之前一直在写 agent，虽然知道如何使用 bind_tools，但是并不清楚底层原理。如果你也有困惑，这篇文章或许能够帮助你更好的理解 bind_tools 及其底层原理。

文章摘要 本文记录了自托管 Daytona（AI Agent沙盒运行时）时使用自签名证书遇到的SSL验证问题及完整解决方案。作者从第一个报错"证书验证失败"开始，逐步排查发现： 首次尝试修改configuration失败，因urllib3连接池初始化后不更新SSL配置 文件上传失败揭示了系统存在两个API客户端（主API和Toolbox） 进一步发现请求动态注入host导致新建连接池 关键突破是识

摘要： LangGraph 中 Checkpoint 和 Store 是独立组件，职责分离。 Checkpoint：框架自用，存储图执行状态（步骤、中断等），支持断点续跑，由框架主动读写。 Store：用户自用，存储业务数据（缓存、共享值等），框架仅透传不读写，节点函数可直接使用。 核心区别：Checkpoint 保障图执行状态恢复，Store 提供业务数据存储能力，两者互不依赖。

关于LangChain中Deep Agents的FilesystemBackend参数：virtual_mode讲解

本文介绍了PIIMiddleware中间件的使用说明，主要包含以下内容：1）构造函数参数详解，包括必填的PII类型、处理策略（阻止/脱敏/遮蔽/哈希）、检测器配置和应用范围选项；2）典型使用场景示例，展示如何保护输入/输出/工具结果中的敏感信息；3）常见注意事项，如流式处理限制和多中间件叠加规则。该中间件支持内置和自定义PII类型检测，提供四种处理策略，可灵活配置应用于对话流程的不同环节，有效防止

本文介绍了三种AI任务编排技术：Claude Dynamic Workflows：动态拆解复杂任务为并行subagent执行，通过对抗验证确保结果可靠性，适用于大规模代码迁移（如Bun项目11天完成75万行代码移植）。LangGraph Deep Agents Interpreter：提供可编程工作空间，支持代码化工具调用（PTC）和状态快照，适合需要循环/聚合的多步骤任务，节省token并提升效

本文介绍了CodeInterpreterMiddleware的执行流程和整体架构，该中间件为Deep Agents提供可编程工作空间，支持数据探索、工具调用协调和skill脚本执行。主要流程包括： 初始化阶段：配置持久化模式（thread/turn/call）、构建REPL注册表和eval工具。 Turn开始：恢复JS堆快照（仅thread模式）。 模型调用：注入系统提示并安装Python工具桥（

本文介绍了CodeInterpreterMiddleware的执行流程和整体架构，该中间件为Deep Agents提供可编程工作空间，支持数据探索、工具调用协调和skill脚本执行。主要流程包括： 初始化阶段：配置持久化模式（thread/turn/call）、构建REPL注册表和eval工具。 Turn开始：恢复JS堆快照（仅thread模式）。 模型调用：注入系统提示并安装Python工具桥（

本文介绍了三种AI任务编排技术：Claude Dynamic Workflows：动态拆解复杂任务为并行subagent执行，通过对抗验证确保结果可靠性，适用于大规模代码迁移（如Bun项目11天完成75万行代码移植）。LangGraph Deep Agents Interpreter：提供可编程工作空间，支持代码化工具调用（PTC）和状态快照，适合需要循环/聚合的多步骤任务，节省token并提升效

之前有在写 agent 代码，只是直接用了 langgraph.prebuilt 的 create_react_agent 方法，为了搞清楚其中的逻辑关系，通过源代码学习的方式，了解到了底层逻辑。这篇发表于 ICLR 2023 的论文提出了 ReAct 范式，旨在将大型语言模型（LLMs）的推理和行动能力相结合，以提升其在各类任务中的表现。ReAct 的核心思想：ReAct 促使 LLM 以交错的