Tagged

AGENT

A collection of 139 posts

AGENT

HF Skills: 让AI代理微调大模型

我们赋予了Claude通过名为Hugging Face Skills的新工具来微调语言模型的能力。

AGENT

构建AI驱动的股票筛选器

我花了两个月时间构建了一个代理AI研究工具，运行成本约为10美元，拒绝了大约95%的候选股票，并让我能够将更多精力集中在真正关心的股票上。

AGENT

AI代理：思考工具 vs. 推理模型

如果你之前使用过推理模型，你就会知道它们对于代理使用非常糟糕；从不使用提供的工具、遗漏重要细节，甚至直接不按顺序使用工具的情况都屡见不鲜。

AGENT

Grep与语义搜索的细微差别

Cursor发布了一篇博客，介绍了他们如何结合向量搜索和grep使用。谁曾想到会有这样的细微差别！

AGENT

AI代理的智能上下文管理

代理生成的上下文实际上很快变成噪音而不是有用的信息。另一种看法是：代理的上下文增长如此迅速，以至于它们变得非常昂贵，但并没有显著提高下游任务的性能。

TOOL

Beads：AI编码代理的记忆系统

Beads 不是“代理的问题跟踪器”——它是代理的外部记忆，具有依赖跟踪和查询能力，使它感觉像我跨会话的可靠工作记忆延伸。

AGENT

FalkorDB：AI代理的图数据库

LLM 需要结构化的上下文，而不仅仅是“相似”的文档。而当前的图数据库一旦规模足够大，就会变得非常慢。这就是 FalkorDB 的用武之地。

AGENT

AI编程代理：Grep vs. 语义搜索

当编码代理无法找到正确的代码时，它们会失败。Grep 适用于精确匹配。但当你的代理需要理解“我们在哪里处理身份验证？”时，grep 会返回空结果。

AGENT

如何开发长期运行的AI代理

长期运行代理的核心挑战在于，它们必须在离散的会话中工作，而每个新会话开始时都没有之前的信息记忆。

APPLICATOIN

企业数据的文件系统抽象

Dust构建了合成文件系统，将不同的数据源映射到可导航的Unix风格结构。这将AI代理从搜索引擎转变为能够进行结构探索和语义调查的知识工作者，从而在公司数据中进行跨领域的操作。

APPLICATION

基于文件系统的AI代理上下文工程

AI代理可以将检索结果写入文件系统，而不是使用对话历史记录来保存所有工具调用结果和笔记，并在必要时选择性地查找相关的信息。

APPLICATION

构建自己的投资研究AI代理

最近，我做了一个小型概念验证项目：一个用于投资研究的人工智能代理。它并非用于实际交易（请勿用于此用途），但它能很好地展现人工智能和金融如何协同运作。

APPLICATION

代码模式：使用MCP的更好方法

MCP是为工具调用设计的，但它实际上不一定要以这种方式使用。

APPLICATION

MCP工具：直接调用 vs. 代码执行

直接调用工具会消耗每个定义和结果的上下文信息。AI代理通过编写代码来调用MCP工具，可以更好地扩展。

APPLICATION

用代码生成优化MCP调用成本

Anthropic 和 Cloudflare 的工程团队独立地发现了大幅降低MCP调用成本的相同解决方案：停止让模型直接调用MCP工具，而是让它们编写代码。

TOOL

7个开发者必备AI代理命令行工具

在本文中，我将分享一些最强大且对开发者友好的开源AI代理命令行工具！

APPLICATION

构建视频处理多智能体AI系统

本文介绍多智能体视频处理的概念基础、架构、关键的实现细节、面临的挑战以及从中获得的经验教训。

APPLICATION

减轻AI代理中的上下文污染

在这篇博客中，我将介绍一些方法来解决上下文污染，并展示端到端实现。

APPLICATION

构建技术洞察研究代理

本文将向您展示如何构建一个利基代理，它可以搜索所有技术，聚合数百万条文本，根据角色过滤数据，并找到您可以采取行动的模式和主题。

APPLICATION

AGENTS.md：AI编码的新标准

如果你和我一样，使用多个AI编码代理，你一定知道管理不同指令文件的烦恼。好消息是，一个新的简化标准已经出现，它叫做AGENTS.md。

APPLICATION

2025年10个最佳AI代理

AI代理能够无需人工干预就能解决复杂任务的能力将在使这一切成为可能方面发挥巨大作用。本文将告诉你2025年市场上最好的AI代理。

APPLICATION

简历解析AI代理

在人才招聘不断演变的环境中，人工智能开始革新招聘团队识别和评估候选人的方法。一个引人注目的应用是构建一个能够解析简历和职位公告、进行比较并建议最合适的申请人的AI代理。 在这篇文章中，我们将逐步讲解： 该代理的架构解析和预处理逻辑使用嵌入进行语义匹配结果的仪表板概念开始使用的Python代码示例1、AI代理管道概述AI代理在一个多阶段的管道中运行： 数据摄入：接受PDF、DOCX或文本简历以及结构化/非结构化的职位描述。解析与清理：使用NLP提取相关字段（技能、经验、教育）。向量化：使用嵌入模型将解析后的文本转换为数值向量。匹配：使用余弦相似度或其他指标比较向量。排序：对候选人进行评分和排序。可选：将见解导出到网络仪表板或聊天机器人界面。2、解析简历和职位描述要从简历和职位公告中提取结构化数据，可以使用PyMuPDF、docx或spacy等库。 import fitz # PyMuPDF import re def extract_text_from_pdf(pdf_path): doc = fitz.open(pdf_path) return " ".join([page.get_

APPLICATION

12种最常用的AI代理评估技术

在这篇博客中，我们将理解并实现 12种不同的代理评估技术，学习 何时以及何处哪种技术最有用。

APPLICATION

用强化学习训练AI代理

即使是非常强大的LLM也可能很难可靠地完成复杂的多轮代理任务。有趣的是，我们发现使用一种叫做GRPO（群体相对策略优化）的强化学习算法来训练代理可以使它们更加可靠！

APPLICATION

Yolo: Claude Code & Gemini CLI

Claude Code和Gemini CLI都有一个“Yolo模式”，可以无阻碍地执行任务，而无需每一步都请求权限。