- 2026/7 AI实战react19.2+deepseek v4+arco-design仿豆包/Kimi网页pc版智能AI聊天助手。代码高亮/复制代码、深度思考链、katex公式、mermaid渲染、echarts图表展示，本地存储会话等功能。 2026/7 AI实战react19.2+deepseek v4+arco-design仿豆包/Kimi网页pc版智能AI聊天助手。代码高亮/复制代码、深度思考链、katex公式、mermaid渲染、echarts图表展示，本地存储会话等功能。
- 本项目基于LangGraph和FastAPI构建企业级智能助手系统，旨在解决传统人工客服响应滞后、知识碎片化等问题。系统具备四大核心功能：1）智能意图识别，自动区分知识问答、业务工具调用等场景；2）RAG检索增强问答，支持PDF/Markdown/TXT多格式知识库管理；3）业务工具集成，内置制度查询、工单查询等功能；4）多轮对话记忆。采用分层架构设计，包含前端展示层、API路由层、工作流引擎层等 本项目基于LangGraph和FastAPI构建企业级智能助手系统，旨在解决传统人工客服响应滞后、知识碎片化等问题。系统具备四大核心功能：1）智能意图识别，自动区分知识问答、业务工具调用等场景；2）RAG检索增强问答，支持PDF/Markdown/TXT多格式知识库管理；3）业务工具集成，内置制度查询、工单查询等功能；4）多轮对话记忆。采用分层架构设计，包含前端展示层、API路由层、工作流引擎层等
- 上一篇文章采用langchain_community包协助LangChain实现了对话记忆功能，但langchain_community属于早期链式架构的临时补丁，仅适配简单线性对话。LangChain官方推荐使用LangGraph实现复杂的会话记忆功能，LangGraph是从底层统一管理全流程状态、支持长短双记忆、原生持久化、适配复杂Agent的标准化记忆架构，常作为生产环境的首选方案。... 上一篇文章采用langchain_community包协助LangChain实现了对话记忆功能，但langchain_community属于早期链式架构的临时补丁，仅适配简单线性对话。LangChain官方推荐使用LangGraph实现复杂的会话记忆功能，LangGraph是从底层统一管理全流程状态、支持长短双记忆、原生持久化、适配复杂Agent的标准化记忆架构，常作为生产环境的首选方案。...
- 模型本身是无状态的，也就是不具备记忆功能，单次对话无法留存上下文信息，多轮交互中会遗忘历史对话内容。用户之所以感觉AI工具拥有记忆，是因为AI工具给大模型封装了一层记忆。LangChain作为主流的大模型应用开发框架，内置完善的记忆模块（Memory模块），能够高效管理对话历史记录，让AI实现逻辑连贯的多轮对话，接下来就介绍如何使用LangChain实现对话记忆功能。一、记忆功能用到的组件... 模型本身是无状态的，也就是不具备记忆功能，单次对话无法留存上下文信息，多轮交互中会遗忘历史对话内容。用户之所以感觉AI工具拥有记忆，是因为AI工具给大模型封装了一层记忆。LangChain作为主流的大模型应用开发框架，内置完善的记忆模块（Memory模块），能够高效管理对话历史记录，让AI实现逻辑连贯的多轮对话，接下来就介绍如何使用LangChain实现对话记忆功能。一、记忆功能用到的组件...
