登录社区云,与社区用户共同成长
邀请您加入社区
MCP 和 Skill 都和“外部能力”有关,但它们解决的问题不同。MCP 更像外部能力接入协议,Skill 更像 Agent 内部对能力的任务化封装。
版本/事件时间核心变化项目启动2024 年初基于 Spring AI 开始构建正式开源2024 年 9 月Spring AI Alibaba 开源1.0 GA2025 年生产就绪的企业级框架1.1.2.02026 年 2 月Agent Skills 支持、多智能体并行执行增强1.1.2.12026 年DashScope Starter 迭代1.1.2.22026 年当前最新稳定版本。
单Agent因上下文过长、工具过多易“分心”,多Agent通过“专而精”分工解决。实现方式包括把子Agent包装成工具、用name区分Agent及Middleware路由。架构模式有协调者、接力、辩论及官方Subagents、Handoffs、Skills、Router四模式,需按场景权衡复杂度与效率。多Agent增加Token消耗,应优先尝试单Agent方案。
Agent Demo 通常只关心“能不能跑通”,但工程系统必须关心“为什么失败、哪里慢、哪个 Skill 常出错、任务是否完成”。没有日志、监控和评估,Agent 系统就是黑盒。
Claude Code、OpenClaw、Cursor不存在绝对的优劣,只存在场景是否匹配。终端复杂流程适合Claude Code,IDE高效编码适合Cursor,24小时无人值守自动化适合OpenClaw。2026年,Skill正在成为AI编程工具的新壁垒。测试工程师的核心能力,正在从“会不会写测试脚本”变成“会不会封装测试Skill”。你今天花30分钟写的一个测试Skill,可以在未来的每一个
本文深入解析了AI Agent系统的架构,从ReAct循环逻辑出发,详细拆解了Message、Context、Model、Memory、Skills、Tools、MCP、CLI和Sandbox Runtime等核心组件的调用关系。文章对比了LLM、Workflow和Agent的区别,并探讨了Agent系统的适用场景。同时,文章还详细介绍了ReAct Loop的工作原理、如何避免无限循环、以及如何搭
第20篇:第一个实战技能(六步编写流程)↓第21篇:质量标准(触发条件、步骤、陷阱)↓第22篇:脚本集成(Python/Bash 脚本调用)↓第23篇:八大陷阱(避坑指南)↓第24篇:最佳实践(粒度、版本、团队规范)你现在具备了从零编写高质量技能的全部知识。接下来的第六模块将探索 Skills Hub 生态——发现和使用全球社区共享的技能。
文章探讨了AI发展对程序员的影响,指出传统岗位被压缩,但AI方向人才需求大增。职场人应积极学习AI相关技能,适应变化,保持学习能力,才能在AI时代找到自己的位置。文章强调,AI并非让程序员失业,而是让懂AI的人更有价值。看到一位阿里员工发的帖子:“这半年AI Agent发展得这么快,大家会焦虑吗?感觉以后大公司真不需要那么多人了,阿里十万人,可能留一万就够了……”说实话,焦虑是正常的,这几年互联网
Skill本质上就是一个工作流模板。做事方法:你的工作习惯和处理逻辑经验套路:经过验证的最佳实践交付标准:输出格式和质量要求提示词集合:优化过的指令组合Skill就是把你的"工作秘籍"打包成一个模板,以后遇到同类任务,直接调用就行。Skill是Codex的终极核心功能,它能将你的工作方法、经验和标准打包成可复用的自动化模板。避免重复输入提示词将高频任务自动化提升工作效率5-10倍真正实现"用透"C
Agent自进化的核心挑战不在于生成改进建议,而在于建立有效的约束、验证和拒绝机制以提高有效改进建议的比例。本文通过分析六种自进化系统(如Voyager、SkillOpt等),指出成功系统都具备以下特征:限定任务领域、基于完整执行轨迹生成改进、严格控制候选空间、设置验证门槛、保留历史记忆、优化器积累跨轮经验。其中SkillOpt的创新在于将自然语言技能视为可优化参数,通过有界编辑和慢更新机制实现稳
现状:AI Agent 已经从实验性概念进入生产部署阶段,72% 的企业至少在一个业务流程中部署了 Agent。类型:Browser Agent、Coding Agent、Multi-Agent Team 三种类型各有优势,分别占据自动化、开发和复杂协作的场景。技术:ReAct 范式、工具调用、记忆系统构成 Agent 的技术三角,让它真正具备感知-推理-行动-学习的闭环能力。生态:A2A(Age
文章摘要(149字): AI框架选型应先明确需求层级:L1/L2开发框架(Spring AI/LangChain)适合工程师自主开发;L3运行时(AgentScope/DeepSeek Harness)提供生产级环境;L4成品智能体(OpenClaw/Hermes Agent)开箱即用;L5低代码平台(Dify/Coze)面向业务人员。同层级内比较技术特性,跨层级选择产品形态——如Java生态选S
