LLM
-
智能代理研究全景:从理论到实践的全面解读与资源导航
近年来,以大规模语言模型(LLM)为核心构建的智能代理(Agent)已成为人工智能领域最活跃、前沿的研究方向之一。一个由 Luo-Junyu 等人维护的 GitHub 仓库《Awesome-Agent-Papers》 系统梳理了该领域的重要论文与最新进展,为我们理解这一繁荣赛道提供了极佳资源。 本文将基于该论文集合及相关文献,从理论框架、技术路线、研究热点与…
-
从LLM到多智能体系统:一份免费的AI技术学习地图与工程化指南
如果你最近在关注 LLM、AI Agent、MCP、多智能体系统 ,那你大概率有过这种感觉: 信息太多,但没有一条清晰主线 视频、论文、课程一大堆,却不知道先学哪个 Demo 看懂了,但不知道怎么做成系统 这份文档旨在解决这些问题,它做了一件非常「工程化」的事: 把从 LLM → Agent → MCP → Multi-Agent 的完整学习路径,一次性整理…
-
构建自更新知识图谱:利用LLM与Neo4j智能解析会议纪要
将非结构化会议记录转化为可查询的知识图谱,并支持增量更新——无需每次进行全量重处理。 会议记录是组织智能的金矿,其中记录了决策、行动项、参与者信息以及人与任务之间的关系。然而,多数组织仍将其视为静态文档,仅能进行基础的全文检索。 试想一下,能够像查询数据库一样查询你的会议记录: “谁参加过主题为‘预算规划’的会议?” “Sarah 在所有会议中被分配了哪些任…
-
AI取代不了程序员,明年全流程上AI!谷歌工程负责人自曝:2026年AI编程完整工作流!经典软件工程纪律没过时,在AI时代更重要
2025年,AI 编程助手真正成为了改变游戏规则的工具 不少开发者已经拥抱了AI编程工具,比如大家熟知的Claude Code、Codex CLI、Cursor、Gemini CLI等等。但要真正高效驾驭它们,还需要技巧和结构化的方法。 谷歌工程负责人分享AI编程工作流 谷歌工程负责人、Chrome DevTools 和 JS Patterns 的设计者 A…
-
构建真正会“思考”的AI:Agentic RAG全面指南
注:本文为技术内容,诸如 RAG、Agentic、Vector Database、SQL、Embedding、Cross-Encoder、LLM 等专业术语均保留英文原文,以保证准确性与可检索性。 🤔 问题:为何多数 AI 助手显得“笨拙” 设想你向一位财务分析师提问:“我们公司表现如何?” 一位初级分析师可能会匆忙给出几个数字。而一位资深专家则会先停下来,…
-
AI Agents工具构建指南:从规范定义到高效使用的核心策略
AI Agent 是由一系列大语言模型(LLM)调用构成的程序。它们接收用户任务,并通过调用“工具”来高效解决问题。工具本质上是 Agent 可以调用的函数。然而,构建一个高效的 Agent 远不止于简单地将一组函数塞入其上下文。关键在于如何精心定义工具,以及如何向 Agent 清晰地传达这些工具的信息。 本文旨在阐述为 AI Agent 构建工具时应关注的…
-
如何使用 Knowledge Graph 和 LLM 构建构建问答系统
基于模拟 FAQ 文档构建的知识图谱 本文将介绍一个基于知识图谱(使用上一篇文章介绍的方法构建)和大型语言模型(LLM,此处使用 Gemma3-4b-it-qat)的简易问答系统。选择 Gemma3-4b 是因为其模型尺寸适中,可在普通笔记本电脑上运行,且具备出色的指令遵循能力。 我们将以一个虚构智能手机产品的 FAQ 文本为例,复用上一篇文章的代码为其构建…