- 支持MCP的研发管理工具有哪些？本文对比ONES、Jira、Azure DevOps、GitHub、GitLab和Linear的MCP能力，分析AI可以查询和执行哪些研发任务，以及权限、部署和适用场景差异。 支持MCP的研发管理工具有哪些？本文对比ONES、Jira、Azure DevOps、GitHub、GitLab和Linear的MCP能力，分析AI可以查询和执行哪些研发任务，以及权限、部署和适用场景差异。
- AI知识问答的意义，是先从知识库中找到与问题相关的资料，再基于这些资料组织回答。NIST对检索增强生成的定义也强调，模型需要与独立的信息检索系统或知识库配合，根据用户问题找到相关内容，再将这些内容作为回答依据。 AI知识问答的意义，是先从知识库中找到与问题相关的资料，再基于这些资料组织回答。NIST对检索增强生成的定义也强调，模型需要与独立的信息检索系统或知识库配合，根据用户问题找到相关内容，再将这些内容作为回答依据。
- 本文对比分析了大模型应用开发的两大主流框架LangChain和LangGraph。LangChain作为基础框架，通过组件化设计简化开发流程，但仅支持线性链式执行，适合快速搭建轻量级应用；而LangGraph则采用图式编排架构，支持全局状态管理和动态流程控制，能实现分支、循环等复杂逻辑，更适合生产级智能体开发。二者形成互补关系：LangChain负责基础组件封装，LangGraph处理复杂业务编排 本文对比分析了大模型应用开发的两大主流框架LangChain和LangGraph。LangChain作为基础框架，通过组件化设计简化开发流程，但仅支持线性链式执行，适合快速搭建轻量级应用；而LangGraph则采用图式编排架构，支持全局状态管理和动态流程控制，能实现分支、循环等复杂逻辑，更适合生产级智能体开发。二者形成互补关系：LangChain负责基础组件封装，LangGraph处理复杂业务编排
- DeepAgents是一种企业级多智能体集群AI架构，旨在解决大模型在复杂业务场景中的落地难题。其核心由MCP（模型上下文协议）和A2A（智能体互联协议）两大协议支撑：MCP标准化大模型与外部资源的交互，降低工具适配成本；A2A实现多智能体的协同调度，避免任务孤岛。与传统单智能体相比，DeepAgents通过分层规划、集群协同和反思机制，能稳定处理财务核算、供应链调度等长流程业务，突破单模型的能力 DeepAgents是一种企业级多智能体集群AI架构，旨在解决大模型在复杂业务场景中的落地难题。其核心由MCP（模型上下文协议）和A2A（智能体互联协议）两大协议支撑：MCP标准化大模型与外部资源的交互，降低工具适配成本；A2A实现多智能体的协同调度，避免任务孤岛。与传统单智能体相比，DeepAgents通过分层规划、集群协同和反思机制，能稳定处理财务核算、供应链调度等长流程业务，突破单模型的能力
- 摘要： 随着AI Agent能力升级，其自主决策与多场景操作能力（如文件处理、网络访问）带来显著效率提升，但伴随模型幻觉、越权操作、数据泄露等安全隐患。本文提出Workspace安全治理体系，通过沙箱隔离（环境独立/资源隔离）、精细化权限管控（最小权限/实时校验）和全链路审计（防篡改日志/溯源追责）三大模块协同，解决AI Agent特有风险。该体系适配大模型动态性，遵循零信任原则，弥补模型原生缺陷 摘要： 随着AI Agent能力升级，其自主决策与多场景操作能力（如文件处理、网络访问）带来显著效率提升，但伴随模型幻觉、越权操作、数据泄露等安全隐患。本文提出Workspace安全治理体系，通过沙箱隔离（环境独立/资源隔离）、精细化权限管控（最小权限/实时校验）和全链路审计（防篡改日志/溯源追责）三大模块协同，解决AI Agent特有风险。该体系适配大模型动态性，遵循零信任原则，弥补模型原生缺陷
- 完整搭建起大模型应用开发的全栈技术体系，离不开一个个核心的技术点。从底层的提示词工程规范、RAG检索增强，到中层的Function Calling工具调用、Skills业务封装、MCP标准化通信，再到上层的Agent智能体自主执行、A2A多智能体集群协作，最后到生产级架构的高可用、安全、可控治理，所有核心技术层层递进、环环相扣，构成了完整的现代大模型开发模式。 完整搭建起大模型应用开发的全栈技术体系，离不开一个个核心的技术点。从底层的提示词工程规范、RAG检索增强，到中层的Function Calling工具调用、Skills业务封装、MCP标准化通信，再到上层的Agent智能体自主执行、A2A多智能体集群协作，最后到生产级架构的高可用、安全、可控治理，所有核心技术层层递进、环环相扣，构成了完整的现代大模型开发模式。
- 基于react19.2+react-router7+zustand5+markdown深度对接deepseek v4构建H5版ai对话助手。支持暗黑+亮色主题、深度思考、代码高亮/复制/下载、latex/mermaid渲染、本地存储会话等功能。 基于react19.2+react-router7+zustand5+markdown深度对接deepseek v4构建H5版ai对话助手。支持暗黑+亮色主题、深度思考、代码高亮/复制/下载、latex/mermaid渲染、本地存储会话等功能。
