GitHub 2.7万星项目，一站式搞定 AI Agent + RAG 开发，太强了

大语言模型（LLM，Large Language Model），是一个通过海量文本训练、能自动生成通顺文本的人工智能系统。它并不真正“理解”语言，而是基于统计学规律，做一个超级“接话王者”。

检索增强生成（Retrieval-Augmented Generation，简称RAG）通过将大型语言模型的能力与外部知识检索相结合，彻底改变了我们构建智能系统的方式。

在实际项目中，通常会结合使用两种方式：对有依赖的子任务用串行，对无依赖的任务用并行，最大化提升Function Call的效率。

LLM-in-Sandbox愿景成为服务LLM的默认范式：分析任务获得可验证计算，长上下文任务受益于基于文件管理，创意任务产生实际输出而非文本描述。

最近 AI 圈最热门的话题非 OpenClaw 莫属，今天这篇文章我们就以 OpenClaw 为例，为大家介绍 AI Agent 是怎么运作的。

这篇文章将让你对神秘莫测的大语言模型（LLM），从"这玩意儿到底怎么工作的？"到"哦，原来我也能造一个！"的奇妙转变。

一个做了五年前端开发的程序员，在"设计稿到代码"的AI工具让外包需求暴跌之后，找到了新的战场。

本文将从零到一地介绍如何使用LangChain构建从检索增强生成（RAG）到智能代理（Agent）的完整应用。

本文是台大教授李宏毅讲授AI Agent的爆火油管视频的文字稿。内容层层递进，是学习和理解AI Agent难得的好教材。由于原视频较长，为方便订阅读者们高效学习，智能超参数特地整理出来这节课的文字实录。