登录社区云，与社区用户共同成长
邀请您加入社区
本文剖析了Agent系统中“Plan步骤从pending到done”状态迁移的七个真实Bug，揭示其背后深层设计问题：状态机语义复杂、终态不闭合、状态与事件脱节、生命周期未递归终结等。教训聚焦于：终态应使用枚举而非布尔组合，同状态迁移需幂等，状态变更与事件发射必须原子化，父生命周期结束时须收口子状态，错误提示应引导模型行为。这些原则适用于任何多参与者、异步执行的智能工作流系统。
整个计算过程可以理解成一层层往外套函数：每组参数算一层，结果丢进下一层，再算、再套……两百多层套完，最后吐出的是「下一个词更可能是谁」。就这样，参数文件里的这堆数字，变成了一个能预测下一个字概率的数学函数。
转型不是从零开始，而是能力复用。前端工程师的 UI 能力、产品思维、API 调用经验、异步编程习惯，在 Agent 领域不仅有用，而且是很多后端工程师的短板。转型 AI Agent，不需要你放弃前端，而是在你的技能树上新增一个高价值分支。2026 年，这个窗口期还在，但速度正在变快——越早入场，优势越大。
Token 是什么：官方名叫"词元"，是大模型处理文本的最小单位，不是单词，更不是区块链的代币！为什么重要：技术上是理解 LLM 的基础，成本上 API 按它计费，性能上决定处理能力。怎么计算：用 tiktoken 或者在线计算器，别只靠估算。怎么优化：从 Prompt、后处理、系统三个层面入手，省下 30-50% 不是梦！怎么选模型：国内模型中文性价比高，国外模型多语言能力强。怎么样，看完这篇文
先说清楚一个定位：通用大模型经过预训练，相当于一个读遍互联网的毕业生——语言、逻辑、编程、百科，什么都难不倒他。但你的任务是保险客服、标书审查、工单分类，要的是准确、稳定、符合你的口径。从「毕业生」到「你公司的人」，中间差的这段路，就叫落地。具体差在四处。图1 通用模型与生产要求之间的四个缺口话术口径对不上——模型说「一般来说可以」，你的客服手册规定必须先核验犹豫期和渠道；私有知识缺失——内部产品
从 Vue、React 转到 Agent 开发，最容易踩的坑不是模型能力不够，而是把提示词当成一段随手拼接的字符串。前端同学对字符串模板并不陌生，但提示词模板和普通模板有本质区别：它需要支持变量注入、多轮消息结构、部分填充、输出格式约束，还要能被复用和测试。这几件工具，就能把零散的提示词变成可维护、可测试的工程资产。这一步是 Agent 记忆能力的基础：只要把历史消息维护好，模板就能自动拼出完整的
传统 SEO 面向传统搜索引擎（检索关键词匹配、网页摘要），而GEO Generative Engine Optimization，生成式引擎优化，目标是让 LLM、AI 问答引擎、生成式搜索在回答用户提问时，优先引用、提取、推荐我方内容。GEO 核心思路：对知识库原文做结构化改造、元数据增强、提示词适配、引用标记，提升内容在大模型 RAG、AI 摘要、引用生成任务中的召回与引用概率。SEO：给爬
本文介绍了"智能体开发员"这一新兴职业，强调其并非需要高深算法背景，而是侧重将现成大模型落地成产品。文章分析了多个招聘案例，揭示了该岗位的核心要求：熟悉Python、掌握Web框架、了解LangChain、LlamaIndex等，并强调实际项目经验和独立开发能力的重要性。薪资方面，起薪普遍过万，但分档较大，高阶职位要求独立完成复杂项目。文章还建议应聘者准备3-5个完整项目作品，并清晰阐述项目细节，
文章指出前端岗位因AI技术发展而缩减，建议前端程序员学习AI应用开发，通过做完整项目提升技能，转型AI应用开发。文章强调，市场需要懂业务、懂后端、懂AI的复合型人才，并提供三个月的转型计划，建议程序员不要只盯着大厂，传统企业和行业软件公司同样需要复合型人才。最后，文章指出焦虑无法短期解决，但可以通过提升自己的能力增加选择。脉脉有个解答帖，问得特别扎心。一个五年经验的前端女生，目前没工作，很焦虑。打
