logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

Vibe Coding 吃掉程序员?Cursor、Windsurf、Claude Code 三足鼎立 — AI 编程从「辅助」到「主力」的 2026 拐点

2026年AI编程从copilot进化为autopilot。Cursor月活破千万,Claude Code原生集成IDE,vibe coding概念引爆社区——初级程序员岗位正在被AI重写,但高级工程师的价值不降反升。拆解AI编程工具三国杀与开发者生存策略。

文章图片
#人工智能#开发工具
Google I/O 2026 前瞻:Gemini 企业 Agent 平台、Android XR 智能眼镜、AI Mode 搜索革命 — 谷歌押注「Agent 操作系统」

Google I/O 2026即将开幕,Gemini Enterprise Agent Platform剑指Claude企业市场,Android XR智能眼镜定义下一代交互,AI Mode搜索从「链接分发」转向「答案分发」。深度解读谷歌如何用Agent重构全线产品。

文章图片
#android#xr#人工智能
AI Agent 围城:在受限市场躺赢,在开放市场亏光——Project Deal 与 KellyBench 的双面启示

2026年4月,两个关键实验揭开了AI Agent经济的双面真相:Anthropic的Project Deal中69个Agent在内部二手市场成功撮合186笔交易;而KellyBench中几乎所有前沿模型在英超博彩市场上全军覆没。受限市场中的繁荣与开放市场中的崩溃,揭示出Agent经济的核心悖论和真正的落地路径。

文章图片
#人工智能#大数据
MCP 协议实战:告别硬编码,用 Model Context Protocol 让你的 AI 工具即插即用

Model Context Protocol (MCP) 是 Anthropic 推出的 AI 工具集成开放标准,让 LLM 能像 USB 一样即插即用地接入外部工具和数据源。本文从原理出发,通过完整的 MCP Server 和 Client 代码示例,手把手教你构建第一个 MCP 服务器、连接数据库、暴露 REST API,并部署到生产环境。

文章图片
#人工智能#microsoft#MCP
Claude Agent SDK 实战:用 Python 构建能写代码、搜文件、调 API 的 AI Agent

Anthropic 2026年发布 Claude Agent SDK,让开发者用 Python/TypeScript 构建具备工具调用、子Agent编排、MCP服务器集成能力的AI Agent。本文从零开始,通过完整代码示例带你掌握 Agent SDK 的核心概念:工具定义、钩子机制、子Agent、会话管理,以及生产环境部署的最佳实践。

文章图片
#python#开发语言#MCP
RAG 检索增强生成实战:从零搭建企业级知识库问答系统 — LangChain + Chroma + BGE 全链路

RAG检索增强生成实战教程,使用LangChain+Chroma+BGE搭建企业级私有知识库问答系统。包含文档加载、智能分块、向量嵌入、混合检索、重排序、对话记忆等完整Python代码,所有代码可直接运行。

文章图片
#RAG
大模型量化与本地部署:用 llama.cpp 在笔记本上跑 AI — GGUF 量化、Ollama、LangChain 集成全攻略

大模型量化与本地部署实战教程,使用llama.cpp+Ollama在普通笔记本上运行7B大模型。包含GGUF量化格式选择、llama.cpp编译、Ollama部署、LangChain集成、量化对比测试等完整代码,所有命令可直接复制运行。

文章图片
#人工智能#Ollama
CrewAI 多智能体协作实战:用 4 个 AI Agent 搭建自动化科研助手 — 从论文选题到初稿全流程

CrewAI多智能体协作实战教程,搭建4个AI Agent协作的自动化科研助手系统。包含Agent角色定义、Task任务编排、Crew协作流程、工具集成、LLM配置等完整Python代码,所有代码可直接运行。

文章图片
#人工智能#自动化#运维
Prompt Engineering 2026 进阶实战:CoT/ReAct/DSPy,从入门到精通

Prompt Engineering不是"礼貌地提问"——2026年从CoT到ReAct到DSPy自动优化,提示词工程已进化为系统工程。本文从零讲解四大进阶技术,每个技术附可运行的Python代码示例,帮你把Prompt从手工作坊升级为工程化流水线。

文章图片
#react.js#前端
AI Agent 长期记忆架构实战:Mem0 + LangGraph + Neo4j,让 Agent 真正记住你

RAG解决检索,但Agent需要记忆。本文从记忆分层架构、Mem0集成、Neo4j图记忆、LangGraph持久化四个维度,提供Agent长期记忆的完整实战方案。包含Mem0+LangGraph可运行代码和图记忆查询示例。

文章图片
#人工智能#架构#neo4j
    共 155 条
  • 1
  • 2
  • 3
  • 16
  • 请选择