程类型实战指南
本文通过 5 大核心流程类型+1 个混合场景，完整演示了 CrewAI 的落地技巧，重点统一了工具配置，所有代码可直接复制运行，降低了新手的落地门槛。
2026-02-05 16:58:04
1038
原创 LangGraph实战：彻底解决分支、循环、并行的API适配与状态冲突问题
状态是工作流的全局数据容器，新版中需为并行更新的字段显式配置合并规则（如列表累加），否则会触发状态更新冲突。import operator # 用于配置列表合并规则# 核心：用Annotated+operator.add标注并行字段，支持多节点累加更新input_text: str # 输入文本（仅初始赋值，不修改）processed_result: str # 分支/循环的处理结果loop_count: int # 循环计数器。
2026-02-05 14:46:20
709
原创 基于LangGraph实现模块化Skills型AI Agent
传统AI Agent多采用「硬编码工具调用」的方式，新增能力需修改核心逻辑，耦合度高且难以维护。而Skills型Agent模块化解耦：新增/修改Skill无需改动Agent核心流程，即插即用；智能决策：大模型自主判断是否调用Skill、调用哪个Skill，无需人工干预；可扩展性强：支持搜索、计算、代码解释、数据库查询等多类型Skill集成；流程标准化：基于LangGraph实现状态管理与流程编排，支持多轮对话、并行工具调用。LangGraph：Agent状态管理、流程编排核心框架；
2026-02-05 10:39:07
3615
1
原创 LangGraph实战：打造人在环（Human-in-the-Loop）智能调研Agent
摘要：LangGraph实战构建人在环智能调研Agent 本文介绍如何利用LangGraph框架构建一个"人在环"(Human-in-the-Loop)智能调研Agent，实现AI自动化与人工审核的协同工作流。该系统通过以下核心模块实现： 环境准备：配置DeepSeek大模型和Serper搜索API，安装必要依赖 核心组件： 自定义网页精读工具替代废弃RequestsTool 初始化搜索和内容分析工具链 工作流设计： 状态管理(ResearchState)包含人工反馈字段 9个功能节点覆
2026-02-04 18:03:25
1250
原创 CrewAI人机协同全攻略：从基础入门到进阶实战
CrewAI的核心价值是“让多个智能体协同完成复杂任务”，但在实际落地中，纯AI协同往往会遇到三个痛点：方向偏差：AI执行任务时，可能偏离人工预设的业务需求或风格要求；信息缺失：AI无法获取人工掌握的内部数据、个人偏好或隐性业务规则；风险可控：关键环节（如方案发布、审批）需要人工确认，避免AI误操作。而人机协同的核心就是“补全AI的短板”——让AI承担调研、草稿生成、信息整理等基础工作，人工在关键节点介入，完成确认、补充、修正，既保留AI的效率优势，又确保结果的准确性和可控性。
2026-02-04 14:30:58
1313
原创 FastMCP MCP 服务全流程开发指南
FastMCP 是一个简化 MCP（模型控制协议）服务开发的框架，支持工具、资源和提示模板三大核心功能。开发流程包括环境安装（pip install fastmcp）、基础服务创建（通过装饰器注册工具函数）、服务测试（通过SSE接口或客户端调用）。进阶功能涵盖复杂参数工具（如计算器）、资源暴露（静态文件和动态数据）以及提示模板（如代码审查）。生产环境建议加入错误处理和日志增强（使用loguru记录异常）。该框架类似FastAPI，专注于MCP规范，帮助开发者快速构建AI模型可调用的外部服务。
2026-02-03 15:10:45
558
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