如果说 PyTorch 是造车的发动机，那 HuggingFace 就是直接送了你一辆跑车。代表模型：BERT。能力：擅长理解和分析。像一个阅读理解满分的学生。你给它一篇文章，它能告诉你文章的情感是正面的还是负面的，或者提取出文章里的人名。应用：文本分类、实体识别、搜索匹配。代表模型：GPT系列, Llama, Qwen。能力：擅长生成。像一个话唠小说家。你给它一个开头，它会根据概率不断猜下一个字

是来解决其实也能做规划、做任务，它可以把一个复杂的任务分成几个小任务，并且知道先执行哪个任务，再执行哪个任务，但是的这些能力跟它的一样，不靠谱，并且它的这些功能经验也不足，所以才衍生出。本次只是对的初步了解，先带大家了解下与，之后的文章内也会对做深入的探索。

本文介绍了如何在Coze平台搭建WorkFlow Agent（带工作流的智能体）。首先解释了思维链（Chain of Thought）的概念，即大模型通过中间推理过程模拟人类思考。然后详细说明了工作流的四个组成部分：Prompt、思维链、工具使用和反思，并强调要让Agent像人类一样思考和处理文件资料。文章提供了在Coze平台创建WorkFlow Agent的六步操作指南，包括创建项目、设置Age

本文详细介绍了从零开始构建ChatBI助手的技术实现方案。系统基于LangChain和vanna框架，集成了数据采集、存储、分析和可视化功能，专注于股票数据分析场景。核心功能包括：1）交互式自然语言查询生成可视化图表；2）实时股票新闻检索；3）智能预测模型（ARIMA趋势预测、布林带异常检测、Prophet周期性分析）。文章详细说明了Tushare数据采集接口和Tavily搜索引擎的使用方法，并深

预估体重 = 0.03 * 50 + 0.02 * 55 + 0.08 * 60 + 0.1 * 65 +0.2 * 70 + 0.41 * 75 + 0.46 * 80 + 0.32 * 85。

Agent + Tool - Skills（内置了一些Skills）Skills（元数据 name ，description —> 决定调用什么工具；指导说明书SKILL.md —> 怎么调）Agent会先调用read_file通过加载这个skill.md了解具体的调用方法。

AI Agent框架对比与选型指南 主流AI Agent框架包括LangChain（全能型）、LlamaIndex（RAG专家）、AutoGen（多智能体协作）和轻量级方案如nanobot。核心差异体现在工具注册方式、RAG支持、多Agent协作和生态整合等方面： LangChain：生态最丰富，适合通用AI应用开发，支持灵活流程编排（LCEL）； LlamaIndex：专精RAG场景，提供专业文

文章摘要： 本文探讨了大模型与外部系统交互的三种技术方案：Function Calling、MCP（Model Context Protocol）和Skills。Function Calling作为基础能力，通过预设函数实现简单任务（如天气查询、数学计算），具有低延迟和高安全性；MCP是开放协议，支持跨模型复杂交互（如多轮对话、动态适配），类比“AI领域的USB-C接口”；Skills则是增强版F

大模型应用的演进之路：从对话到系统智能 2023年起步于指令遵循（Chat Model），通过SFT和RLHF实现精准对话；2024年进入推理时代（Reasoning Model），借助思维链技术提升逻辑能力；2025年迈向智能体时代（Agent），模型可自主规划、执行任务；2026年升级为系统智能（Multi-Head Agent），通过多模块协同实现闭环进化。训练范式从人类反馈转向AI自监督与

LangChain是一个简化大语言模型(LLM)应用开发的框架，提供模型封装、提示管理、记忆存储、索引工具等核心组件。最新1.X版本进行了架构重构，新增LangGraph(复杂工作流编排)、LangServe(API封装)和LangSmith(调试监控)子项目。其特色功能包括：工具调用(支持预置和自定义工具)、智能代理(自主决策调用工具)、多种记忆机制(对话历史存储)以及链式表达式(LCEL)编程