登录社区云,与社区用户共同成长
邀请您加入社区
你有没有想过,为什么有些APP用起来就是"顺手",而有些APP怎么用都"别扭"?答案往往不在于功能多少,而在于交互设计。好的交互设计让用户几乎不需要思考就能完成操作,而差的交互设计让用户每一步都在犹豫——“这个按钮是干什么的?”“我刚才点了什么?”“怎么返回?”智能交互设计更进一步——它不仅让操作"顺手",还让操作"智能"。系统能根据用户的上下文、习惯、甚至情绪状态,主动预测用户意图,提供最合适的
2026年大模型Agent开发早已告别“拼格式、套模板”的初级阶段,谷歌官方针对当下主流Agent开发场景,更新迭代了。目前Claude Code、Gemini CLI、Cursor等30+主流Agent工具均全面适配该规范,是程序员、小白入门企业级大模型应用开发的核心必修课。
本文展示了一个珠宝行业订单处理系统的企业级实现,采用扇出(Fan-Out)设计模式。系统由生产者生成订单后,通过分发器将每个订单同时分发给6个并行工作器:原料核验、设计制图、加工生产、品质质检、礼盒包装和物流发货。每个工作器独立执行特定任务,通过多线程实现并行处理,完整覆盖珠宝定制全流程。系统采用分层架构,包含配置层、模型层、异常层和业务层,体现了高内聚低耦合的设计原则。代码展示了Python实现
我给它定下的规则很简单:必须的参数放arguments,可选的修饰和输出模式放options,输出格式相关的参数(比如要不要JSON格式、安静模式、详细模式、调试模式)要统一存在,方便脚本调用和人直接使用。当你对agent说“帮我从零设计一个命令行工具”的时候,它会先帮你判断这个工具应该是什么类型:是那种简单的单命令工具,还是需要读取配置文件的配置驱动型工具,还是需要多轮对话的交互式助手,亦或是几
智能体交互,是 Agent 落地的下一层能力。工具调用让 Agent 能访问系统。MCP 让工具连接更标准。GUI Agent 让 Agent 能操作没有 API 的界面。多模态交互让 Agent 能理解真实环境。• 能用 API,优先用 API。• 必须操作页面,再用 GUI Agent。• 涉及真实环境,必须加安全边界。• 涉及高风险动作,必须让人确认。• 所有动作都要有日志,所有失败都要能退
今天,5分钟,让你彻底搞懂这件事。一、先搞清楚:大模型 ≠ AI Agent---------------------很多人把大模型和智能体混为一谈,这是最大的误解。
高级提示工程不是“会写漂亮话”。它更像接口设计。你要让模型知道:它是谁,要做什么,基于什么资料,按什么步骤,输出什么结构,不能做什么,失败时怎么处理。如果 Prompt 只是聊天技巧,系统就很难稳定。如果 Prompt 被工程化管理,Agent 才能进入生产环境。AI Agent 设计模式:高级提示工程技术_热闻岛。
在正式拆解一切之前,我们必须先做个**“扫盲级的澄清定义锚定”**——因为哪怕在AI Agent领域深耕半年的从业者,也常常把“”和“
本文系统梳理了主流大模型推理部署框架,包括vLLM、SGLang、TensorRT-LLM、Ollama、XInference等。从核心技术、系统架构、性能指标及适用场景等多维度进行深度剖析,帮助读者了解各框架特点。vLLM适合高并发场景,SGLang擅长多轮交互,TensorRT-LLM优化NVIDIA GPU性能,Ollama便于本地部署,XInference支持分布式扩展,国产框架则适配特定
从零走向AGI】旨在深入了解通用人工智能(AGI)的发展路径,从最基础的概念起,逐步构建完整的知识体系。项目地址本文系统性梳理当前主流的大模型推理部署框架,包括等。随着大语言模型技术的快速发展,推理部署框架作为连接模型与实际应用的关键环节,其重要性日益凸显。本文将对当前主流的vLLM、SGLang、TensorRT-LLM、Ollama和XInference等推理框架进行系统性梳理,从核心技术、架
MoPaaS专注于Al技术能力建设与应用场景开发,与智学优课联合孵化,培养适合未来发展需求的技术性人才和应用型领袖。
本文介绍了如何在星图GPU平台自动化部署Qwen-Ranker Pro: 智能语义精排中心Web镜像,实现智能语义精排功能。该镜像基于Java设计模式构建精排算法,可应用于电商推荐、内容排序等场景,通过策略模式和责任链模式灵活处理多维度排序需求,提升推荐系统的精准度和用户体验。
本文介绍了设计模式中的策略模式,其核心思想是将算法封装为独立策略类,实现灵活切换和解耦。策略模式通过定义抽象策略接口、具体策略实现和环境类三个角色,有效解决了多种算法并存时的代码臃肿问题。 文章以电商支付系统为例,详细展示了策略模式的实现过程:首先定义支付策略接口,然后实现微信、支付宝等具体支付方式,最后通过支付上下文类管理策略切换。这种设计使系统在新增支付方式时只需添加策略类,无需修改现有代码,
Skill 不是 Prompt——它是围绕任务、工具、流程和输出边界的结构化行为设计。 写好 Skill 的关键在于理解规范标准、掌握构建方法论、选择合适的设计模式。
你写了不少SKILL,但有没有遇到过这些情况:Token消耗巨大可输出质量不稳定?Agent该问的时候不问,不该猜的时候瞎猜?输出的格式一次一个样,团队根本没法复用?
