- 博客(10)
- 收藏
- 关注
RSS订阅原创 【Agent面试题1】AI通识
摘要 本文围绕大模型应用开发的核心问题展开，重点讨论了RAG与微调的区别与结合、技术选型标准、Token与上下文窗口的工程意义、模型路由策略、Prompt优化方法论等关键议题。文章强调工程实践中的平衡思维：RAG解决知识来源，微调确保行为稳定；在效果、成本和稳定性间取舍；Prompt表达规则需与其他技术栈配合。尤其指出Prompt工程需要系统化管理，包括版本控制、回归测试和灰度发布，而非单纯优化文本。这些见解为大模型落地提供了从架构设计到生产部署的实用指导。
2026-06-06 11:26:44
222
原创 【hello-agent】速刷心得
如何系统学习Agent项目（精简版） 核心学习路线 速刷重点章节： 第4章（ReAct/Plan/Reflection）：掌握动态决策与任务拆解 第7章（自研框架）：理解Agent系统的模块化设计 第8-10章（记忆/上下文/通信协议）：攻克工程化难点 第12章（评估）：建立闭环验证能力 综合实践（13-14章）：选一个项目（如旅行助手或赛博小镇）完整实现 跳过或后置内容： 发展史、理论分类等非实操部分（第2章） 低代码平台（第5章）和训练方法（第11章）可后期补 关键洞见 ReAct是Agent的“心电图
2026-06-05 09:15:37
1029
原创 AI 应用开发平台的学习路线页面技术剖析
很多人学 AI 应用开发的时候，第一步不是写 Agent，也不是调 RAG，而是在各种资料之间来回跳：今天看到 LangChain，明天看到 LangGraph，后天又有人推荐 LlamaIndex，再刷到向量数据库、Function Calling、RAGFlow、模型微调。它的作用很朴素：让第一次进来的用户知道先看什么、后看什么，哪些是主线，哪些暂时不用急。如果你正在学习 AI Agent、RAG、大模型应用开发，或者刚好想在 Vue 项目里做一个 Markdown 长文页面，可以参考这个实现。
2026-06-04 09:12:33
232
原创 为什么我建议开发者学习AI Agent？
本项目是一个专注于AI Agent开发的一站式学习平台，提供免费开源的学习资源与智能刷题功能。平台包含三大核心功能：系统化学习路线（涵盖基础知识、推荐资料）、AI智能刷题（支持模型评分与深度探讨）以及热门面试题库（分类整理高频考点）。开发者旨在通过持续更新优质内容，帮助程序员高效转型AI应用开发领域。项目完全开源（GitHub可获取代码），基础功能永久免费，同时提供高级模型授权选项以维持运营。平台鼓励社区共建，用户可参与内容优化建议，共同打造实用的AI学习生态。
2026-06-04 09:05:14
230
原创 AI Agent学习平台的成长体系怎么设计：经验、等级、段位、徽章墙和智能刷题记录实现拆解
经验规则要能解释清楚，用户才会认可。重复刷题不能无限加经验，否则数据会失真。等级和段位最好用快照保存，避免每次查询全量计算。徽章发放必须幂等，不能重复发。隐藏徽章适合做惊喜，不适合全部提前公开。成长体系不能只看总经验，还要有刷题记录和薄弱点。个人中心尽量做成只读复盘页面，避免影响主业务状态。
2026-06-03 09:05:46
295
原创 AI 智能刷题功能设计与实现：Vue3 + Spring Boot + FastAPI + Langchain 如何完成出题、评分和流式追问
因为模型请求通常比普通接口更慢、成本更高，如果不做限流和取消，用户多点几次就可能造成后端堆积。如果你正在学习 AI Agent、RAG、大模型应用开发，或者想参考一个 AI 刷题功能的全栈实现，可以看看这个项目。AI Agent / RAG / 大模型应用开发这类知识，单纯看文章很容易出现一个问题：看懂了，但说不清。最终效果是：学习者不是只看参考答案，而是可以先回答，再通过 AI 评分和追问来复盘自己的表达。如果 AI 服务异常、超时、返回非成功状态，后端不会直接让用户失败，而是会切换到本地规则评分。
2026-06-03 09:03:42
242
原创 【AI Agent 学习平台开源】实现学习路线资料分享、智能刷题和面试题库等功能
AI Agent开发学习、AI应用开发学习、AI应用开发资料与路线
2026-06-02 12:44:01
1855
1
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