- 博客(7)
- 收藏
- 关注
RSS订阅原创 Agent智能体（下）：从ReAct到代码Agent——进阶原理与实战
上篇我们讲了Agent的核心概念：四大组件、ReAct循环、三层规划能力、工具调用原理、记忆系统。这篇继续深入——多Agent怎么协作？ReAct的Prompt到底怎么写？代码Agent是怎么实现的？以及Agent和软件测试有什么共通之处？复杂的任务，一个Agent搞不定怎么办？——让多个Agent协作。就像工厂流水线，每个Agent负责一道工序，干完传给下一个。特点：顺序执行，分工明确，适合流程固定的任务。类比：餐厅后厨——洗菜→切菜→配菜→炒菜→出餐，一条线下来。有一个"主管Agent"负责规划和
2026-08-28 16:58:02
462
原创 Agent智能体（上）：从“答题机器“到“执行者“——核心概念拆解
表格类型比喻例子特点现成工具超市买的成品菜搜索、天气、计算器、数据库查询开箱即用，稳定可靠，选择有限自定义工具自己下厨做菜你的业务系统接口、内部工具、特定脚本完全定制，灵活度高，需要自己开发维护。
2026-08-28 16:25:58
269
原创 大模型到底怎么“思考“的？讲透LLM底层原理
Token化：把文字切成可处理的基本单位Embedding：把文字变成有语义的数字向量Attention：让模型理解上下文关系Softmax：算出下一个词的概率自回归：逐词生成完整回答RLHF：让模型学会说"人爱听的话"你会发现，大模型的每一步都不复杂——但就是这些简单的机制叠加起来，产生了令人惊叹的效果。下一篇，我会继续用比喻的方式，带你搞懂RAG（检索增强生成）——大模型怎么和外部知识库结合，解决"记忆力不够"和"胡说八道"的问题。
2026-08-26 14:44:30
362
原创 从 LLM 到 Agent Skill：一篇问答式学习笔记
最近在读一篇讲 AI 核心概念的文章，把 LLM、Token、Context、Prompt、Tool、MCP、Agent、Agent Skill 这一串概念串了起来。光读还不够，我觉得最好的学习方式是「自问自答」——把每个概念拆成问题，用自己的话讲清楚。这篇文章就是我的学习笔记。我还琢磨出了一套「旋转餐桌」的比喻体系，用生活场景把所有概念串起来，亲测理解起来快很多。可以把这条路线压缩成一个递进关系：plaintext9123。
2026-08-25 15:53:24
418
原创 Ollama 本地大模型的“Docker”
Ollama是一款开源工具，让用户能在本地一键下载、运行和管理大型语言模型，简化了复杂的配置流程。由前Docker工程师创建，Ollama提供标准化命令行和API，实现模型离线运行，确保数据隐私安全。其核心优势包括简化部署、保护隐私和统一管理接口。安装后，用户可通过简单命令操作模型，还支持团队共享服务。配合OpenWebUI可提供可视化界面，方便多用户使用并保存对话历史。
2026-05-09 16:53:48
70
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