📰 来源: 博客园 你让 AI Agent 分析一份 10 万字的文档，等了半小时，网关重启了，进度全丢。 这种事我经历过不止一次。看着那个光秃秃的空白对话框，心里只有一个念头：刚才那半个小时，算谁的？ 这是今天大多数 Agent 系统的现实。 它们像是金鱼——每次对话都是全新的人生，上一秒的记忆下一秒就归零。我们管这叫"无状态架构"，翻译成人话就是：你的 Agent 根本不会"记得"自己做过什么。 多数开发者听到"会话持久化"，第一反应是："不就是存聊天记录吗？"扔数据库里不就完了。这种理解也不能说错——毕竟如果…
📰 来源: 博客园 在私有部署模型环境里，最常见的排查动作就是先看服务是否存活，再分别验证对话模型和向量模型是否能正常收发请求。下面这组命令可以直接作为联通性测试模板使用。 01 | 先检查服务健康状态 笔者通常会先访问健康检查接口，确认两个服务端口是否可达： curl -i http://[已脱敏IP]:8000/health curl -i http://[已脱敏IP]:8002/health 这里可以先把关注点放在两件事上：一是地址 http://[已脱敏IP] 是否能访问，二是端口 8000 和 8002 …
📰 来源: 博客园 最近正好有空,打算抽时间复盘总结一下这些年零零散散学习的AI知识. 零基础认识大语言模型（LLM）工作原理目录 - GuZhenYin - 博客园 在上一章中，我们知道 Transformer 做了三件事： 把文字变成 Token（第二章） 把 Token 变成向量（Embedding） 让模型在生成每个词时“回头看前文” 但这里有一个关键问题： 模型到底是怎么“回头看”的？ 人类阅读一句话时，其实会自动做一件事,把重要信息记住，把不重要信息忽略。 小明昨天去北京出差，今天他回来了。 因为我们的…
📰 来源: 博客园 最近正好有空,打算抽时间复盘总结一下这些年零零散散学习的AI知识. 零基础认识大语言模型（LLM）工作原理目录 - GuZhenYin - 博客园 如果说上一章介绍的是： 那么这一章介绍的就是： 模型的大脑到底是如何工作的。 很多介绍 Transformer 的文章，一开始就是下面这张公式： 看到这里，绝大多数兄弟已经放弃了。 事实上，即使不知道任何数学公式，也完全可以理解 Transformer 的核心思想。 这一章，我们不用矩阵、向量运算这些复杂公式来表述，而是用一个现实例子，说明模型到底是…
📰 来源: 博客园 最近正好有空,打算抽时间复盘总结一下这些年零零散散学习的AI知识. 零基础认识大语言模型（LLM）工作原理目录 - GuZhenYin - 博客园 上一章我们大概总结了一下LLM到底是什么,这一章我们主要讲在LLM中 经常提及和广为人知的Token到底是什么. 首先,我们先从一个疑问开始. 2.1 为什么大模型看不懂文字？ 第一次接触大模型时，很多人都会产生一个疑问： ChatGPT 为什么能够读懂中文、英文、日文，甚至还能写代码？ 是不是模型里面真的存放了一个"中文字典"？ 或者，它是不是像我…
📰 来源: 博客园 你让 AI 查一下库存数据，它给你吐了三页文字表格。想按品类筛选？重新说一句话。想看个饼图？再描述一遍。如果 AI 能直接给你一个可交互的仪表盘——按钮能点、图表能拖、数据实时刷新——那会怎样？ 这不是想象中的未来，而是正在发生的现实。 2026 年 1 月，MCP 协议官方发布了 MCP Apps（扩展标识符 io.modelcontextprotocol/ui），正式将"交互式 UI"纳入 MCP 的能力版图。三个月后，OpenClaw.NET 在 PR #168 中引入了原生的 MCP A…
📰 来源: 博客园 核心洞察：过去四年，从大模型产品形态的所有重要突破来看，真正驱动体验的并非模型参数量的增长，而是 token 在系统内流动方式的重新设计。CoT/PAL 在决定「不确定性放在哪里」；ReAct/CodeAct 在决定「一次 forward 写多少」；Voyager/Skills 在决定「跑过的东西如何复用」；Code Execution with MCP 在决定「上下文如何按需加载」。2025-2026 年，这场「IO 架构的设计游戏」已经升级为 Agent 框架、协议标准与编排范式的全面竞争。…
📰 来源: 博客园 这篇文章带你搞懂 Skill 是什么、怎么用、怎么设计。全是干货，看完你也能自己写 Skill。 别再每次都手动敲指令了 你有没有这种经历：每个月都要汇总一遍客户反馈。打开 Claude Code，打一串差不多的指令，等结果，发现忘了指定输出格式，又改一下，勉强能用。下个月再来一次，又不记得上次怎么写的了，花20分钟重新试出正确的指令，输出跟上个月还不一样，想对比都没法比。 这就是提示词跑步机效应——反复做同样的事，但每次都在重复劳动，没有积累。 Skill 就是来解决这个问题的。 Skill …
