存储AI–AI博客聚合
最新聚合的文章
-
《LangGraph Memory:为什么 Agent 需要 Checkpointer?》
前三篇我们已经解决了: LangGraph 为什么需要 Graph State 如何在 Node 之间流转 Conditional Edge 如何控制动态流程 但是还有一个问题: 这就是 LangGr
-
Grok Bot 从 0 到 1|用云电脑和插件,搭一个能干活的 X 助手
Grok 也有自己的 Agent 产品了。 这次 xAI 给 Bot 配了一台持续运行的云电脑。它可以打开浏览器、使用终端、登录网站,再通过插件接入 X 等外部服务。你离开以后,任务还可以继续跑。 如
-
从产品角度:拆解WorkBuddy 功能
连接器 = 给 AI 工具和数据。 技能 = 教 AI 怎么干活。 专家 = 告诉 AI 以什么专业身份干活。 专家团 = 让多个 AI 专家分工合作。 灵感 = 把别人验证过的整套方案拿来直接复用。
-
长会话不崩盘:DeepSeek Harness 的上下文压缩与目标管理策略
第15章:上下文压缩与目标管理——长会话的生存策略 agent 跑久了,会话日志越来越长。10 万 token 的上下文窗口很快被工具输出塞满——bash 命令的 stdout、文件内容、搜索结果。模
-
《LangGraph 条件路由与循环:如何让 Agent 自己决定下一步?》
前两篇我们解决了: Graph 是什么 State 如何流转 Node 如何更新 State 但是目前的流程: 还是固定路线。 而真实 Agent 最大的特点: 这就是 Conditional Edg
-
《LangGraph 状态管理:State、Node 和 Reducer 到底是什么?》
这一篇只解决一个问题: 不要先背 API,先理解它的运行模型。 1. 为什么 Agent 需要 State? 普通函数: 数据通过参数传递: 但是 Agent 工作流: 中间会产生大量数据: 例如:
-
《LangGraph 入门:为什么 Agent 需要 Graph 工作流?》
核心问题: 1. Agent 为什么越来越复杂? 先回顾普通 Agent: 简单任务没问题。 例如: 流程: 但是实际 Agent: 比如: 可能需要: 这已经不是一次 Tool 调用了。 它变成:
-
第 22 章 安全、合规与治理
第 22 章 安全、合规与治理 本章要解决的问题 章节大纲 22.1 提示注入攻击与防护 22.2 权限控制、沙箱与数据隔离 22.3 AI 治理、数据主权与合规(含中国监管视角) 22.4 安全实战
-
Python的OrderedDict
OrderedDict(有序字典)是 Python 标准库 collections 模块中提供的一个字典子类。它的核心特性是能够明确记录和操作键值对的插入顺序。 一、一个关键的历史背景:普通字典不是也
-
Python的TypedDict
在 Python 中,TypedDict 是官方在 Python 3.8 引入的一个类型注解工具(位于 typing 模块中)。 简单来说:它本质上就是一个普通的 Python 字典(dict),但它
-
SQL Server数据库迁移避坑指南:老代码不用重写,金仓KES V9R4C019把路铺平了
后来大家慢慢会看一个信号:SQL Server数据库迁移顺不顺,起决定作用的就是老代码要改多少,别的都好商量。 金仓数据库 V9R4C019 是电科金仓的产品,这一版官方定位就叫"SQL Ser
-
RAG检索增强生成:文本清洗
本文基于 Spring AI 讲解 RAG 文本清洗,依托 DocumentTransformer 接口实现多类自定义清洗器,支持流水线串联,强调保留元数据、避免过度清洗,附代码与最佳实践。
-
从一次早高峰数据库告警说起:你真的理解缓存该如何落地应用吗?
家人们谁懂啊,简单加点缓存做个接口性能优化,把陈年系统里的大狗粪都掏出来了。本篇文章就给大家带来一把屎上雕花的工作实况。
-
一天一个开源项目(第216篇):OpenViking – 给 AI Agent 装上可自进化的上下文数据库
OpenViking 是火山引擎开源的 AI Agent 上下文数据库,用虚拟文件系统统一管理 Agent 记忆、知识 RAG 和技能,让 Agent 在跨会话中积累经验、自主进化
-
DeepSeek Harness 系列(05):Session 与记忆——对话历史是怎么活下来的
Agent 崩溃了怎么办?换一个进程历史还在不在?想从某一步回头重试可以吗?这篇文章拆解 dsh Session 的设计:追加日志、派生历史、格式版本、Fork 机制