我是做传统企业信息化出身，最熟悉的是MySQL、GaussDB和Java/Python。AI浪潮来了，不想只当看客。手头没有GPU、没有云服务预算，咬牙自费买了一台华为MateBook 16S（i7-250H + 32GB内存 + 1TB硬盘）。一天时间，从拆封新机到跑通AI聊天应用。本文就是这一天的完整记录。一天时间，从零到跑通本地AI聊天应用。这不是终点，而是起点。后续可以继续探索：本地PDF

​今天实践分享的内容很接地气，这个场景是非常典型的，最容易实施的。大家可以跟着一步一步来，和我一起动手搭建一个【橘子洲头景区AI客服】的完整AI应用场景。用核心景区“长沙橘子洲头”的案例做了个性化的场景化改造——加入景区知识库、定制Prompt、优化UI体验。​

针对制造企业传统数仓无法承载非结构化数据、数据湖质量难管控的普遍痛点，结合智联工坊虚拟工厂实战场景，从数据类型、架构对比、业务落地、技术选型四个维度，讲透湖仓一体的核心价值与落地路径。方案对标 GB/T 39116-2020 智能制造标准，可直接作为企业数据平台建设的参考方案。

针对制造业 MES 工时异常人工排查效率低、标准不统一的痛点，本文结合智联工坊虚拟工厂 360 条工单数据，演示用 WorkBuddy 实现自动化异常检测的完整流程。采用 3σ+IQR 双重统计算法，按产线分组精准识别工时、质量、设备三类异常，附可复用 Python 分析脚本、结构化结果与完整分析报告，可直接落地到企业月度质量月报场景。

本文介绍用“明星呼吸灯墙”小项目来激发孩子编程兴趣。作者女儿提出想让明星海报动起来，于是用Python不到50行代码实现了照片呼吸灯的运动效果，通过Flask框架构建网页展示。项目核心是通过CSS动画让照片循环放大缩小，形成呼吸效果，并错峰延迟产生波浪感。教程适合零基础青少年，能在半小时内完成，让孩子直观感受编程乐趣。文章详细说明了环境搭建、代码实现和效果调整方法，并分享了编程教学理念：从可视化效

在调用Agent工具时明明传了date参数，却反复报错Field required。排查发现，LangChain的ReAct Agent在生成Action Input时，将整个JSON对象作为字符串嵌套进了line_name字段，导致Pydantic只解析到第一个字段。本文剖析Agent参数生成的内部机制，并提供“防御性JSON解析”的通用解决方案。适用于LangChain 0.3.x版本的Age

LangChain ReAct Agent 调用多参数工具时，反复报 Field required 错误，排查发现完整 JSON 被嵌套塞进第一个参数字段。本文深入剖析 ReAct Agent 参数打包机制，提供 args_schema=None 绕过 Pydantic 自动校验、手动解析参数的完整落地方案，彻底终结嵌套 JSON 问题。

完整记录构建“越南市场情报Agent”的进阶之路。基于“智联工坊”虚拟智能工厂场景，Agent整合了MQTT设备模拟、汇率查询、市场情报检索、多语言报告生成四大工具，实现了“感知→分析→报告”的完整业务闭环。文章涵盖：ReAct模式在多工具场景下的应用、工具链设计原则、LangChain Agent配置调优、以及跨工具状态传递的工程实践。配套完整可运行代码，适合已入门Agent开发、希望掌握多工具

LangChain ReAct Agent 调用工具时，Action Input 常自带 Markdown 代码块，导致 JSON 解析抛出 Expecting value 报错。本文拆解根因：模型训练数据形成的格式偏好，单靠 Prompt 无法根治，提供「Prompt 强约束 + 解析层兜底剥离」双层解决方案，可复用到所有工具定义中。

本文探讨了AI从RAG（检索增强生成）到Agent（智能体）的能力演进，重点分析了两种范式的本质差异：RAG解决"知道"问题，而Agent实现"做到"能力。文章详细拆解了ReAct模式（推理+行动）的核心机制，提炼出工具调用的四大设计原则，包括抽象粒度、描述规范、安全边界和优先级设置。在制造业数据管理场景中，Agent可应用于数据质量巡检、数仓分层设计和数据