本平台以水下环境世界模型为底座，融合多模态生成式重建与具身智能，破解水下考古“看不见、摸不准、留不住”难题。通过多源数据融合、AI判读、区块链存证与六类角色协同，实现浑浊水域成像可用率≥85%、三维重建24小时内完成、遗存召回率≥90%，构建集感知、建模、判读、协同、输出于一体的数字基础设施，推动水下考古迈向智能化、可溯源、全民参与的新范式。
原文的定义是：围绕显式的图来设计 AI 系统，节点是实体、决策、概念，边是有类型的关系，智能体沿着边走。念完还是不知道在干嘛。换个比喻。循环式的智能体像拿着清单干活的工人，读一条，做一件，看一眼，再读下一条。图式的智能体像一个项目组，活分给几个专家同时干，结果汇到负责人桌上，他决定交货还是打回去重做。同样三个人审同一份代码，循环是一个审完下一个上，图是三个人一起看。差别不在聪明程度，在于要不要排队
本文揭示了AI领域实习和研究岗位的薪酬飙升现象，海外巨头如OpenAI、Anthropic等开出月薪7000-18000美元的实习offer，折合人民币约4.9-12.6万元。硅谷的实习项目已接近全职研究员的薪酬水平，国内大厂如字节跳动、阿里巴巴、腾讯等也大幅提升AI实习岗位规模和待遇，以应对行业人才缺口。文章指出，AI技术竞争本质是人才竞争，高校、企业及政府正共同努力构建完善的人才培养体系，以推
结合记者 Tiffany Li 与 Stephanie Palazzolo 于 11 月 4 日太平洋时间上午 7:02 发布的报道，OpenAI 计划最快于 11 月 6 日前后更新其模型产品线，重点指向下一代 Astra、Sol 以及专注于网络安全的专用模型（具体发布窗口仍可能根据最终测试结果动态调整）。将此次媒体爆料与重度软件工程与 Agent 协同：现行在 DeepSWE v1.1（74%
我空窗三个多月。从决定转型那天起，我把这段时间当一个项目管：有名字（Java 后端转型 Agent 开发），有里程碑，有产出。不是为了自我安慰，是三个月后面试官问「这段时间你在干嘛」，我得拿得出东西。三个动作。第一，每周五写一篇周报，发在技术博客上。这周学了什么，卡在哪，下周干什么。写得也不怎么样，就是流水账，一共十几篇。结果面试的时候真有面试官提了一句「你那个博客我看了」——就这一句，后面整个项
去年冬天，一个做企业客服的团队找到我，说他们的 AI 助手"偶尔会重复下单"。现象很怪：用户只点了一次"确认退款"，系统却生成了两条退款单；用户只问了一遍"我的订单到哪了"，助手连着回了三遍完全相同的话。日志里看不出任何异常，模型调用成功、工具调用成功、数据库写入成功，链路追踪一片绿色。排查到第三天，问题定位在两个地方。第一，前端在流式响应超时后自动重发了请求，后端把两次请求当成两次独立会话处理。
本文系统解析生产级 Agent 的“停止”机制，指出仅断开前端流无法真正取消任务。提出四层解决方案：取消信号层层传递、工具可终止（如杀进程组）、对话历史修复（补“已取消”结果）、支持用户中途补充（steering）。强调需通过独立 AbortController、服务端注册表、历史修复中间件与队列机制实现可靠取消，并配套可观测性指标与最小落地清单，确保取消不仅是 UI 行为，而是贯穿全链路的生命周
作者从银行风控系统后端转型至美的Agent开发岗，分享两个月去魅经历。初期主要进行检索系统迁移、数据清洗、接口排查等传统后端工作，后发现核心在于评测、数据判断及AI嵌入存量系统。文章强调Agent开发需具备工程能力与数据链路知识，转型者应正确预期，利用现有技能实现职业平移与提升。入职之前，我以为Agent开发岗是这样的：每天写提示词、编排工作流、调试模型，坐在AI浪潮的正中心，做的事和两年前的自己
微调 = 让通用AI模型学习特定技能的"岗前培训"，LoRA 是一种低成本微调方法，只调整模型的一小部分参数。微调是在预训练模型基础上，针对特定任务调整参数，让通用模型变成领域专家。通用模型回答不够专业（ChatGPT 写医疗建议可能不准确）企业内部数据模型不知道（公司产品手册、内部流程）特定风格需求（让 AI 模仿某个作家的写作风格）医疗 AI：用医学论文微调，让它能回答专业问题客服 AI：用公
