Ollama 是一款简化大语言模型本地运行的开源工具，支持主流模型如 Llama3、Qwen 等

Google ADK 第六章：记忆与状态管理摘要 本章详细介绍了Google Agent Development Kit中的记忆系统和状态管理机制。记忆系统分为短期记忆（对话历史）、长期记忆（向量存储）、程序记忆和情景记忆，通过记忆管理器实现高效检索。短期记忆包括对话缓冲、窗口记忆和实体记忆；长期记忆则采用向量存储和自动摘要技术。状态管理涵盖会话状态（TTL控制）、工作流状态（多步骤流程）和用户状

这是《Google ADK 指南》系列的第四章。：已完成第三章，掌握核心概念。

Google ADK 指南第三章摘要 本章详细介绍了Google Agent Development Kit(ADK)的核心概念与架构。主要内容包括： 分层架构：从应用层、ADK框架层、模型层到GCP基础设施层的四层架构设计 核心组件： Agent：智能体核心，包含模型配置、工具调用和记忆管理 Tool：Agent可调用的外部功能，包括函数、API和数据库工具 关键特性：模块化设计、可扩展性、可观

Google ADK工具开发指南摘要 本章重点介绍Google Agent Development Kit(ADK)中的工具集成与自定义开发。工具作为Agent的核心能力扩展，主要分为函数工具、HTTP工具、数据库工具、GCP工具和代码工具五大类。指南详细讲解了内置工具的使用（如搜索、计算、日期处理等），并提供了自定义工具开发方法，包括简单函数工具和复杂类工具的创建流程。特别强调通过Pydanti

Google Agent Development Kit (ADK) 指南 第二章：环境搭建与快速开始这是《Google ADK 指南》系列的第二章。GCP 账号配置，ADK 安装，第一个 Agent 应用，本地调试技巧

本文是《Agent智能体开发实战指南》系列的第六篇，重点讲解RAG（检索增强生成）技术与向量数据库的实战应用。文章首先分析了LLM面临的知识困境和传统解决方案的局限，然后详细介绍了RAG的核心思想与优势。RAG架构通过检索相关知识、增强提示词、LLM生成答案的流程，实现了无需训练、即时更新知识库、答案可追溯等优势。文章还深入解析了RAG的完整架构和核心组件，包括文档加载器、文本分片器、嵌入模型、向

本文深入解析了ReAct框架在Agent智能体开发中的应用。ReAct框架通过"推理+行动"的循环模式（思考→行动→观察→再思考），使Agent能够像人类一样逐步解决复杂问题。文章通过BMI计算器的实战案例，详细展示了ReAct循环的具体实现过程，包括工具定义、执行流程和输出格式。重点阐述了system_prompt的设计要点，强调角色定义、流程约束、工具说明等关键要素。最后还

本文是《Agent 智能体开发实战指南》系列的首篇，系统介绍了Agent的核心概念与工作原理。文章首先分析了纯LLM的局限性（无法获取实时数据、执行外部操作等），进而提出Agent的解决方案——将大语言模型与工具集和决策逻辑相结合，使其具备主动执行任务的能力。文章详细阐述了Agent的三层架构（决策逻辑层、大语言模型层、工具集层）及其动态工作流程，并通过与Chain的对比说明Agent的适用场景。

本文深入解析Agent智能体开发中的工具调用系统，主要包含以下要点： 工具的作用：作为Agent的"手脚"，工具将外部能力封装成LLM可调用的接口，包含名称、描述和参数三大要素。 @tool装饰器详解：通过装饰器将普通函数转换为Tool对象，自动提取函数名、参数签名和描述信息，支持多参数工具开发。 工具描述编写指南：强调清晰描述的重要性，提出优秀描述应包含功能说明、参数格式、返