- 博客(5)
- 收藏
- 关注
原创 AI Agent 可观测性实践:给每次回答加上调用日志与会话压缩时间线
AI Workbench 最近上线了两个"看不见但很重要"的功能:调用日志与会话压缩可视化。前者让每一轮回答的模型调用、工具执行、token 消耗都变得可追溯;后者把上下文压缩从"黑盒"变成时间线里的一个可见节点。
2026-11-15 20:51:06
199
原创 一次 AI Agent 稳定性排障:8192 截断、SSE 卡死与 22 分钟定时任务
不要相信“模型上限”的直觉。把真实请求体打出来,逐项对比参数,往往问题就在框架的字段改写上。长连接里不要用定时器轮询。事件驱动等待()比更可靠。无人值守 Agent 必须有硬预算。步数、脚本执行次数、超时、重试策略,任何一个缺失都可能变成几十分钟的空转。代码已提交并推送,CI 全绿。如果你也在做 Agent 工程化,希望这几个坑能帮你少走一点弯路。
2026-11-15 20:35:57
334
原创 给 AI 工作台加一个会说话的数字人助手:Vue 3 + Web Speech API 实战
给 AI 工作台加一个会说话的数字人助手:Vue 3 + Web Speech API 实战
2026-10-26 22:01:39
124
原创 开源版WorkBuddy 实测:和 WorkBuddy 到底差多少?
本文真实对比开源项目AI Workbench与商业产品WorkBuddy在生态、交付物、打磨度、多端支持等方面的差距,指出前者在开箱体验、办公集成与移动端覆盖上显著落后。但强调其核心优势:数据私有化、深度二开自由、执行隔离可控及长期成本更低。适合对数据安全敏感、需定制化或使用私有模型的用户。作者坦诚承认差距,并规划通过增强技能生态、移动端适配与交互打磨逐步追赶。最终建议根据自身约束选择工具,而非盲目偏好。
2026-10-18 22:29:45
117
原创 AI Workbench:把「和 AI 聊天」变成「让 AI 干活」——一个可私有化部署的多用户 AI 工作台
本文介绍开源AI工作台AI Workbench的私有化部署方案,基于Spring Boot网关与deepagents构建多用户独立沙箱环境,实现代码执行、文件操作、浏览器自动化等真实任务。架构上采用Java+Python双技术栈,分离业务与智能体逻辑,确保可扩展性;通过每用户容器隔离保障安全,结合定时任务与模板复用提升效率。重点记录部署踩坑:如MySQL权限问题、沙箱镜像缺失导致功能失效、数据库分离使用等关键问题,并提供完整快速部署流程与安全配置建议,助力企业将AI从“聊天”变为“真干活”。
2026-10-18 15:29:22
334
2
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
RSS订阅