FFmpeg AI Agent：一条自然语言指令，实现一个简单音视频处理。让用户说一句：音视频的处理要求，AI Agent帮你把活给做了。实现比较简单，抛砖引玉，留下tools接口，可以无限扩展。

在大模型应用中，记忆是一个很重要的功能模块，特别是在对话场景中，记忆能够让大模型“记住”你的对话场景和上下文。因为大模型本身是无状态的，因此对模型来说每次对话都是一次全新的对话，大模型不知道你之前说了什么；因此，大模型就像一个拥有健忘症的人。

在大模型应用中，记忆是一个很重要的功能模块，特别是在对话场景中，记忆能够让大模型“记住”你的对话场景和上下文。因为大模型本身是无状态的，因此对模型来说每次对话都是一次全新的对话，大模型不知道你之前说了什么；因此，大模型就像一个拥有健忘症的人。

上下文工程是一种复杂的提示词方法论，其作用是为了解决模型上下文窗口限制所导致的问题。

结合前几篇的铺垫，这里简介一下常用的几种 Agent 模式：WorkFlow 模式、自主规划 Reflection 模式和ReAct 模式。

结合前几篇的铺垫，这里简介一下常用的几种 Agent 模式：WorkFlow 模式、自主规划 Reflection 模式和ReAct 模式。

在与各行业数十个 LLM（大型语言模型）智能体开发团队的协作中，Anthropic 发现了一个关键共识：最成功的智能体实现并非依赖复杂框架，而是采用简单、可组合的设计模式。这些模式既能适配多样化的业务需求，又能在性能、成本与可维护性之间找到最佳平衡。本文将结合实践经验，拆解智能体的核心概念、适用场景与构建方法，为开发者提供可落地的技术指南。

在与各行业数十个 LLM（大型语言模型）智能体开发团队的协作中，Anthropic 发现了一个关键共识：最成功的智能体实现并非依赖复杂框架，而是采用简单、可组合的设计模式。这些模式既能适配多样化的业务需求，又能在性能、成本与可维护性之间找到最佳平衡。本文将结合实践经验，拆解智能体的核心概念、适用场景与构建方法，为开发者提供可落地的技术指南。

要想把内部私有数据“投喂”给大模型，除了微调外，最经济高效的方式就是RAG。而且我认为RAG方案是中小企业的最优解，至少在当前阶段是这样。然而，使用RAG最大的障碍是有时候它给出的答案不够精准。今天这篇文章会给大家提供几个提升RAG精度的思路。

要想把内部私有数据“投喂”给大模型，除了微调外，最经济高效的方式就是RAG。而且我认为RAG方案是中小企业的最优解，至少在当前阶段是这样。然而，使用RAG最大的障碍是有时候它给出的答案不够精准。今天这篇文章会给大家提供几个提升RAG精度的思路。