#AI Agent设计模式

共 9 篇相关文章

吴恩达在提示词工程课程中详解AI Agent规划设计模式：赋予大模型工具集，让其自主规划分步执行计划，无需硬编码流程。本文系统梳理规划模式的工作原理、墨镜零售与邮件助手两大典型场景，以及灵活性与可控性之间的现实挑战。

系统化的AI Agent开发六周学习路线，涵盖核心架构、ReAct范式、多智能体协作、RAG融合到部署落地全流程，帮助零基础开发者快速掌握智能体开发能力并完成实战项目。

深度对比Spring AI、LangChain4J、DJL、JBot AI四大Java AI开发框架，从功能特性、适用场景、生态兼容性等维度分析，帮助Java开发者做出合理的AI框架选型决策。

详解商用AI智能体从0到1的完整开发流程，涵盖需求分析、架构设计（ReAct框架、深度搜索、意图识别）、Coze平台实操搭建、工作流创建及发布上线，助你快速落地AI Agent项目。

从零开始学AI Agent智能体开发，六周系统学习路线涵盖核心架构、ReAct原理、多智能体协作、RAG融合到实战部署，帮你建立完整知识体系，避开常见学习误区。

用200行Python代码从零搭建AI Agent，详解提示词、记忆、工具调用、RAG检索增强、Skill技能五大核心模块的实现原理与渐进式开发流程，适合AI Agent入门开发者。

深入剖析LangChain Agent Executor的工作原理，详解ReAct模式的推理-行动-观察循环，手把手教你从零构建自定义Agent执行器，掌握Tool Choice策略、并行工具调用等核心技术。

深入解析如何用TypeScript从零实现LangGraph核心设计思想，涵盖状态图驱动、节点化编排、ReAct模式等AI Agent开发范式，帮助前端工程师掌握智能体框架的底层原理与实战技巧。

深度解析Claude Code源码架构，详解Agent循环机制、上下文工程策略、工具系统设计与权限控制。基于GitHub热门开源项目how-claude-code-works，揭秘AI编程助手的内部工作原理，为开发者构建AI Agent提供实践参考。