本文指出AI岗位面试重点已从掌握LangGraph、RAG等框架转向项目问题解决能力。作者通过自身经历分享，强调面试官更关心项目实施中遇到的挑战、解决方案及设计取舍。建议应聘者深入复盘项目，思考技术选型、问题排查及优化方向，而不仅是背诵理论流程。文章强调，AI岗位招聘的不是“会用大模型的人”，而是“能解决实际问题、能兜底、能清晰阐述问题与解决过程的人”。最近面了几家 AI 相关的岗位，有个感受还挺
本平台以个体级人群仿真为核心，融合三维数字孪生与多智能体协同，实现大型活动安全管控从“事后处置”到“事前推演”的跃迁。通过沙盘推演对比、AR实景辅助、生成式情景构建等创新，让决策在虚拟空间中“先试错”，显著提升态势感知、预案验证与协同效率，真正实现“决策之前，先演一遍”。
本项目构建低空经济三维智能调度平台，通过数字孪生与实时光追渲染，实现空域高度层可视化、航线碰撞预演、多机自主避让及三维审计回放。基于AI智能体层，支持自然语言指令生成调度方案，三端协同提升决策效率与用户体验。核心代码实现禁飞区判定、航线冲突检测与多方案评分，性能测试显示冲突处置时长降低60%，准点率提升至98%。
本文探讨了AI Agent的兴起如何改变前端开发者的价值定位。虽然AI能自动化简单的前端工作，但异步思维、流式处理、组件化设计和用户交互理解等前端核心技能，正是AI Agent应用开发的关键。文章指出，前端开发者无需转行，只需升级现有技能，即可在AI时代占据核心位置，成为连接模型与用户的桥梁，实现职业价值的提升。过去两年，AI 编程工具每进一步，"前端已死"的声音就大一轮。但 AI Agent 的
这个指标很硬，也确实解决了一个真问题——过去两年语音 agent 几乎都死在同一处：答应一声"好的"，然后安静两分钟。但这个数字是模型侧的。
上周三晚上十一点半，我盯着自己那个"AI 助手"的页面发呆：用户问一句话，光标转了 14 秒，然后"啪"地把一整段答案甩出来。老板在旁边说了一句"这跟百度有什么区别"，我就知道这个周末没了。问题不在模型。我后来拿在服务端打了时间戳，模型第一个 token 在第 0.8 秒就吐出来了，剩下的 13 秒全耗在我自己的代码上——我用的是最朴素的同步等待，然后把整个 JSON 一次性返回给前端。模型早就开
本文深入浅出地讲解了Agent开发的核心概念，将其简化为“模型+工具+循环”的模式。通过裸API调用的方式，详细阐述了如何实现工具清单、函数执行、名字映射和循环对话历史管理。文章强调前端工程师具备的技能可直接迁移至Agent开发，并提供了从裸API到MCP协议的进阶路径，最后总结了三种实现方式的优缺点及适用场景，旨在帮助初学者快速掌握大模型开发的基础。先搞清楚一件事：Agent 到底在做什么？
2026 年 11 月 2 日，上海法治报报道了上海市首例利用 AI 伪造签名、盗用大模型算力案，案件已于近日宣判。被告人宗某某在 2025 年 12 月自学了调用 AI 平台 API 接口的“教程”，随后盯上一家人工智能企业运营的大模型聚合平台。这个平台的计费逻辑不复杂：用户登录后消耗积分生成图片和视频，平台按次向上游模型厂商支付算力成本。宗某某用技术手段摸到了平台不对外开放的接口，自建中转网站
文章指出，随着AI技术的发展，传统前端岗位逐渐减少，市场对前端程序员的要求也在变化。建议前端程序员学习AI相关知识，如调模型接口、懂RAG等，并通过实际项目展示能力。文章提出三步走转型策略：第一周筛选学习资料，第二个月完成AI项目，第三个月投递“AI应用开发”岗位。同时，建议拓展求职范围，关注传统企业数字化部门等机会。最后强调，持续学习是应对技术变革的关键。脉脉有个解答帖，问得特别扎心。一个五年经
做了近十年跨境物流和报关相关的系统开发，我越来越觉得这行的人是在"用蛮力干活"——查轨迹、比运价、做单证、核合规，全是高频、强规则、低创造性的重复劳动。去年大模型能力成熟后，我用 Vue3 + SpringBoot + 智谱 GLM 搭了一个 AI Agent 工作台 CrossBorder Buddy（跨境物流智能体），把上面这些环节自动化掉了。这篇文章复盘一下技术选型、整体架构和踩过的坑，供同
