PROMPT ENGINEERING 打造无敌AI代理的提示工程 几乎所有真正优秀的代理(比如 GPT Pilot、GPT Engineer、Devin,甚至是自我操作计算机)都使用了非常相似的提示技术来实现他们所做的一切。
APPLICATION AI代理长期记忆的SQLite实现 LTM-AI-Agent利用SQLite进行持久数据存储,并使用Pydantic AI进行结构化的对话处理。这种组合使系统能够存储用户互动、检索相关历史数据,并生成上下文适当的响应。
APPLICATION AI代理与现有软件融合的3种方法 AI代理面临着一个重要的挑战,即无缝地融入我们现有的数字生态系统,在这个系统中,它们的有效性取决于通过工具连接到天气预报、交通更新和其他服务等现实世界应用的能力。
APPLICATION Vanilla AI代理实现 虽然像 PhiData、AutoGen、CrewAI、LangGraph、BeeAgent 和 Swarm 这样的框架提供了强大的捷径,但没有什么能比从头开始构建自己的 AI 代理更能带来兴奋感和深刻理解。
APPLICATION 模型上下文协议 (MCP) 我一直在尝试一种新技术,通过Anthropic提出的一种新兴的开放标准——模型上下文协议(MCP),将知识和功能插入到像聊天这样的AI应用程序中。现在还处于早期阶段,但它已经具有一定的势头。
APPLICATION 构建Deepseek AI邮件代理 在本博客中,我将引导你使用Deepseek、LangChain和LangGraph创建一个AI邮件代理。这个项目自动化了电子邮件分类、摘要和回复生成,从而简化你的电子邮件工作流程。
APPLICATION DeepSeek AI驱动的ReAct代理 在这篇文章中,我将引导你如何在Vertex AI端点上部署DeepSeek模型并使用Langchain构建ReAct Agent,以便你可以评估其性能。