本期内容系统性地分享了 DeepAgents 流式输出的核心路径，并对 `stream_mode` 的几种模式进行了横向拆解与对比。从架构层面的命名空间路由，到 `updates`、`messages`、`custom` 三大粒度模式的实战，再到生产级的多模式组合——每个环节都配有可运行的代码示例，希望大家能真正掌握这套流式体系。

本期全面解析了DeepAgents中的Agent Skill机制。DeepAgents通过`SkillsMiddleware`与`FileSystemMiddleware`的协同，完整实现了Skills的发现、激活与执行流程。本文从Skills快速回顾入手，剖析了工程实现的四个核心步骤（发现、注入、渐进加载、执行），并通过两个实战案例（基础技能识别与文档处理Skill）展示了具体接入方法。合理使用

本文分享了大模型训练中的参数调整方法，从读懂训练日志、识别典型问题，到核心参数的调整方法论，再到不同场景下的调参策略，最后给出了一套标准的调参流程。调参是一门实践性很强的技能，需要在实际训练中不断积累经验。希望本文能够帮助大家建立起系统的调参思维，从"盲目试错"走向"有的放矢"。

一文详解Hermes和新特性。从2025选型困难到2026强者对决，AI Agent框架进化迅猛。Hermes并非简单取代OpenClaw，而是开辟新路径：赋予Agent长期记忆与自我进化能力。

一文详解Hermes和新特性。从2025选型困难到2026强者对决，AI Agent框架进化迅猛。Hermes并非简单取代OpenClaw，而是开辟新路径：赋予Agent长期记忆与自我进化能力。

本篇分享Harness Engineering， 它是智能体从回答问题迈向执行任务的工程思想。它并非替代提示词或上下文工程，而是在二者之上构建而是在二者之上构建约束、编排、观测与恢复机制，确保应用稳定

本文介绍了DeepAgents框架中的子智能体系统及其核心价值。子智能体能够帮助主智能体保持上下文清爽，同时专注于特定任务，提升执行效率。DeepAgents提供两种创建子智能体的方式：基于字典的基本创建和编译后的子智能体，前者适合快速原型验证，后者支持更灵活的定制开发。文章还通过"国际情报分析师"Demo演示了子智能体的实际应用，展示了如何利用Tavily搜索工具构建专业化的

本文系统讲解了大模型训练的三种核心方法及其适用场景：全参数训练适用于高质量大数据但资源消耗大；LoRA训练通过轻量适配器实现高效微调，适合中小企业和个人开发者；QLoRA进一步降低显存需求，是极限性价比之选。文章重点解析了LLaMA Factory工具中LoRA训练的关键配置参数，包括模型路径、数据格式、训练参数等，帮助读者从"流程可运行"进阶到"训练稳定、效果可控&

《7B小模型VulnLLM-R：专业领域超越千亿大模型》摘要：UCSB团队开发的VulnLLM-R模型仅7B参数规模，却在漏洞检测任务上超越百亿级通用大模型。其成功源于精心设计的训练数据（覆盖多种漏洞类型和代码规模）和"蒸馏+微调"训练方法，通过教师模型混合使用和智能纠错提升性能。该模型已成功发现15个零日漏洞，并与智能体形成"模型进化-智能体落地"的正向循

本文分享了DeepAgents框架的诞生背景与核心优势，并演示了其快速上手的完整流程。DeepAgents 在任务规划、上下文管理、子代理并行执行等方面展现出强大的能力，仅需少量代码即可构建复杂智能体