admin

886 posts published

用实时数据增强AI代理

本文介绍如何通过干净的数据集和开源LLM将社交噪声转化为可消化的见解。

Agno Team简明教程

在现实世界中，解决复杂问题通常需要一组专业代理，因为没有单一代理能够处理任务的所有方面。为了高效管理此类工作流，Agno 引入了团队(Team)的概念。

YOLOv12交通拥堵检测

在这次教程中，我们将探讨YOLOv12的独特之处，并实现一个交通检测管道，该管道可以统计车辆数量并根据新加坡—柔佛长堤的交通状况进行分类，使用Google Colab。

大规模AI数据收集指南

在这篇文章中，我将带你了解如何使用网络爬虫来收集大规模、适合AI的数据，而无需从零开始构建一个爬虫引擎。

用MCP Server构建多智能体系统

用MCP Server构建多智能体系统

本文是使用Smolagents构建具有多个MCP服务器的多智能体系统的全面指南，包括自定义MCP服务器、使用现有MCP服务器和具有多个MCP服务器和Gemini 2.5 Preview的多智能体系统

7个数据科学家必备MCP Server

7个数据科学家必备MCP Server

多家科技公司和个人贡献者已经开源了多个MCP服务器。在这篇文章中，我将帮助你推荐一些专为数据科学家或数据分析师设计的最佳MCP服务器。

用PydanticAI打造自己的写作管道

用PydanticAI打造自己的写作管道

本文介绍一个用于生成结构化、基于 Markdown 文章的开源 Python 项目，结合了 AI 和 Pydantic AI。

Cursor开发提速：上下文压缩

Cursor开发提速：上下文压缩

Cursor 项目通常遵循类似的模式。你会迅速取得进展，然后撞上一堵砖墙，一切都似乎变得糟糕且耗时。

AI查询请求的智能路由

本文揭示了智能查询编排如何改变AI效率、性能和成本效益。你将学习到构建自组织代理网络的实际实施策略，这些网络会根据每个查询的最佳专业化组件进行路由。

Agent2Agent 协议实战

Agent2Agent 协议实战

Agent2Agent（A2A）协议是由 Google 发起的一项开放标准，旨在建立这些桥梁。我深入研究了官方的 A2A 存储库，并设置了他们的多代理演示界面。

Google ADK AI简明教程

Google ADK AI简明教程

谷歌的 Agent Development Kit (ADK) 是一个全新的开源框架，旨在让构建高级AI代理变得更简单、更快捷、更易获得。

打造自己的AI个人学习助手

目标是创建一个AI导师，旨在促进自学。该平台允许用户上传他们的学习材料，然后处理这些材料以生成简洁的摘要。

PROMPT ENGINEERING

视觉语言模型提示工程指南

在这篇博客文章中，我将解释如何提示 VLMs 来完成需要视觉理解的任务，并探讨不同的提示方法。

基于AST的RAG代码分块技术

基于AST的RAG代码分块技术

在RAG实现中，传统的分块方法忽略了代码结构，产生了语法不完整的片段。为了解决这个限制，我们可以使用代码的抽象语法树（AST）表示。

Agno实战自主式AI应用

在这篇教程中，我将展示如何使用Agno框架和免费的LLM创建一个棋盘游戏助手。

开发者如何穿越AI迷雾

软件开发领域的格局一直处于不断变化之中，最近几个月，最大的浪潮来自人工智能开发。我们在这两个阵营中都有非常强烈的观点，从那些声称“你不再需要学习如何编码”的人到那些预测人工智能及其当前热潮即将消亡的人。

Agentic AI新框架对比

Agentic AI新框架对比

我们都知道CrewAI和AutoGen，但你知道吗？还有几十个开源的基于代理的框架存在——而且其中许多是在过去一年发布的。

MCP、AI代理和API

有人在AI巨轮的外围暗示，AI代理的兴起，特别是模型上下文协议（MCP）的出现，标志着API时代的终结。

使用JavaScript从零构建AI代理

使用JavaScript从零构建AI代理

使用大型语言模型（LLMs）和网络搜索构建并理解AI代理。

不用框架，从零构建AI代理

仅使用OpenAI API和Python创建一个聊天机器人代理，能够使用计算器或知识库等工具，不依赖任何框架。这将为你提供关于代理系统工作原理的基础和内部细节。

打造自己的AI研究员

本文将解释如何创建自己的AI研究员，它可以从互联网上找到上下文相关的有用信息，并提供适当的答案。

RAG重排序器与两阶段检索

在本文中，我们将学习一种通常最容易和最快实现的方法来解决性能不佳的RAG管道问题——重排序器（Reranker）。

RAG 提示工程指南

RAG 推动了AI驱动的应用程序超越静态知识，迈向动态和实时信息。但要获得精确、相关且高价值的响应，提示工程很重要。

基于LLM的大文档分割器

在这篇文章中，我们将介绍如何一种新的利用大型语言模型的力量来保持上下文并提高检索准确性。

5分钟构建RAG管道

RAG通过提供上下文相关的数据增强大型语言模型的响应。本教程演示了如何使用Qdran和DeepSeek快速构建RAG管道。