从 Demo 到生产,AI Agent 最容易在任务幂等、权限过滤、工具契约、人工确认、失败恢复、结果回写和业务指标七个环节出问题。本文给出一份可直接执行的生产化检查清单。
文章摘要: AI原生工程的核心是让AI代理深度参与开发流程,实现自然语言需求理解、自主开发、高质量代码审查和CI/CD自动化。关键在于构建skill体系(项目总览、编码规范、架构约束等)作为AI的知识库,配合harness自动化测试框架进行质量把控。新项目适合直接采用这种模式,而存量项目需要补充大量历史知识。这种模式将人工审核聚焦于架构合理性等高层问题,显著提升开发效率和质量。
DeepSeekHarness(DSH)通过模块化设计和运行时工程,探索AI Agent系统自我改进的可能性。其核心在于将Agent拆解为可动态替换的插件(如模型适配器、工具系统等),并基于Cordis运行时管理插件的依赖与状态,确保修改可验证、可回滚且隔离风险。DSH提供多种预设模式(如标准、PTC、极简和创造模式),展示不同工具编排策略对任务效率的影响,尤其是程序化工具调用(PTC)能减少模型
□ 接口规范:OpenAPI 3.0 描述 + 统一返回结构 + 幂等/限流□ 技能设计:描述里写清触发条件、参数来源、缺失追问策略□ 数据分工:静态→知识库 RAG,动态→技能接口□ 身份透传:userId/tenantId 走平台签发凭证,不走请求参数□ 三层隔离:应用层 + 技能层 + 数据层(行级)□ 网关兜底:平台签名校验 + 行级权限 + 脱敏 + 审计□ 效果度量:接通率、越权事件数
实习生分享SpringBoot3集成Swagger的踩坑经验:最初直接让AI生成代码导致版本不兼容(误用Springfox),后改用Springdoc方案并整理出标准流程:1)判断SpringBoot版本;2)添加正确依赖;3)使用OpenAPI3注解;4)验证访问路径。关键收获是将成功经验转化为可复用的"Skill",避免重复解释开发步骤,使AI能按已验证流程高效完成任务,同
AIAgent是一种以大模型为核心的智能执行系统,能自主规划、决策并调用工具完成任务,区别于单纯的问答系统或RAG(检索增强生成)。其核心能力包括记忆模块、规划模块、工具调用和执行模块,需结合业务规则和Java校验确保稳定性。企业级架构推荐采用SpringAI与MCP协议实现工具解耦,配合Redis分布式记忆和兜底机制,平衡灵活性与可靠性。关键挑战包括控制大模型幻觉、防止无限循环、管理上下文膨胀,
Harness 通常指企业级软件交付平台(harness.io),覆盖持续集成(CI)、持续交付(CD)、特性开关(Feature Flags)、云成本管理、测试、安全与合规等能力。它的核心目标是帮助研发团队把「代码从提交到生产发布」的全链路标准化、自动化、可观测化。控制平面运行在 Harness 的 SaaS 平台或自托管管理端,负责编排流水线、存储配置、权限管理和审计。数据平面则依赖运行在用户
这是《Git 仓库蒸馏术:从代码仓库到 OpenClaw 虚拟人》系列的第 2 篇。在跑任何 git 命令之前,先想清楚目标——否则你会被 8,000 次提交和 40 个模块淹没。
一句话讲透:大模型的终极形态,就是 AI Agent。给大家一个万能公式,记住就能看懂所有智能体:LLM大模型 + 工具调用 + 记忆存储 + 任务规划 = AI Agent普通大模型 vs AI Agent,完全是两个维度!传统 AI:只会被动回答问题,你问一句、它答一句,无法联网、无法执行任务、无法自主思考。而 AI Agent 拥有自主能力:✅ 自主思考推理 ✅ 自主调用各类工具 ✅ 自主联
Flydb是一款专为信创与多数据库环境设计的轻量级迁移工具,解决了传统工具兼容性问题。采用Apache-2.0开源协议,纯Java8实现且零依赖,深度适配国产信创数据库及主流关系型数据库。项目创新性地结合AI能力,提供AgentSkill技能族支持智能迁移与运维。现已开源并上线GitHub(zzxCoding/Flydb),配套技能可通过SkillHub一键安装,支持版本管理、脚本编写及CI/CD
拆解企业级 AI Agent 平台的可插拔架构:内核 pom 为什么不能依赖 Spring AI、SPI 该不该进 core 的判据、三重闸门与 marker 类模式、@ConditionalOnMissingBean 配合 before 的装配顺序、FilterOrder 治理链顺序契约,以及 GovernedToolCallback 如何收口 Spring AI 内部驱动的工具循环。基于 Ja
