登录社区云，与社区用户共同成长
邀请您加入社区
《智能体设计模式》阅读摘要： Antonio Gulli的实战指南强调智能体的核心价值在于整体架构设计，而非单一模型能力。书中指出三大关键点：1）应构建多智能体协同体系，包括自主规划、任务拆解与自我迭代能力；2）人类在问题定义和非标判断上仍具优势；3）需警惕AI的可靠性风险，如误差累积、进化失控等问题。落地建议包括：重视规划与评审Agent设计、重构人机协同组织架构、理性看待AI能力边界。Chat
单例模式作为经典设计模式，确保类只有一个实例并提供全局访问点。本文系统探讨了单例模式的核心实现（类图与C++代码）、初始化策略（懒汉vs饱汉模式）、线程安全方案（双重检查锁定和Meyers' Singleton），以及通用模板实现。文章还分析了单例模式的适用场景（配置管理、日志系统等）和潜在缺陷，并展望了AI时代下单例模式的新思考。通过对比不同实现方式的优缺点，为开发者提供了在不同场景下选择合适单
正如著名计算机科学家David Wheeler所言："计算机科学中的所有问题都可以通过增加一个间接层来解决。"在Vibe Coding时代，这个间接层就是人类的设计智慧。系统边界需要人类定义架构演进需要人类规划技术决策需要人类负责让我们以开放而不失批判的态度拥抱这场变革——不迷信AI的完美，也不固守传统的教条。毕竟，最好的代码永远是人与机器共同谱写的诗篇。
路由模块是自适应智能体系统设计中的关键控制机制，路由模块可以在智能体流程里的开始或中间的多个节点实现。可以用作分类用途，也可以用来选取调用合适的工具。在实际项目情况，一般建议先用大模型模式采用提示词路由快速验证分发能力，跑通流程。如果对精确度有更高要求，可以使用嵌入路由和小模型路由进行专门优化。实际项目里可能需要搭配着几种路由一起使用。比如需要对bad case做快速干预修复时可能就会用到规则路由
短短两年间，AI范式发生了巨大转变，从简单自动化迈向复杂自主系统。最初，工作流依赖基础提示和触发器，利用LLM处理数据。随后，检索增强生成（RAG）技术出现，通过事实信息提升模型可靠性。接着，单体智能体诞生，能够调用多种工具。如今，我们正步入智能体AI时代，多个专业智能体协作完成复杂目标，AI的协同能力实现了质的飞跃。图2：AI范式变化，从LLM到RAG，到智能体RAG，最终迈向智能体AI。
在软件开发中，我们经常遇到需要多个对象处理同一请求的场景。比如请假审批流程需要不同级别的领导审批、日志系统需要根据日志级别决定输出方式、Web请求需要经过一系列过滤器的处理…请求需要经过一系列处理步骤，每个步骤可能处理请求，也可能将其传递给下一个步骤。责任链模式（Chain of Responsibility Pattern）正是为这类问题提供了优雅的解决方案。本文将深入浅出地介绍责任链模式，并通
本文详细介绍了BERT大模型的核心概念、算法原理及最佳实践。从预训练模型的基本思想到Transformer的自注意力机制，再到BERT的双向编码器，文章深入浅出地讲解了BERT的工作原理。此外，还提供了使用BERT进行文本分类的代码实例和详细解释，帮助读者更好地理解和应用BERT。文章还探讨了BERT的实际应用场景，推荐了相关工具和资源，并展望了未来发展趋势与挑战。通过本文，读者能够系统地学习BE
LangChain是一个开源Python库，帮助开发者构建基于大语言模型的应用。它提供统一接口管理多种基础模型，支持提示管理，并整合提示模板、外部数据等组件。教程介绍了环境搭建、API密钥获取、六大核心模块（Models、Prompts、Chains、Indexes、Memory、Agents）的使用，帮助读者快速上手大模型应用开发。
本文介绍了本地部署大模型的核心优势，如数据隐私、零成本使用、离线可用等，并详细对比了LM Studio、Ollama和Open WebUI等主流本地部署工具。推荐LM Studio因其可视化界面简单易用，适合新手快速入门。文章还提供了LM Studio的安装、模型下载、启动及对话步骤，并分享了性能优化建议和常见问题解答。最后，介绍了如何通过LM Studio调用本地模型的OpenAI兼容API接口
