文章摘要：大模型可通过简单提示词直接生成各类Mermaid图表（思维导图、架构图、泳道图等），无需人工修改。其工作原理是：输入文本→AI生成Mermaid代码→代码渲染成图。Mermaid作为基于JavaScript的图表工具，能以极简代码创建复杂图表。相比传统制图软件（如Xmind）需要长期学习，现在只需向AI描述需求即可快速生成专业图表。目前大模型的编程能力越强，生成的图表完成度和美观度越高。

对大模型而言，不能满足人们需求关键问题有二：一是大模型的知识更新问题：大模型存在知识更新问题，大模型在训练完成后，其知识也已固化无法更新。因此通过提示工程及RAG技术（本质上也是提示工程的一种）把新知识输入到大模型中。但这还远远不够，比如获取实时信息（例如天气、数据检索等）、执行相关任务（例如发送邮件、自动化任务等），因此又提出了Function Calling技术，通过程序调用的方式让大模型自动

本文介绍了大模型上下文协议(MCP)及其在天气信息查询中的应用。MCP是一种标准化协议，允许大语言模型与外部系统安全交互，提供实时数据访问和复杂操作执行能力。相比传统API调用方式，MCP具有安全性高、集成简单、支持双向通信等优势。文章通过一个实战项目详细展示了如何基于MCP开发天气查询工具，包括服务器和客户端实现，以及使用MCPInspector进行调试的过程。该工具可查询城市天气预警和未来天气

对大模型而言，不能满足人们需求关键问题有二：一是大模型的知识更新问题：大模型存在知识更新问题，大模型在训练完成后，其知识也已固化无法更新。因此通过提示工程及RAG技术（本质上也是提示工程的一种）把新知识输入到大模型中。但这还远远不够，比如获取实时信息（例如天气、数据检索等）、执行相关任务（例如发送邮件、自动化任务等），因此又提出了Function Calling技术，通过程序调用的方式让大模型自动

本文系统介绍了大语言模型应用中的关键技术概念：Agent（智能体）是基于LLM结合外部工具完成复杂任务的实体；FunctionCalling是让LLM生成结构化指令调用外部函数的机制；MCP是标准化模型与工具连接的协议；A2A则实现了不同Agent间的协作。文章通过天气查询示例展示了Agent工作流程，分析了各项技术的必要性及相互关系：FunctionCalling/MCP解决工具调用问题，而A2

KAG框架（Knowledge Augmented Generation）旨在提升检索增强生成（RAG）技术在多跳任务和跨段落任务中的性能，特别是在法律、医学和科学等需要分析推理的专业领域。RAG技术通过外部检索系统提升大语言模型的时效性并减少模型幻觉，但在生成文本的连贯性和逻辑性方面仍有不足。KAG框架通过整合知识图谱和RAG技术，提出KAG-Builder、KAG-Solver和KAG-Mod

还记得三月初的时候 Manus 刚刚发布轰动全球，产生了一码难求的局面，甚至在某鱼上一个激活码被炒到天价，接近六位数。短短两个月过去了，很多公司也都跟进了这方面，比如 Coze 平台推出的扣子空间，上来就让大家免费使用。Manus 应该也是反应过来了，再不开放用户就都要丢失了。不过目前国内版的 Manus 还是在开发中，国际版的 Manus 已经免费开放给所有用户使用。

人类之间的沟通大量基于长期已有认知，即便表达存在模糊性也仍然可以顺畅理解对方意思。特别在网络时代，大量图像的输入以及如网络用语、“梗”的使用导致对语言表达的偏废，也就导致缺乏主动寻求意义的动力。因此，在人工智能时代，如何表达精准成为人类需要学习的与人工智能对话的最基本要领。将人工智能大语言模型用于合同审查，可能是法律人利用人工智能的主要方式之一，但是由于表达的不精准和模糊，往往会使大语言模型的输出

摘要：本文介绍了如何利用DeepSeek工具生成交互式数据分析图表，并将其嵌入Excel和PPT中，以提升演示效果。传统AI生成图表的方法通常只能生成静态图像，缺乏交互性。而通过DeepSeek，用户可以生成代码模板，结合数据生成可交互的图表。具体步骤包括选择图表模板、使用DeepSeek生成代码，并将代码嵌入Excel或PPT中。这种方法不仅提高了图表的可修改性和稳定性，还使得非技术人员也能轻松

阿里开源Qwen3系列大模型全线发布，在代码、数学等基准测试中表现优异。文章介绍了通过Ollama（需≥0.6.6版本）快速本地部署Qwen3模型的方法，包括模型选择、显存占用分析和推理速度测试。特别说明该系列支持关闭思考模式（添加/no_think）以提升效率。同时展示了Python调用技巧：使用ollama库实现文本生成/对话任务，以及基于pydantic-ai构建支持函数调用的智能体应用。文