本文梳理了AI智能体(Agent)相关的核心概念与演进过程。从语言模型到LLM的转变开始，分析了Agent如何通过记忆(Memory)实现多轮对话，以及通过Function Calling和MCP协议与LLM、工具服务交互。文章对比了LangChain、WorkFlow和Skill的区别，指出Skill可能成为前两者的替代方案。最后总结了Agent的本质是处理不需要智能的固定程序部分，而将模糊逻辑

本文梳理了AI智能体(Agent)相关的核心概念与演进过程。从语言模型到LLM的转变开始，分析了Agent如何通过记忆(Memory)实现多轮对话，以及通过Function Calling和MCP协议与LLM、工具服务交互。文章对比了LangChain、WorkFlow和Skill的区别，指出Skill可能成为前两者的替代方案。最后总结了Agent的本质是处理不需要智能的固定程序部分，而将模糊逻辑

接下来详细介绍下Anaconda，并在最后给出Jupyter notebook：1.Anaconda是什么？2.如何安装？3. 如何管理包？4.如何管理环境？5.Jupyter notebook如何快速上手？1.Anaconda是什么？Anaconda在英文中是“蟒蛇”，麻辣鸡（Nicki Minaj妮琪·米娜）有首歌就叫《Anaconda》，表示像蟒蛇一样性感妖娆的身体。所有你看下面Anacon

上一篇文章对triton inference server进行了一个整体的介绍，解答了三个经典问题what, why, how。这篇文章就开始转入实践， 从实践的角度整理Triton模型部署的全流程， 如果我有一个训练好的模型了，究竟如何部署到triton server，并提供服务给到客户端， 客户端发请求之后，怎么把数据推理得到结果等。这篇文章， 会对这些问题做出解答。Triton模型部署概览模

1. 写在前面如果是刚入深度学习的新手小白，可能有着只学习了一点深度学习的理论，也见识到了各种神经网络的强大而不能立马实现的烦恼，想学习TensorFlow，pytorch等出色强大的深度学习框架，又看到那代码晦涩难懂而有些想知难而退，这时候，我觉得有必要掌握一下Keras了，这是个啥？ Keras是高级神经网络API，因为Keras短小精悍，非常适合快速原型制作和神经网络的搭建。在很短的时间内.

1. 写在前面这个系列整理的关于GNN的相关基础知识， 图深度学习是一个新兴的研究领域，将深度学习与图数据连接了起来，推动现实中图预测应用的发展。 之前一直想接触这一块内容，但总找不到能入门的好方法，而这次正好Datawhale有组队学习课，有大佬亲自带队学习入门，不犹豫，走起(感谢组织)。所以这个系列是参加GNN组队学习的相关知识沉淀， 希望能对GNN有一个好的入门吧 ????这篇文章是简单的图

1. 写在前面今天分享的这篇文章是2017年发表在Nips上的一篇文章，来自于清华的团队。是论文阅读系列的第二篇文章，这篇文章是在ConvLSTM的基础上进行改进的一个版本，所以如果想学习这篇文章，需要先搞懂ConvLSTM的工作原理，可以参考我这篇博客：时空序列预测之Convolutional LSTM Network，这是时空序列学习很重要的一种结构，但是存在的问题就是像本篇论文提到的：记忆.

1. 写在前面这里是有关于一个头条推荐项目的学习笔记，主要是整理工业上的推荐系统用到的一些常用技术， 这是第七篇， 上一篇介绍了离线召回与定时更新技术， 这里说的就是根据用户的历史点击行为，基于模型或者是文章内容，从海量的文章中为每个用户在每个频道召回几百篇文章，并存储到HBase，供后面的精排模型所使用。 而今天这篇文章介绍的就是离线排序模型训练与实时计算用到的相关技术。这篇文章使用的数据就是前

在公众号看到来一篇不错的文章，讲解机器学习算法的，感觉挺好的，所以这里对常用的机器学习算法做一个小的总结， 然后根据学习李航老师的《统计学习方法》做得笔记，对这些算法进行补充。简介  关于机器学习算法的研究已经获得了巨大的成功，哈佛商业评论甚至将数据科学家称为二十一世纪最具诱惑力的工作。机器学习算法是在没有人为干涉的情况下，从大量的数据和历史经验中学习数据的结构并提升对某一目标的估计的算法。...

在机器学习处理数据的时候，有时候需要把原始的数据集转换成OneHot向量的形式，模型才能够进一步训练，比如朴素贝叶斯模型等。这里整理两种把原始数据转换为one-hot向量的方式：第一种是使用sklearn.preprocessing中的LabelEncoder和OneHotEncoder进行编码看下面的例子：import numpy as npimport pandas as pdf...