本文提出Agent团队的七大核心设计模式：1)工作流模式，将任务分解为有序步骤；2)路由模式，智能分类输入；3)并行化模式，同时处理多个任务；4)编排者-工作者模式，动态分解任务；5)指挥官-调度官模式，解耦规划与执行；6)共识模式，通过投票提高决策质量；7)制作者-检查者模式，建立生成与评估闭环。这些模式遵循专业化分工、关注点分离和渐进式复杂度三大原则，并需要六层架构支撑，包括表示层、智能体层、
Spring MVC 是企业 Java Web 的事实标准。掌握其源码不仅能优化问题定位、扩展框架能力，还能沉淀可复用的工程化经验（如统一异常处理、拦截器链、参数绑定与转换、内容协商等）。核心接口与抽象类请求处理主流程（含彩色 Mermaid 图）设计模式与工程技巧源码中的“算法意识”源码阅读路径与调试技巧经典案例与最佳实践速记口诀与检查清单参考资料与延伸阅读。
在AI编程（Vibe Coding）时代，设计模式和架构原则意外复兴。数据显示，83%的团队使用AI工具后遭遇系统腐化问题，架构师需求逆势增长60%。AI生成代码需结合架构思维，如通过模式化提示词提升代码可用率47%，或利用防腐层设计降低维护成本62%。实践案例显示，架构改良使微服务级联故障减少30%。未来开发者需平衡AI协同（25%）与架构设计（35%）能力，将AI视为工具而非替代。正如2030
Mermaid 图：Bean 创建生命周期（柔和配色）Mermaid 图：AOP 代理选择（柔和配色）Mermaid 图：循环依赖解法（三级缓存）放入 singletonFactories。七、关键算法与机制（“为什么这样设计”）八、源代码阅读技巧（从工程到代码的梯度）六、设计模式技巧（源码中的模式与落地）五、核心接口与抽象类族谱（源码索引）十六、工程自检清单（上线前快速核对）十七、FAQ（快速定
责任链模式是一种解耦请求发送者与处理者的设计模式，让多个对象都有机会处理请求。其核心思想是将处理者连成链，每个处理者自行决定是否处理或传递给下一节点，使请求在链上自动流转。典型应用包括审批流程、中间件处理等场景。该模式优势在于动态调整处理顺序、符合开闭原则，但会牺牲处理确定性并增加调试难度。实现时通过抽象处理者基类定义模板方法，客户端只需将请求发送给链头，无需关心具体处理逻辑。本质是将处理决策权从
Mermaid 图：启动流程（配色柔和、中文节点避免疲劳）Mermaid 图：自动配置选择与条件评估（中文节点）Mermaid 图：启动事件总览（柔和配色）六、设计模式技巧（源码中的模式与落地）八、源代码阅读技巧（工程到代码的梯度）Profile/Property 决策。注册 BeanDefinition。五、核心接口与抽象类（源码索引）自定义监听/Actuator。十二、总结速记口（便携记忆）七
模式名称最佳适用场景实施复杂度典型收益渐进式澄清高歧义问题、高风险领域中准确率提升30-50%多候选回答主观性问题、多解问题低满意度提升25-40%知识边界检测开放域问答系统高错误率降低50-70%错误恢复对话多轮复杂对话中会话完成率提升用户反馈闭环长期运营的系统高持续准确率提升多模态验证事实准确性关键场景高错误率降至1-3%情境自适应多样化用户群体很高整体体验优化。
很多产品经理一听 Agent 就觉得是 AI 加强版，随便套个 Chatbot 就算完事。但你翻开字节、阿里、腾讯的技术博客，会发现他们讲的 Agent 和你理解的完全不是一个东西。大厂的 Agent 不是一个对话框，而是一套复杂的任务执行系统，核心在于规划、调度、验证。
本文详细解析了智能体设计模式中的知识检索(RAG)模式，阐述其索引、检索、生成三阶段核心流程。RAG通过整合外部信息弥补大语言模型的知识局限，但面临工程化挑战。文章探讨了RAG的未来发展方向，包括Agentic RAG、多模态融合及知识图谱结合，并提供了代码示例展示RAG与记忆管理的融合实践。这种融合将使智能体实现从"被动信息补充"到"自主认知决策"的能力跃
