
简介
该用户还未填写简介
擅长的技术栈
可提供的服务
暂无可提供的服务
记忆管理(Checkpointer + Thread ID)让Agent拥有了连贯的对话能力,它通过持久化状态,解决了无状态Agent的“失忆”问题,是实现流畅用户体验的基础。中间件(Middleware)则为Agent提供了强大的治理能力,通过和等内置中间件,我们可以灵活地控制成本、保障安全并增强系统的健壮性。掌握这两项技能,意味着你不仅能让Agent“动起来”,更能让它在你设定的轨道上“安全、
RAG 全称 Retrieval-Augmented Generation,直译为“检索增强生成”。它由 Meta 公司在 2020 年的论文 Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks 中首次提出。简单来说,RAG 是一种将信息检索系统与大语言模型相结合的技术框架。基本思想为:将传统的生成式大模型和实时信息检索
协议本身是传输无关的,开发者可以根据需要实现自己的传输机制(如WebSocket、gRPC等)。选择建议:本地开发和调试推荐stdio;生产环境推荐HTTP+SSE。如果需要更复杂的逻辑,可以编写原生MCP Server。以下是一个简化的自定义Server示例,使用fast-mcp库:python"""查询城市天气"""# 调用真实天气API"""计算数学表达式"""启动MCP Server:ba
如果说2023年是AI大模型的“元年”,2024年是AI应用的“落地之年”,那么2026年,我们正站在一个被称为的浪潮之巅。它不再是简单的聊天框里的一问一答,而是被赋予了“行动力”的智能实体。
Milvus是一款开源的云原生向量数据库,专为海量向量数据集的高性能相似性搜索而设计。它诞生于2019年,目前是LF AI & Data Foundation旗下的顶级开源项目,采用Apache 2.0许可协议。简单来说,Milvus解决的是“模糊查找”问题:在亿级高维向量中,快速找到与目标向量最相似的那些结果。它是AI时代的关键基础设施,服务于推荐系统、图像搜索、RAG(检索增强生成)等场景。M
讲述了三剑客之JS的基础知识,包教会

从“AnyScript”到工业级代码,这一篇就够了如果你已经会用 string、number、boolean 等基础类型,恭喜你——你不再是 TypeScript 新手。但当项目规模膨胀到几十万行,你会发现仅仅靠基础类型远远不够。我们需要更强大的抽象能力、更严格的访问控制、可复用的“类型逻辑”。读完本文,你将写出既灵活又安全的 TypeScript 代码,并且能直接在组件开发中落地。

在快节奏的现代生活中,情绪困扰常常被人们压抑在心。一个安全、匿名、有回应的倾诉空间,能成为许多人情绪的出口。本文介绍我开发的一个开源项目——情绪互助平台,一个结合了 AI 辅助审核、管理员管控、实时消息通知和温暖 UI 的社区系统。项目包含完整的前端界面(原生 HTML/CSS/JS)和后端 API(FastAPI + SQLite),代码清晰易懂,适合学习全栈开发、社区产品设计和 AI 集成实践