本文摘要(146字): 2026年AI应用开发框架已形成Java与Python双雄并立格局,16个主流框架按五层模型分类对比:L1(Java生态开发框架)含Spring AI等4个;L2(Python生态)含LangChain等6个;L3(运行时框架)含AgentScope 2.0和DeepSeek Harness;L4(成品智能体)含OpenClaw等;L5(低代码平台)含Dify等。各层级定位
RepairLoop 是一个本地优先的 Python Runtime Repair Loop。它不是另一个 AI Coding Agent,而是从真实失败命令出发,捕获错误、生成最小修复、显式应用,并重新运行原命令验证结果。本文介绍为什么有些 Python 运行时错误更适合用本地、可解释、可验证的修复闭环解决。
但问题是,我现在只是一个对话助手,没有办法在每次修改文件之前自动执行备份操作。我只能在用户提出修改请求时,在修改之前先执行备份操作。CodeBuddy 没有内置的"修改前自动备份"钩子,我也没办法在你修改文件时自动触发备份。每次说"帮我修改 xxx"时,我会自动先备份再修改。让我帮他自动修改 settings.json 文件,添加备份相关的配置。settings.json 已经成功修改,添加了备份
维度Prompt驱动ReAct模式混合编排实现复杂度低中中高执行确定性低低高高状态管理依赖上下文依赖上下文独立存储独立存储失败处理不可控不可控可控可控灵活性高高低中支持并行否否是是适用场景探索阶段中小规模生产生产环境复杂系统面试话术“工具编排有四种主流方案:Prompt 驱动适合快速验证;ReAct 是目前最主流的方案,有完善的框架支持;Workflow/DAG 适合生产环境,对流程确定性要求高的
企业智能体工具接口标准化设计 本文提出了一种面向企业智能体的工具接口标准化方案(ToolSpec),通过结构化声明工具的行为名、副作用、信任等级和权限约束,解决传统API设计对智能体不友好的问题。核心创新点包括: 语义化工具规范:将工具定义为包含完整元数据的可执行规格,而非单纯函数 三重调用校验:在工具调用前进行角色授权、信任等级和副作用范围检查 契约对齐机制:通过P2协议确保工具副作用不超出技能
字符串(String)是由零个或多个字符组成的有限序列,是编程中常用的基本数据类型。在大多数编程语言中,字符串通常用双引号(")或单引号(')括起来表示。除此之外三引号(""")或(''')也可以声明字符串,使用三引号表示的字符串会保留其引号内部原有的格式。【三引号】切片是指对操作的对象截取其中一部分的操作。字符串、列表、元组都支持切片操作。字符串是由单引号、双引号或者三单(双)引号围起来的一个序
【摘要】这是一个基于SpringBoot3和SpringAI的AIAgent工程实战系列,14个功能完整的Agent已部署在4C8G阿里云ECS上并通过HTTPS对外提供服务。系统采用三层架构设计:前端使用Vue3/React、接入层通过Nginx和SpringCloudGateway实现、核心Agent层采用JavaSpringAI实现。关键技术包括:1)SpringAIGraph实现工作流编排
本文介绍了AgentScope Java 2.0中的Middleware中间件机制,用于无侵入式扩展智能体功能。核心设计分为两类模型: Onion洋葱模型 - 通过包裹核心逻辑实现链路追踪、计时统计等场景,执行顺序为逐层进入和离开。 Transformer变换模型 - 通过数据流改写实现动态提示词注入、敏感词过滤等功能。 系统提供了5个关键挂载点: onAgent:整轮调用起点/终点 onSyst
最近很多录友在做 AI 项目,但我发现一个普遍问题:简历写着“接入大模型、实现聊天”。
最近和几个想从 Java 转 Agent 的同学聊了聊天,发现了一些很常见的问题:
AgentX 架构设计解析:从 HTTP 到 LLM 的请求全流程 摘要: 本文详细解析了 AgentX 的六层架构设计,重点解决 Agent 系统特有的长耗时、不可预期请求处理挑战。架构包含客户端层、接入层、调度层、执行层、能力层和基础设施层,每层职责明确且独立。典型请求流程展示了一个 HTTP 请求如何通过 SSE 流式返回结果,包括 LLM 推理(5-10s)、工具调用(0.5s)和结果整合
加密日记脚本(Python版)
本文介绍了一个基于Python+Django的高校校园外卖点餐系统开发项目。系统采用SpringBoot后端框架和Vue前端框架,数据库使用MySQL,具备完善的用户权限管理和安全功能。文章详细说明了系统架构、技术选型原则、测试案例以及代码示例,并提供了毕业设计选题推荐。该项目经过博主实际检验,能正常启动运行,适合作为计算机专业毕业设计参考。文末附有源码获取方式,方便读者进一步了解系统实现细节。