本篇重点分享了网络架构及其典型实现Swarm架构的特点，并结合代码示例展示了如何利用langgraph-swarm库构建具备动态移交能力的智能体协作网络。
本篇分享了多智能体系统的两种核心架构。主管架构通过主管智能体管理多个专业智能体，适合结构化任务。分层架构引入了团队与层级概念，由顶层主管协调团队主管，从而分担决策压力，提升系统处理复杂任务的能力。
桥接模式是处理"多维度变化"的经典方案。在 GUI 框架（如 Java AWT、Flutter）中广泛应用，将"控件类型"与"渲染平台"两个维度分离。与适配器模式"事后补救"不同，桥接模式是"事前设计"。典型的"抽象-实现"分离场景：GUI（控件-平台）、设备驱动（设备-操作系统）、消息发送（消息-通道）。不是"圆形是一种红色图形"，而是"圆形有一个颜色属性"。（颜色）分离，通过一座"桥"（组合关
《Agent设计模式V1》前期分析中已经从分层和多视角出发，系统性地梳理了共计39种Agent设计模式：《39种设计模式分层清单》，《18种大模型视角设计模式卡片》，《21种Agent工程视角设计模式卡片》。本文作为该系列的总纲，不再以功能分层的方式罗列这些模式，而是采取一种缺陷驱动（Defect-Driven）的设计思路。具体而言，本文将以大语言模型（LLM）的固有局限为起点，逐一映射到智能体系
ElCity 大概率不会成为下一个《城市：天际线》，它的模拟深度连 30 年前的《模拟城市》初代都比不上。但这不是重点。作者花一周时间，在所有人都觉得「离谱」的平台（Emacs）上，验证了一种被低估的架构思想，还顺便实践了 AI 辅助开发的新工作流。评论区里有人建议改名 ElCiudad（西班牙语「城市」），有人畅想「ElPresidente」（《海岛大亨》克隆），这些玩笑恰恰说明：玩具的价值不在
本文基于《Agentic Design Patterns》中文翻译项目的完整架构体系，从工程实现视角解析智能体系统构建方法论。
SmartArchitect 是一个 AI 驱动的可视化架构设计平台，通过自然语言对话快速将想法转化为流程图和架构图。核心功能包括： AI 对话生成：3 秒将描述转换为流程图 双画布系统：规范图与手绘风自由切换 图片智能识别：白板照片转可编辑流程图 多格式导出：支持 PPT、Slidev 等多种格式 多 AI 集成：可选 Gemini、GPT-4 等模型 技术栈采用 Next.js + FastA
本文基于[《Agent Design Pattern Catalogue: A Collection of Architectural Patterns for Foundation Model based Agents》](https://arxiv.org/html/2405.10467v4)论文解读，从认知科学视角解析大模型智能体的"思维"机制。
今天分享这套“超分重绘速通术”，专为不想在那在那在那手动修噪点是美术师打造。
摘要： 抽象工厂模式核心解决产品族一致性问题，确保一组相关产品（如UI组件）风格统一。与工厂方法不同，它通过类型系统强制约束，使同一工厂创建的所有产品必然兼容。典型应用如跨平台UI框架（Qt/Flutter）保持组件风格一致。其优势在于客户端与具体类解耦、风格切换灵活，但代价是扩展新产品需修改所有工厂实现。本质是将**"产品族创建契约"编码到接口**中，避免混搭风险。适用场景：
我们讨论的智能体模式侧重于在大语言模型之间协调交互和管理智能体内部的信息流（如提示链、路由、并行化和反思模式）。但如果要让智能体真正有用、能与现实世界或外部系统交互，就必须赋予它们使用工具的能力。工具使用模式通常通过函数调用（Function Calling）机制实现，使智能体能够与外部 API、数据库、服务交互，甚至直接执行代码。它允许作为智能体核心的大语言模型根据用户请求或当前任务状态，来决定