📰 来源: 博客园 Oracle PAF（Private Agent Factory）是甲骨文官方推出的一款“零代码”AI平台。它能让企业在不写代码的情况下，几分钟内把自家的数据和工具安全接入，快速打造出专属的 AI 智能体和自动化工作流。重点是：如果你已经是 Oracle 数据库的客户，可以直接免费下载使用，没有任何额外软件费用。 下面我们就先来安装配置好这个PAF。 01 | 安装 Private Agent Factory 详细安装步骤也可以参考官方文档手册(目前最新版已经更新到26.4)： https://…
📰 来源: 博客园 摘要：本文深入剖析 Gliding Horse（流马）AI Agent 操作系统的四层记忆架构（L0-L3），借鉴 CPU 多级缓存与 MESI 一致性协议，实现近乎无限的“虚拟记忆”与极致的 Token 经济性。涵盖持久化存储、会话摘要链、多 Agent 共享黑板、投影引擎及 Hyperspace 向量引擎等核心组件，揭示其如何让 Agent 像操作系统管理内存一样管理记忆。 关键词：AI Agent；记忆系统；Gliding Horse；流马；多级缓存；MESI 协议；向量引擎；图数据库；T…
📰 来源: 博客园 本文是【GoF设计模式】系列第14篇，更多内容欢迎关注公众号：咖啡八杯 电商网站结算时常常要算优惠：新用户满减、不同等级会员打折、节日活动满减。最直觉的写法是把所有规则塞进一个方法里用 if-else 区分： class Cashier { public int calc(int total, String type) { if ("打九折".equals(type)) { return (int) (total * 0.9); } else if ("满300减40".equals(type)…
📰 来源: 博客园 在数据库校验和修复工具中，连接串几乎是最敏感的配置之一。过去为了使用方便，很多配置文件会直接写入数据库明文密码。 gt-checksum v4.0.0 起，srcDSN / dstDSN 中的 password 必须使用 ENC[...] 密文，并新增独立工具 gt-dsn-crypt 生成 32 字节 base64 key 与 AES-256-GCM 密文，让连接串密码保护从“建议项”变成“强约束”。 [yejr@db160 gt-checksum]$ cat docs/gt-checksum…
📰 来源: 博客园 如果你第一次打开 codex-main 这个源码目录，很容易被它的规模吓住：顶层有 npm 包、Rust workspace、SDK、app-server、MCP、插件、技能、沙箱、TUI、云任务、线程存储、模型提供商、登录认证等大量模块。它不像一个传统命令行工具，也不像一个简单的 ChatGPT 包装器。更准确地说，Codex CLI 是一个“本地运行的智能软件工程代理”：它能理解用户目标，读取项目上下文，调用模型推理，决定是否执行命令或修改文件，把工具结果回传给模型，再持续推进任务直到给出最…
📰 来源: 博客园 一、重要的桥接Python库 rpy2# pip install rpy2 我的R语言版本为 4.1.3 ，需要rpy2 3.5.X版本去对应 确保你电脑已安装 R，并在 R 里装好相关包：# install.packages(c("ggplot2", "ggstatsplot", "patchwork","ggpmisc")) 注意：这里可能遇到几个问题： 1.rpy2同python同R的版本兼容问题 可能有报错：ffi.error: symbol 'R_getVar' not found i…
📰 来源: 博客园 理解Agent规划、任务拆解核心思想，掌握ReAct、Plan-Solve标准推理框架 基于前3天代码，实现自主任务拆解Agent（复杂问题自动拆分多子任务） 实现多工具串行/并行调度、任务状态管理、失败子任务重试机制 整合RAG知识库+Function Calling+任务规划，完成全能基础智能体 每日时长分配（全天8h） 理论笔记阅读+理解：2.5h 复盘+面试背诵：1.5h 1. Agent规划核心概念 1.1 什么是任务规划 当用户提出复合型复杂问题（多步骤、多工具、多知识库查询），大模…
最近评论
宝宝 发布于 8 年前（02月27日）
GPU Mining 发布于 8 年前（02月19日）
Timothynix 发布于 9 年前（02月08日）
xing1982 发布于 9 年前（02月04日）
additional info 发布于 9 年前（01月28日）
