#LLM应用开发
共 140 篇相关文章
·9 分钟
AI智能体记忆撤销机制：为什么Agent需要一个「撤回」按钮
探讨AI智能体记忆系统为何需要撤销功能。从错误累积、记忆投毒攻击到隐私合规，分析记忆不可逆性的风险，并介绍版本化记忆、记忆溯源图等技术实现方案。
阅读全文 →
·15 分钟
从ML到AI工程师：务实的转型学习路线图
详解机器学习工程师与AI工程师的核心差异，提供从工程基础、LLM应用开发到生产化落地的完整学习路线，包含RAG系统、智能体开发等实操项目建议，帮助ML从业者高效转型AI工程师。
阅读全文 →
·9 分钟
AI Agent开发学习路线：从零基础到实战的三阶段完整指南
详解AI Agent开发的三阶段学习路线：Python基础与大模型原理、五大核心能力（规划、工具调用、记忆、反思、上下文优化）及LangChain框架掌握、RAG知识库等实战项目进阶，帮助零基础学习者高效入门Agent开发。
阅读全文 →
·6 分钟
扣子Coze入门教程：一文搞懂智能体与工作流的关系
零基础学习扣子Coze智能体开发，用装修房子的比喻通俗讲解Agent和Workflow概念，并手把手演示如何在Coze平台创建第一个智能体和工作流。
阅读全文 →
·11 分钟
Meta开源Muse Glimmer：300亿参数智能体模型一张显卡即可本地运行
Meta开源Muse Glimmer，300亿参数智能体模型通过4-bit量化压缩至20GB以内，一张RTX 4090即可本地运行。支持多模态输入、12.8万Token上下文，D-Flash投机解码提速3倍，MCP工具调用得分75.5，是端侧Agent部署的实用之选。
阅读全文 →
·17 分钟
MCP协议完全指南：从原理到LangChain Agent实战集成
深入解析MCP模型上下文协议的核心原理、架构设计与安全机制，详解如何在LangChain Agent中集成MCP工具，涵盖认证授权、拦截器、进度通知、交互式信息收集等高级特性，并以电商售后客服系统为例展示综合实战。
阅读全文 →
·19 分钟
LangChain工具调用实战：用@tool装饰器给AI Agent装上第一个工具
详解LangChain中AI Agent工具调用的完整流程，从@tool装饰器定义工具到接入Agent自动调用，包含计算器工具代码示例、安全注意事项及命名规范，帮助初学者快速上手Agent开发。
阅读全文 →
·18 分钟
Embabel：专为JVM打造的AI智能体框架深度解析
Embabel是一款基于Kotlin编写的JVM智能体框架，为Java/Kotlin开发者提供在熟悉技术栈中构建AI Agent的能力。本文深度解析其定位、技术优势及与Spring生态的协同价值。
阅读全文 →
·7 分钟
资深数据科学家被裁后如何求职：AI就业市场生存指南
一位拥有物理学博士学位和4.5年经验的资深数据科学家被裁员，其经历折射出AI就业市场从传统ML向Agent工程能力转型的趋势。本文分析当前数据科学岗位的结构性变化，并提供补齐LLM工程能力、重新包装技能、拓宽求职方向等实战建议。
阅读全文 →
·12 分钟
警惕LLM测试帖背后的提示注入陷阱：一次社会工程学攻击解析
深度解析Reddit上一则伪装成LLM鲁棒性研究的提示注入攻击帖子，揭示其社会工程学手法，并提供从业者应对间接提示注入的安全防护建议。
阅读全文 →
·16 分钟
Agent DevTools：专为AI Agent设计的本地调试器
Agent DevTools是一款开源本地调试器，支持检查AI Agent的提示词、记忆、检索和工具调用状态，提供好坏运行对比功能，帮助开发者告别print()调试，快速定位Agent行为异常的根因。
阅读全文 →
·16 分钟
Acrux Core：开源LLM可观测性平台，自托管替代LangSmith
Acrux Core是一款开源LLM可观测性平台，支持自托管部署，提供提示词管理、工具动态绑定、用户反馈闭环及全链路追踪功能，是LangSmith与Langfuse的免费替代方案。
阅读全文 →
·10 分钟
Keystroke开源平台：自然语言构建AI智能体的一站式解决方案
Keystroke是一款YC孵化的开源AI智能体构建平台，支持用自然语言描述需求即可自动生成、连接工具、测试和部署智能体。具备记忆、工作流、触发器、审批机制及1000+集成能力，提供20美元免费试用额度。
阅读全文 →
·17 分钟
LangChain Managed DeepAgents：托管Agent基础设施，专注核心逻辑
LangChain推出Managed DeepAgents公测版，托管评估、记忆、OAuth授权、Slack集成和沙箱等Agent基础设施，让开发者专注Agent核心逻辑。深度解析其功能架构与行业影响。
阅读全文 →
·13 分钟
Mu：专为AI Agent设计的标准化工具集平台解析
深入解析Mu这款为AI Agent打造的工具集平台，探讨Agent工具化的重要性、Mu的设计思路、竞争格局及其在AI应用落地中的价值与挑战。
阅读全文 →
·17 分钟
AI工程师成长路线图：从编程基础到RAG与MCP智能体开发
一份系统化的AI工程师学习路线图，涵盖编程、数学、机器学习四大基石，以及LLM、RAG、智能体、MCP等前沿AI工程技术，附免费开源课程资源推荐。
阅读全文 →
·8 分钟
MCP会话分析：为AI Agent打造产品级观测与评估能力
深入解析如何在MCP协议层为AI Agent构建产品分析与效果评估能力，涵盖会话级追踪、工具调用观测、质量Evals等核心方法，助力Agent系统从可用走向可优化。
阅读全文 →
·14 分钟
从零到AI工程师：一份学生简历的真实成长路径
一位计算机专业学生用3-4个月从Python基础走到模型部署，通过三个实战项目建立AI能力组合。本文拆解其学习路径、项目含金量与简历优化策略，为AI初学者提供可复制的成长参考。
阅读全文 →