Reasoning（推理）：分析当前情况，制定计划Action（行动）：执行具体操作，如调用工具循环：基于行动结果继续推理和行动这种模式特别适合需要外部信息获取和多步骤推理的复杂任务。steps: int # 记录ReAct循环步数状态是LangGraph的核心概念，TypedDict提供了类型安全，operator.add实现了消息的自动累积。使用TypedDict定义状态结构，确保类型安全和代
文章总结了智能体(Agent)开发的19条实战经验，强调业务需求与实际实现间的差异。核心观点包括：明确业务真正需要的是"稳定"而非完全自动化；知识库构建需注重可检索性而非规模；意图识别需考虑测试与真实诉求区别；必须建立完善的评测体系和badcase库；确定性逻辑应优先于完全依赖模型；交付时需提供完整运营机制而非仅功能。这些经验对构建稳定、可控、实用的智能体系统具有重要指导价值。
本文详细探讨了大语言模型驱动的智能体系统构建方法，分析了LLM在自然语言理解、知识推理和持续学习方面的核心作用，介绍了Agent三层架构及上下文管理机制，讲解了智能体与API、向量数据库的集成技术，并解析了ReAct、Hugging Face和LangChain等框架的应用，为开发者提供了一套完整的智能体系统实现方案。
反思模式为智能体的工作流程提供了自我修正的关键手段，使其能通过多次迭代而不是一次性完成任务来持续改进。具体做法是形成一个循环：系统先生成初稿，然后按照既定标准对其进行评估，最后根据评估结果生成更完善的输出。这种评估既可以由智能体自己完成（自我反思），也可以由一个专门的评论者智能体来执行。通常后一种方式更有效，也是该模式的一个重要架构决策。
完整解析2026年电商商品图制作标准，涵盖白底图、展示图、卖点图和场景图设计原则，并提供高转化率商品图结构参考。了解如何使用AI快速生成专业商品图，提升点击率和转化率，打造更具竞争力的电商品牌视觉。
本文系统介绍AI智能体的基本概念、特性、执行步骤与等级划分，详述21种设计模式包括提示链、路由、并行化等，并展示如何组合这些模式构建复杂系统。文章揭示了智能体从LLM演化而来的技术演进，强调多模式组合而非单一应用的设计理念，为开发者提供构建自主智能体的体系化工具箱，适合大模型学习与实践参考。
本文针对长周期Agent落地中的上下文丢失和任务完成误判问题，提出三大解决方案：双Agent架构实现任务拆解与增量开发；基于Milvus向量数据库的语义检索机制保障跨会话状态恢复；测试驱动的端到端验证确保功能完整可用。通过LangGraph和Milvus协同工作，构建"短期记忆+长期记忆"系统，使Agent能可靠完成复杂长周期任务。
摘要：本文融合Boris Cherny的系统性方法论与OpenCode开源生态的实战经验，提出AI编程助手的工程化使用框架。核心包括：1）思维转变，将AI视为工程系统而非聊天工具，通过多实例并行和分层模型选择优化效率；2）系统化配置，利用AGENTS.md和Skills构建可复用行为边界；3）闭环工作流，从计划到验证实现质量提升。OpenCode作为开源方案提供多模型支持、技能定制和本地部署优势。
- 它消解了对AI的恐惧（不取代，只赋能）；- 它提供了可立即上手的方法论（Prompt工程、调试闭环）；- 它描绘了可持续的职业发展路径（向业务/架构/产品纵深演进）；- 它唤醒了技术伦理自觉（安全审核、版权意识、反恶意使用）。真正实现了**技术传播、能力培养、价值引导**三位一体。
前言Android确实不是当年盛况，已经不再像前几年前那么火爆。一个新行业如果经历过盛极一时，那么必然有这样的一条曲线，像我们学的正弦曲线先急速上升，然后到达顶点，然后再下降，最后再趋近一个平稳的值。那么这一两年就已经是在一个饱和值之间浮动，因此在这样的形式下，可能对于个人开发者相应的要求就要高一些。以前是只要你会Android四大组件的都是个香饽饽，那样的时代已经过去了，随着人机交互的体验要..
