本文探讨了大模型从"问答系统"向"智能体(Agent)"演进的关键转变。文章指出，Agent系统通过引入目标导向、工具调用、状态管理和环境交互四大能力，使大模型能够持续完成任务而非仅生成一次性回答。文中重点分析了LangChain Agent的运行机制和ReAct范式，强调Agent不是简单的工具调用封装，而是包含模型、工具、状态、反馈循环、记忆和安全控制等

Django MVT与FastAPI DDD架构的核心区别在于设计哲学与组件结构。Django采用全功能集成式的MVT（Model-View-Template）模式，内置ORM、模板引擎等组件，适合快速构建全栈应用；而FastAPI基于路由和依赖注入，强调模块化与高性能，默认支持异步和API优先开发，适合微服务和高并发场景。关键差异包括：Django隐式处理依赖（如request对象），FastA

本文介绍了在Docker环境中构建基础AI Agent的开发流程。首先强调理解底层数据流的重要性，提出Agent本质是一个包含观察、思考、行动、结果的循环过程。详细说明了Docker网络配置要点，包括服务名作为内部域名的使用方式。提供了虚拟环境配置指南，推荐使用pyproject.toml管理依赖。实战部分展示了如何定义工具集（如获取日期时间函数）并与LLM交互，通过纯Python实现一个能调用本

摘要：Tortoise-ORM是一个异步Python ORM框架，基于Django ORM设计，适合FastAPI等异步应用。文章介绍了ORM的基本概念、Tortoise-ORM的配置方法（包括MySQL连接设置），以及使用Aerich进行数据库迁移的完整流程（初始化、生成迁移脚本、应用迁移等）。同时提供了详细的用户模型示例，展示字段类型定义和常用配置选项。

本文介绍了如何为RAG系统构建自动化评估体系，重点讲解了Ragas框架的集成方法。文章基于WSL2+Ubuntu+Docker的云原生开发环境，通过改造现有架构，新增评估适配器模块来实现自动化评估。主要内容包括：Ragas框架的优势（无参考评估、LLM自动打分、全面指标）、系统架构设计（新增评估逻辑文件和数据管道修改）、以及实战代码实现步骤（依赖安装、数据管道改造）。该方案能够将PostgreSQ

FastAPI的依赖注入系统提供了一种灵活的方式来管理功能依赖，支持路径级、路由级和全局级三种作用域。通过Depends()函数可以注入函数或类依赖，实现参数验证、权限检查等逻辑。路径级依赖作用于单个API端点，路由级依赖共享于同一路由器下的所有路由，全局级依赖则应用于整个应用。此外，FastAPI支持嵌套依赖和类依赖，前者允许构建依赖链实现复杂逻辑，后者则通过面向对象方式封装状态和方法。这种分层

本文介绍了在AI Agent开发中为Agent添加RAG（检索增强生成）功能的第三阶段实战。通过Docker Compose部署Milvus向量数据库及其依赖组件（etcd、MinIO），构建知识库系统。文章详细说明了环境配置步骤，包括编写docker-compose.yml文件、设置数据持久化、网络整合以及启动策略。同时提供了Attu图形化管理工具的部署方法，并解释了Milvus的核心架构和数据

本文介绍了基于PostgreSQL构建RAG自动化评估体系的实践。作者在WSL2+Ubuntu+Docker环境中，通过Docker Compose编排新增了PostgreSQL 16服务，并配置了pgvector等扩展。文章详细说明了PostgreSQL的配置步骤，包括初始化SQL脚本、服务启动验证、应用连接方式以及备份策略。重点突出了PostgreSQL的JSONB类型、混合模型优势及未来趋势

本文介绍了Python异步编程中的常见错误及最佳实践。通过文件上传模拟案例，对比了四种实现方式：1）错误同步调用导致协程未执行；2）顺序执行失去并发优势；3）并发执行但顺序打印；4）使用asyncio.as_completed()无法获取任务ID。推荐方案采用带标识的并发处理，通过返回ID实现任务追踪。最后对比了asyncio.run()和threading.Thread()的核心区别，指出asy

本文介绍了FastAPI的基础使用，包括环境配置、第一个应用创建、路径参数和查询参数处理、请求体使用以及参数验证。主要内容包括： 环境配置：使用conda创建Python3.12环境并安装FastAPI和Uvicorn 第一个FastAPI应用：创建基本应用结构，使用Uvicorn运行服务 路径参数处理：演示不同格式的路径参数接收方式 查询参数处理：展示必选和可选查询参数的定义 请求体使用：通过P