在之前的文章中，我们详细地描述了Agent的概念和组成，在代码案例中体验了Agent的记忆、工具、规划决策模块，并通过几个Agent框架来加强读者对Agent开发设计与应用的理解，接下来我们就要进入智能体Agent的实际开发中，请各位和我一起运行环境，开始Coding!!!😋😋代码已开源，文末有链接自取；本文中，我们将专注于单智能体开发，使用框架为MetaGPT。MetaGPT是一个基于Pyt

我最近一直在做基于AI Agent 的个人项目， 因为工作加班较多，设计思考时间不足，这里借着Datawhale的开源学习课程《MetaGPT智能体理论与实战》课程，来完善自己的思路，抛砖引玉，和各位开发者一起学习！获取MetaGPT部署到本地环境配置MetaGPT申请ChatGPT API Key基于ChatGPT API构建调用代码运行MetaGPT案例代码进行测试今天学习的内容较为简单，我会

你好，我是GISer Liu，一名热爱AI技术的GIS开发者，本文是DataWhale 2024 AI夏令营的最后一期——赛道，关于赛题分析和代码解读的学习文档总结；这边作者也会分享自己的思路；MobileAgent解析大模型智能体式LLM应用的未来，就如Andrej Karpathy大佬所云：如果一篇论文提出了不同的训练方法，我们内部的Slask上会嗤之以鼻，认为都是我们玩剩下的。但是当新的AI

Hello，大家好，我是GISer Liu😁，一名热爱AI技术的GIS开发者。Zigent是基于Salesforce AI Research团队开发的AgentLite框架改进的智能体开发框架。它专为构建和研究基于LLM的任务导向型多Agent系统设计。

ReActAgent是一个结合推理（Reasoning）和行动（Acting）的动态LLM（大语言模型）Agent框架。它的核心思想是通过推理和行动交替进行，以动态的方式完成复杂的任务。简单来说，ReActAgent不仅仅依靠大语言模型单纯地生成回答，而是通过交替推理和执行操作来更有效地完成任务。

Hello，大家好，我是GISer Liu😁，一名热爱AI技术的GIS开发者，本系列是作者参加DataWhale2025年2月份组队学习的技术笔记文档，这里整理为博客，希望能帮助学习Agent的开发者少走弯路！是一个开源的灵活框架，专注于构建和模拟多智能体系统（MAS）。它提供了一套完整的工具链，支持从智能体角色定义、协作流程设计到复杂环境模拟的全流程开发。其核心优势在于轻量级架构高度可定制化和

Hello，大家好，我是GISer Liu😁，一名热爱AI技术的GIS开发者，上一篇文章中我们详细介绍了RAG的核心思想以及搭建向量数据库的完整过程；😲将LLM接入LangChain：选择LLM，然后在LangChain中使用；构建检索问答链：使用语法构建RAG问答链部署知识库助手：使用streamlit部署项目；帮助读者快速构建RAG应用并部署在阿里云服务器上；Streamlit是一个开源的

😺Hello，大家好，我是GISer Liu，😀😀 一名热爱AI技术的GIS开发者；在上一篇文章中，我们学习了LLM API的申请、应用以及提示词工程；在本文中，作者将介绍如何从零开始构建个人知识库🎉🤓；词向量和向量数据库概念申请Embedding Model API使用LangChain工具对文本数据进行处理基于文本数据搭建向量数据库并进行测试向量数据库是专门用于存储、索引和检索高维向

😁🏆，在本文中，作者通过SuperMap对UE插件尝试了GIS数据的本地与离线导入，并详细介绍了环境配置流程，这也是为将来数字孪生城市的尝试！！！

🏆🎉🤔本文是YOLO实战的基石篇，详细讲解目标检测数据集制作全流程。文章深入解析VOC和COCO两大基准数据集的结构与标注格式，包括VOC的XML文件组织、COCO的JSON标注体系。重点演示如何将VOC/COCO格式转换为YOLO所需的TXT格式，提供自动化脚本和手动转换两种方法。通过实际代码示例，教会读者下载、解析、筛选和重组数据集，为YOLO模型训练打下坚实基础。适合YOLO初学者和需