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
HarmonyOS开发者社区
龙虾开发者社区
AtomGit开源社区
AI Agent技术社区
AI编程社区
智能体开发者社区
快递鸟社区
MCP技术社区
CSDN-OPC开发者社区