- 本文探讨了AI Agent开发中的评估体系构建问题。文章指出，虽然搭建Agent原型容易，但量化评估其性能、指导优化方向才是项目落地的关键难点。作者提出了一套完整的Agent评估方法论，包含三大评测技术（LLM-as-Judge、人工标注、A/B测试）和四大评估维度（功能准确性、服务性能、运行安全性、成本损耗）。通过多层次评测方案架构，实现从离线测试到线上验证的闭环迭代，解决传统试错式开发的弊端。 本文探讨了AI Agent开发中的评估体系构建问题。文章指出，虽然搭建Agent原型容易，但量化评估其性能、指导优化方向才是项目落地的关键难点。作者提出了一套完整的Agent评估方法论，包含三大评测技术（LLM-as-Judge、人工标注、A/B测试）和四大评估维度（功能准确性、服务性能、运行安全性、成本损耗）。通过多层次评测方案架构，实现从离线测试到线上验证的闭环迭代，解决传统试错式开发的弊端。
- 上一篇文章末尾给出了LangChain的简单调用例子，当然LangChain还支持更丰富的功能设置，接下来就介绍如何使用LangChain封装AI执行链，以实现更复杂的功能调用。一、构造大模型实例在构造大模型实例之前，要先添加下面的导包语句，表示引入LangChain的大模型工具OllamaLLM：from langchain_ollama import OllamaLLM在OllamaL... 上一篇文章末尾给出了LangChain的简单调用例子，当然LangChain还支持更丰富的功能设置，接下来就介绍如何使用LangChain封装AI执行链，以实现更复杂的功能调用。一、构造大模型实例在构造大模型实例之前，要先添加下面的导包语句，表示引入LangChain的大模型工具OllamaLLM：from langchain_ollama import OllamaLLM在OllamaL...
- 文章摘要： 大模型Agent是基于大语言模型的智能执行体，通过自主规划、工具调用和系统集成，实现复杂任务自动化。其核心特性包括自主规划性、工具可拓展性、系统互通性、记忆迭代性和闭环执行性。Agent架构分为五层：基础模型层（推理核心）、核心调度层（流程控制）、工具插件层（能力拓展）、系统集成层（外部对接）和业务应用层（场景落地）。运行机制分为需求解析、任务规划、能力调用等六步闭环流程，支持API插 文章摘要： 大模型Agent是基于大语言模型的智能执行体，通过自主规划、工具调用和系统集成，实现复杂任务自动化。其核心特性包括自主规划性、工具可拓展性、系统互通性、记忆迭代性和闭环执行性。Agent架构分为五层：基础模型层（推理核心）、核心调度层（流程控制）、工具插件层（能力拓展）、系统集成层（外部对接）和业务应用层（场景落地）。运行机制分为需求解析、任务规划、能力调用等六步闭环流程，支持API插
- LangChain 是一套大语言模型 (LLM) 应用开发框架，主打链式编排、任务流程组装，可快速搭建智能对话机器人、智能助手、自动化流程、知识库问答、Agent 智能体。LangChain 支持对接各类在线大模型，包括OpenAI、文心、通义、讯飞等，也支持加载电脑本地的离线大模型。为避免在线大模型带来的大量Token消耗，接下来以离线大模型为例介绍如何搭建LangChain的开发环境。... LangChain 是一套大语言模型 (LLM) 应用开发框架，主打链式编排、任务流程组装，可快速搭建智能对话机器人、智能助手、自动化流程、知识库问答、Agent 智能体。LangChain 支持对接各类在线大模型，包括OpenAI、文心、通义、讯飞等，也支持加载电脑本地的离线大模型。为避免在线大模型带来的大量Token消耗，接下来以离线大模型为例介绍如何搭建LangChain的开发环境。...
上滑加载中
推荐直播
-
华为云码道Agent集成与鸿蒙实战2026/08/11 周二 19:00-21:00
王一男-华为云码道产品规划专家；李炎-华为云码道产品专家；彭江敏-华为云鸿蒙端云一体化开发专家
本次直播带你解读华为云码道7月份产品新特性、新功能。更有专家演示码道Agent Space × 钉钉机器集成实战，从0到1打通消息通道；码道鸿蒙端云一体化实战，快速搭建员工签到系统。
回顾中 -
华为云开发者AI素养直播课·第五期2026/09/04 周五 16:00-18:00
林华鼎-华为云AI开发者运营负责人；蒋春阳-华为云AI开发者案例开发专家
本期直播内容： AI工具体验营 · 第5-8课连讲。Agent-Team 多智能体协作完成毕业设计实践
回顾中 -
华为云开发者AI素养ClassRoom·第六期2026/09/08 周二 19:00-20:00
樊渊-2026华为软件挑战赛冠军
高手来了：看软挑高手解析二维排样问题—从工业难题到算法突破
回顾中
热门标签