护栏不是把 Agent 变成“傻瓜模式”。恰恰相反,护栏是让强 Agent 能进入真实业务系统的前提。没有护栏,Agent 只能做 Demo。有了护栏,Agent 才可能接订单、查数据、调接口、改流程、进生产。本章一句话越有执行能力的 Agent,越要有边界、有权限、有审批、有审计。智能体设计模式:护栏与安全 Guardrails_热闻岛。
HITL 的本质,是把人类判断力放到 Agent 的关键控制点上。AI 负责跑流程、查数据、生成方案。人负责确认边界、承担责任、处理模糊和高风险决策。一个能上线的 Agent,不是永远不问人,而是知道什么时候必须问人。智能体设计模式:Human-in-the-Loop 人类参与环节_热闻岛。
问题来了:每个 Agent 都单独对接数据库、Git、日志平台、SaaS API,系统很快会失控。Resources:给 Agent 提供上下文,例如文件、schema、项目配置、文档内容。发现工具:Client 发送 tools/list,拿到工具名称、描述、参数 schema。外部系统:真正的数据源和执行系统,比如数据库、代码仓库、日志平台、SaaS API。一旦系统里出现多个 Agent、多
工具使用,也叫函数调用。它的核心很简单:把一个外部能力描述给模型,让模型在需要时生成结构化调用请求。真正执行工具的,不是模型。而是你的业务系统。模型只负责三件事:• 判断是否需要工具。• 选择应该调用哪个工具。• 生成这个工具需要的参数。编排层负责后面的事:参数校验、权限判断、调用接口、处理异常、记录日志,再把结果回填给模型。这就是工具型 Agent 的底层逻辑。工具使用,是 Agent 从“聊天
本文分享了在边缘网关中集成AI能力的实战经验,提出让AI直接通过MCP协议访问网关数据的技术方案。架构上采用统一数据缓存服务MQTT推送和AI查询,通过Modbus实现设备数据采集,并设计轻量级REST API和MCP协议两种AI接入方式。重点介绍了MCP协议实现,包括工具发现、调用流程及安全控制(权限、审计和限流)。文章还总结了告警引擎优化和嵌入式开发经验,如单线程事件循环、轻量JSON解析等。
不使用备忘录模式的坏处方式1:直接保存状态到历史列表private:// 直接保存内容副本// 分开保存光标位置public:if (!// 问题1:需要为每个状态属性维护一个历史列表// 问题2:如果添加新属性,需要修改所有历史相关代码// 问题3:历史记录直接暴露了内部数据// 问题4:无法添加元数据(时间戳、操作描述等)// 问题5:多个相关列表容易导致数据不一致方式2:使用序列化保存完整对
本文介绍了如何利用星图GPU平台,一键自动化部署🎨 Class Qwen3: 多模态对话视觉黑板报镜像,以提升Java面试准备效率。该镜像能将复杂的算法(如二叉树遍历)和设计模式(如观察者模式)通过生动的图文进行可视化解析,帮助开发者直观理解抽象概念,从而高效掌握核心知识点。
本文探讨了在星图GPU平台上自动化部署GLM-OCR镜像后,如何通过工厂模式、策略模式等设计模式构建灵活、可维护的OCR数据处理架构。文章以文档图片文字识别与提取为典型应用场景,详细分析了如何解耦服务调用、结果处理与输出逻辑,从而提升代码的可测试性和可扩展性,避免因需求变更导致的代码重构困境。
本文介绍了如何在星图GPU平台上自动化部署Qwen3-14b_int4_awq镜像,用于Java面向对象编程教学与设计模式实践。该镜像特别适合开发教育类应用,如通过动物园管理系统等趣味案例,生动讲解封装、继承、多态等核心概念,以及单例模式、工厂模式等经典设计模式的实现与应用。
设计模式
——设计模式
联系我们(工作时间:8:30-22:00)
400-660-0108 kefu@csdn.net