2026-06-26AI
Agent 应用落地思考——Context 相关
上下文其实涉及到的就是每次给大模型看什么，怎么去管理上下文以及最后给用户执行器看什么。
AI 文章目录
2026-06-26AI
Agent 应用落地思考——LLM 相关
对于实际的 Agent 开发，LLM 的数学原理之类其实不太重要，但一些参数和工作流水线还是很重要的。
2026-06-26AI
Agent 落地
Agent 落地自然要保证整个系统的稳定可观测。
2026-06-25AI
Agentic RAG 思考
传统的 RAG 是一个线性过程，对知识切片向量化，利用向量检索和 BM25 混合检索，然后返回结果。
2026-06-25AI
Multi-agent 浅记
目前的多智能体框架有三种：
2026-06-25AI
Agent 评估浅记
虽然说 Agent 评估不像普通 chat 一样看看准确率就好，但很可惜，在我公司里，大家其实并不太在乎那些复杂的评估标准。业务更关心的无非是几件事：成本、延迟、准确率。
2026-06-24AI
Plan-and-Execute
React 框架是单步自适应状态机。每一轮循环中，模型都会生成一段思考，然后紧接着生成一个动作，也就是边想边做。 Plan-and-Execute 就是先想后做，是一种多智能体架构。
2026-06-24AI
Agent 记忆机制浅记
所谓的“Agent 记忆”，在理论上其实是状态管理与上下文注入。
2026-06-21AI
MCP 理论浅记
MCP（Model Context Protocol）是 Anthropic 提出的开放协议。
2026-06-23AI
Function Calling 浅记
从我的理解来看，Function Calling 本质上是大模型根据提示词（Prompt）、用户输入（Input）以及上下文，生成一种指定格式的结构化文本，用于作为调用工具的参数。
2026-06-23AI
Agent 中的 Skill 与 Tool
对于我们垃圾开发来说：Tool 是基础工具，Skill 是业务技能
2026-06-22AI
ReAct-Agent 理论浅记
ReAct 的核心在于一个不断迭代的循环过程：Thought（思考）→ Action（行动）→ Observation（观察）。