本周完成了代码执行工具的安全沙箱设计，并为 Agent 添加了联网搜索能力，工具集扩展至 4 个，实现了从“只说不做”到“既说又做”的能力升级。

本周完成了代码执行工具的安全沙箱设计，并为 Agent 添加了联网搜索能力，工具集扩展至 4 个，实现了从“只说不做”到“既说又做”的能力升级。

FastAPI 会自动将返回的字典或 Pydantic 模型对象转换为 JSON 格式，并设置正确的。用于定义一个协程函数，调用时不会立即执行，而是返回一个协程对象。model改变了响应的数据结构，而class改变响应的媒体格式，且二者可以同时使用。为了解决浏览器“file://”协议或不同端口导致的跨域限制，在后端添加了。这是 OpenAI API 标准的对话消息格式，已实现简单的错误提示，但未

在第一周，我们已经完成了 FastAPI 基础与 DeepSeek API 的同步调用。但真正的 AI 对话应该是“边想边说”的，并且能记住上下文。大模型 API 本身是无状态的，每次请求独立。要实现多轮对话，必须由客户端维护历史记录，并在每次请求时发送给后端。存储所有对话，每次发送时深拷贝后传给后端，收到完整回复后再 push 进数组。不是普通的等待，而是“等但不死”——在等待期间，程序可以去做

本文将带你从零开始，使用 FastAPI + LangChain + LangGraph + DeepSeek 构建一个专注于 Unity C# 的代码审查 Agent。从最基础的 Chain 链路，到具备工具调用的 ReAct Agent，再到结构化输出、意图分类、思考链可视化和工程化加固，完整呈现一个 AI Agent 从 Demo 到生产级的进化过程。适合对 AI Agent 开发感兴趣的后

本文将带你从零开始，使用 FastAPI + LangChain + LangGraph + DeepSeek 构建一个专注于 Unity C# 的代码审查 Agent。从最基础的 Chain 链路，到具备工具调用的 ReAct Agent，再到结构化输出、意图分类、思考链可视化和工程化加固，完整呈现一个 AI Agent 从 Demo 到生产级的进化过程。适合对 AI Agent 开发感兴趣的后

本文将带你从零开始，使用 FastAPI + LangChain + LangGraph + DeepSeek 构建一个专注于 Unity C# 的代码审查 Agent。从最基础的 Chain 链路，到具备工具调用的 ReAct Agent，再到结构化输出、意图分类、思考链可视化和工程化加固，完整呈现一个 AI Agent 从 Demo 到生产级的进化过程。适合对 AI Agent 开发感兴趣的后

本文将带你从零开始，使用 FastAPI + LangChain + LangGraph + DeepSeek 构建一个专注于 Unity C# 的代码审查 Agent。从最基础的 Chain 链路，到具备工具调用的 ReAct Agent，再到结构化输出、意图分类、思考链可视化和工程化加固，完整呈现一个 AI Agent 从 Demo 到生产级的进化过程。适合对 AI Agent 开发感兴趣的后

在第一周，我们已经完成了 FastAPI 基础与 DeepSeek API 的同步调用。但真正的 AI 对话应该是“边想边说”的，并且能记住上下文。大模型 API 本身是无状态的，每次请求独立。要实现多轮对话，必须由客户端维护历史记录，并在每次请求时发送给后端。存储所有对话，每次发送时深拷贝后传给后端，收到完整回复后再 push 进数组。不是普通的等待，而是“等但不死”——在等待期间，程序可以去做

在第一周，我们已经完成了 FastAPI 基础与 DeepSeek API 的同步调用。但真正的 AI 对话应该是“边想边说”的，并且能记住上下文。大模型 API 本身是无状态的，每次请求独立。要实现多轮对话，必须由客户端维护历史记录，并在每次请求时发送给后端。存储所有对话，每次发送时深拷贝后传给后端，收到完整回复后再 push 进数组。不是普通的等待，而是“等但不死”——在等待期间，程序可以去做