构架师（Architecture）是目前很多软件企业最急需的人才，也是一个软件企业中薪水最高的技术人才。换句话说，构架师是企业的人力资本，与人力 资源相比其能够通过构架、创新使企业获得新的产品、新的市场和新的技术体系。那么什么是构架师、构架师的作用、如何定位一个构架师和如何成为一个构架师 呢？这是许多企业、许多程序员朋友希望知道的或希望参与讨论的话题内容。 我在此抛砖引玉
原文链接1979年Trygve Reenskaug提出MVC。之后被其他公司和个人开发者发展光大。原始的MVC对于iOS开发不切实际。视图知道模型，控制器知道模型和视图。我们想要单项数据流，我们需要松耦合高内聚，因此需要减少依赖。利用外观模式（门面模式）降低控制器访问模型的复杂度。现代模式中的MVC遗产苹果的MVC:显然，UIViewController扮演了视图和控制器两个角色。...
开发部署流程和其他移动产品一样，开发部署流程包括下载SDK、搭建开发环境、提交苹果APP Store审核、客户端下载部署几个环节。由于苹果系统的封闭性，个人开发者需要注册成为 iPhone Developer ，至少需要 99 美元和几天验证等待时间，才可以开发真机调试的程序并供别人下载。1.1.1下载下载并安装 ArcGIS runtime SDK for iOS v10...
阿朱语：威客是设计师个人创业的好切口，iphone移动应用商店是个人开发者创业的好切口。如今还有淘宝开放应用平台、Google Open API，新浪也最近出了免费的云文件存储、云数据库、云图片存储。个人开发者创业的时代来临了。不需要具备资金、人脉关系、喝酒请客送礼、赔笑敲门推销。我很早就一直跟踪研究开放API。因为我坚信，Web2.0不是SNS、不是AJAX、不是blog等等，而是...
【作者介绍】KyXu，四年经验全职独立开发者，17 款独立开发上架作品。长期致力于，帮助工程师获得工资以外的第二份收入 —— 碾压身边产品经理十倍百倍的收入。【文章介绍】如果你也是工程师，我想告诉你，不要“神话”你身边的产品经理、运营、市场部门的同事。从现在开始，你可以以一打十：通过简单的学习，涉猎...
LoRA是一种高效微调大模型的技术，通过矩阵分解将参数改动量表示为两个小矩阵的乘积，仅需学习2%-16%的参数即可完成微调，降低90%以上成本。该方法避免了灾难性遗忘，效果接近全量微调，特别适合资源有限的个人开发者和小团队。LoRA还支持可插拔式技能包切换，使同一基础模型能快速适应不同任务，让大模型微调从大厂专利走向平民化。
灵活性与效率的平衡”
考察点：DDD (领域驱动设计) 理解参考回答定位：基于 DDD 分层架构，倾向于贫血模型与充血模型结合解释：①实体类（Entity）主要承载数据（偏贫血）；②核心业务逻辑未堆砌在 Service 中，通过领域服务（Domain Service，如 RaffleStrategy）配合设计模式（责任链、规则树）组织；③部分核心逻辑（如解析规则字符串）封装在实体（StrategyEntity）中（偏充
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
2048 AI社区
开源鸿蒙跨平台开发者社区
CSDN-OPC开发者社区