SubAgent 只能派活交结果，需要多方持续沟通协同怎么办？本文详解 Claude Code Agent Teams 多智能体团队协作机制，多个 Agent 可以互相发消息、同步接口、并行开发，自带任务看板。从原理、工作流程、实操配置，到冲突风险、Token 开销、适用边界一次性讲清楚，Agent 多角色编排必看。
为了让不同模型的流式处理保持统一，我们先定义一个模型适配器接口。/*** 非流式调用*//*** 流式调用*/这样，Controller 层只需要关心统一入口，不需要了解具体模型实现。我在大模型统一调度网关项目中负责 SSE 流式转发模块。网关对外提供统一的 OpenAI 兼容接口，内部适配 OpenAI 和 Claude 等模型的流式协议。
住民宿和住酒店最大的差别，是这中间站着一个「人」——他记得你订的是山景还是阁楼，知道今晚院子里的星空好不好看，也清楚退房那天中午 12 点前要把房卡放在哪儿。所以这篇不按「背景 → 接入 → CSS → 知识 → 小结」那套通用骨架写。。每一站停一下，聊一个技术话题，顺手把里对应的那一段样式拆开看。走完这趟，你会发现这个组件的样式不是装饰，而是「旅途进度」的可视化。：让智能体知道「我是谁、知道什么
点一炷香，不是要点给谁看，是给自己找一个坐得住的角落。这篇讲小应用「香室」和背后的端到端具身交互智能：一个记得你上次坐了很久、会等你静下来再开口的智能体，把一间香室搬进屏幕。
因为它把三个不该由前端管的活儿全揽到了前端：流式解析——前端要自己起请求、切 SSE、拼片段；拆句——按标点把长回复切成播报单元，切早了语气断，切晚了等待长；生成 SSML——把每段文本包成 ，还要算停顿。这三者只要有一个和语音侧不同步，就会出现"字幕到了、口型没到"，或者"换了个模型，前端全得改"。更糟的是密钥落在浏览器里。现在这条路被整体收进端到端 SDK：全局对象 。前端只负责把一个字符串递
最近带的一个学员，做了九年中间件，在一家做企业 SaaS 的公司，管的是几百个 Java 服务底下那层东西：网关插件、发布流水线、各种代码扫描。今年七月中他找我的时候，刚学完一套 Agent 课程，状态不太对，问我为什么课都听懂了，自己动手就写不动。三个月过去，他没有拿到新 Offer，也没有转岗成功。但上周有一个东西正式跑起来了：一个挂在他们 GitLab 上的 AI 代码审查机器人。同事提 M
本文分享了作者从前端转型Agent开发的心得，指出转型难点并非后端知识，而是对服务端运行环境的陌生和调试能力的缺失。文章提出一个为期两个月的学习路线，强调理解Agent任务的异步特性和状态管理，以及如何将前端经验迁移到服务端，并通过实战项目提升技能。作者建议小白不要畏惧挑战，通过针对性学习和实践，可以快速掌握Agent开发技能。首先我想说网上把前端转Agent说得特别吓人。什么"前端没写过服务端转
你的理解：✅是正确的✅ 前端调用也是正确的✅ 后端写/login接口匹配也是正确的核心要点前端路径中的/api/会被 Nginx 替换成/admin/后端接口路径中不要出现/api/，应该用/admin/你的正好匹配转换后的路径这样配置的好处是：前端不需要知道后端的具体路径前缀（/admin），只需要统一调用/api/xxx，Nginx 负责做路径映射。
比如:用户要看首页,我们就让用户点击一个指向首页的a标签,点击之后,浏览器地址栏的路径会发生变化. 我们就可以通过最新的路径,去判断用户要看哪个页面视图. /home 表示用户要查看首页. 当路径是/detail的时候,表示用户要看详情页。实现单页面应用的原理:只加载一个html页面(整个网站所有的视图(每一个单独页面))都包含在这个html页面中.当用户要打开首页的时候,就只展示首页对应的视图
状态模式尤其适用于那些根据外部事件或内部条件频繁改变状态并且每种状态下行为不同的场景，例如设备的不同工作模式切换、任务调度、传感器状态管理、通信协议状态机
状态模式
——状态模式
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
北京朝阳AI社区
DAMO开发者矩阵
魔珐星云开发社区
2048 AI社区
乐奇 Rokid 开放社区
