AgentScope是一个多功能智能代理开发框架，提供模块化工具用于构建和管理具备自主决策、任务执行及多模态交互能力的智能体。其核心功能包括智能代理配置、自主决策引擎和多代理协作系统，采用AI、知识图谱等技术栈。该系统可应用于智能客服、自动化流程、机器人控制等场景，具有高度可扩展性、强自适应能力和优秀用户体验。通过集成先进技术，AgentScope为开发者提供了快速构建智能应用的平台，在多个领域展

文章摘要：本文探讨了不依赖智能体开发框架（如LangChain等）直接调用工具的方法，指出这在某些场景下更为直接可控。作者提出两种实现方式：1）简单的顺序调用，适用于线性任务，通过固定步骤调用工具；2）基于大模型的动态调用，利用LLM的规划能力实现更灵活的智能体功能。通过天气查询和公司信息查询的Python示例，展示了两种方法的实现细节和适用场景。文章总结指出，线性任务适合手动顺序调用，而复杂任务

摘要：LangChainCore中的Tool（工具）允许大语言模型（LLM）与外部系统交互，扩展其能力。Tool包含名称、描述和执行函数，支持自定义或使用现成工具（如搜索、API调用）。通过与Agent配合，LLM可自主决定调用工具。推荐使用Pydantic模型定义参数结构，提升调用准确性。Tool是构建智能应用的关键组件，适用于搜索、数据库查询等多样化场景。

简单来说：函数调用（Function Calling）就是让 LLM “决定何时调用哪个函数，以及传入什么参数”，并由实际代码去执行该函数，再将结果反馈给 LLM，从而实现 LLM 与真实世界功能的交互。它通常涉及以下几个步骤：​定义一组函数（或工具）​，包括函数名称、描述、参数结构。​让 LLM 分析用户输入，决定调用哪个函数，并生成函数调用的参数。​​​系统根据 LLM 的函数调用请求，实际执

本文介绍了LangChain中的@tool装饰器，它用于将普通Python函数转换为AI可调用的工具。通过@tool修饰的函数能被AI模型发现和使用，实现工具调用功能。关键点包括：1）@tool来自langchain.tools模块；2）通过docstring和类型注解定义工具功能；3）与Agent系统集成实现自动调用；4）支持参数传递和复杂功能扩展。@tool是构建智能代理的关键组件，可轻松扩展

本文探讨了如何让大模型高效准确地调用多个工具（如API、Agent等）的核心挑战与系统化解决方案。关键挑战包括工具数量膨胀、功能重叠、参数复杂度和动态环境变化。解决方案提出四大策略：1）结构化工具描述，通过标准化元数据降低模型认知负担；2）动态工具选择器，让模型先决策再调用；3）参数自动填充与校验机制；4）上下文管理优化工具记忆。文章还给出了端到端流程示例和高级优化技巧（如ReAct框架、工具链组

Cursor推出2.0版本，搭载自研编程大模型Composer。该MoE架构模型在内部基准测试中代码生成速度达250tokens/s，交互延迟控制在30秒内，支持并行8个智能体协作开发。产品亮点包括浏览器工具集成、沙盒终端安全隔离及多智能体评审功能。提供免费至200美元/月的订阅方案，但模型预训练细节未完全公开引发透明度争议。需注意多智能体并行可能带来显著成本上升，建议结合评审流程平衡质量与开销。

本文解析了大模型参数的核心定义与作用机制。参数是模型通过学习数据获得的数值化知识载体，分为权重和偏置两类，分布在Transformer架构的嵌入层、自注意力层和前馈神经网络中。参数规模直接影响模型能力，如GPT-3拥有1750亿参数，可捕捉更精细的语言模式。通过简化示例展示了参数如何参与词嵌入、注意力计算和概率预测过程，最终决定模型的输出结果。参数既是模型"知识"的存储形式，也

国内主要闭源大模型盘点 摘要：本文梳理了国内以闭源形式提供服务的代表性大模型，包括百度文心一言、字节跳动豆包、科大讯飞星火、华为盘古等13个主流模型。这些模型主要通过云端API、企业服务或产品化应用对外提供服务，采用会员订阅或按量计费模式。判断模型是否闭源的标准包括：仅提供API不公开权重、无公开代码仓库、以云服务为主要分发方式等。这些闭源大模型覆盖了通用对话、多模态、行业应用等多个领域，为企业和

国内外大模型发展呈现开源与闭源双轨并行。开源方面，Meta的LLaMA、MistralAI的Mixtral等国际模型覆盖多尺寸与架构，阿里Qwen、DeepSeek等国内开源系列则形成完整技术栈。闭源领域，OpenAI的GPT-4、Google的Gemini等国际产品强调多模态能力，国内百度文心一言、阿里Qwen-Max等则侧重商业落地。技术特征上，开源模型聚焦基座能力与轻量化，闭源产品更注重场景