python标签_龙虾开发者社区

python

Agent Skills从入门到工程化（十四）：Skill 与 MCP 的关系

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。

格子衫66
2026-09-05 18:40:02

 182

 3

#数据库 #python #人工智能 +1
Agent Skills从入门到工程化（十三）：Skill 与 RAG 的关系

RAG 是 Agent 系统中最常见的能力之一。很多人会问：RAG 是不是 Agent？RAG 和 Skill 什么关系？简单说：RAG 本身不是 Agent，但可以被封装成 Agent 的一个 Skill。

格子衫66
2026-09-05 18:39:04

 220

 3

#前端 #javascript #服务器 +3
Agent Skills从入门到工程化（十二）：Skill 如何做日志、监控和评估？

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。

格子衫66
2026-09-04 12:05:04

 177

 5

#前端 #java #javascript +2
Agent Skills从入门到工程化（十一）：什么是 Skill Router？

不是一个孤立概念，而是 Agent 工程化中必须讲清楚、设计清楚、验证清楚的一部分。

格子衫66
2026-09-04 12:03:35

 216

 7

#python #人工智能
OpenClaw、Cursor、Claude Code：哪个平台的测试Skill最强？

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

 霍格沃兹测试开发学社
2026-09-04 11:34:59

 182

 5

#人工智能 #测试用例 #bug +3
我用拼豆，终于把Agent skills搞懂了！

如果AI直接给你结果：AI = 打印机如果你自己设计方法：Skill = 拼豆图纸如果你给Agent一个自动化工作环境：Harness = 拼豆工作台如果Agent需要额外能力：MCP / Tools = 拼豆工具箱而：Agent = 拿着图纸帮你完成作品的小助手所以Skill并不是：“AI不会做，所以我教它。而更像是：“AI本来就会做，但我想让它按照我的方法做。这也是我目前觉得Skill最有意思

 2401_89160889
2026-08-20 02:20:02

 471

 7

#fastapi #python
从聊天到委派：AI Agent 如何推进长期任务

AI Agent 正在把大模型从「对话窗口」推向「工作伙伴」。实现这一转变的关键，并非给模型套上更多提示词，而是构建一个具备规划、执行、记忆、反思和人机协作的闭环系统。长期任务的推进，本质上是在对抗三个敌人：上下文有限、错误累积、目标漂移。谁能更好地管理状态、控制风险并保持对齐，谁就能让 Agent 真正值得被委派。从「回答问题」到「完成任务」转变，核心不是让模型更会说话，而是为它补上行动的闭环；

今天AI了吗
2026-08-19 16:40:39

 382

 7

#人工智能 #python #rust +2
DeepSeek桌面客户端1.3.2：开箱即用的智能助手

DeepSeek Harness Desktop 1.3.2是一款本地开箱即用的DeepSeek桌面客户端，内置官方引擎与独立运行环境，无需依赖Node.js或命令行操作。核心功能包括：多模态交互原生适配（支持图片上传/粘贴/拖拽）、API用量统计与费用核算、可视化模型与Provider管理、Skill生态一键安装、MCP插件配置及镜像加速更新。新增图片灯箱交互优化（缩放/平移/下载），支持引擎版

 恒__heng
2026-08-19 13:45:19

 357

 10

#人工智能 #深度学习 #语言模型 +2
市面上最强的公文全流程处理工具，却没有多少人知道——gongwen-skill 全面体验

【摘要】gongwen-skill 是一款功能强大却鲜为人知的中文公文处理开源工具，专为体制内工作者设计。它严格遵循 GB/T 9704 国家标准，支持 24 种公文类型，通过命令行实现全流程自动化处理：一键生成标准模板、自动检查修复格式、Markdown 转正式公文、智能注入红头版记、原生修订批注、事实核验防错等核心功能。其特色包括 8 色审阅角色体系、6 套公文风格适配、AI Agent 原生

 Jose荷西
2026-08-19 11:02:59

 753

 15

#python #人工智能 #自然语言处理 +1
从零打造CyberClaw：AI 记住了你是谁

本文记录了开发类OpenClaw AI助手的第四天进展，重点解决了AI思考过程可视化、对话记忆持久化和会话管理三大问题。通过langgraph checkpointer和SQLite实现了会话持久化，让AI能记住对话历史；从模型输出中提取reasoning_content实现了思考过程流式透出；构建了会话列表管理系统支持重命名和删除操作。文中还分享了两大技术坑：parser返回新对象导致工具调用中

 li852456song
2026-08-19 10:27:39

 351

 3

#人工智能 #typescript #python
16个AI框架挑花眼？别比了，先回答一个问题：你要的是发动机、整车还是驾照？

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

zhengliebin
2026-08-19 09:42:15

 709

 21

#人工智能 #系统架构 #java +4
2026 多智能体框架横向测评：LangGraph / AutoGen / CrewAI / MetaGPT / OpenAI Agents SDK / Google ADK，到底选谁？

2026年8月实测：LangGraph 1.2.11 / AutoGen 0.7.5 / CrewAI 1.15.16 / MetaGPT 0.8.2 / OpenAI Agents SDK 0.21.1 / Google ADK 2.7.1 六大多智能体框架横向测评。含六种协作拓扑、六份最小可跑骨架、六维评分表、成本估算公式、选型决策树和 14 条实测踩坑（含 ADK 2.7 已废弃 Seque

小白摸爬滚打之路
2026-08-19 03:23:55

 566

 8

#人工智能 #python
应用软件（传统 App）与 AI Agent 应用的开发全流程

维度传统应用软件AI Agent 应用核心逻辑确定性代码 + 规则LLM 推理 + 工具调用 + 状态管理不确定性低高（幻觉、输出波动）测试重点功能正确性、边界任务成功率、轨迹、安全性、成本迭代方式功能开发 + Bug 修复提示词/RAG/工具/评估数据集持续优化可观测性日志 + 指标还需完整推理链路（Trace）成本结构主要是计算/存储额外显著的 Token/推理费用人机协作较少常需要 Huma

A7Feather
2026-08-18 19:18:41

 618

 20

#人工智能 #python
AI Agent 可观测性：破解多步推理黑盒

推理日志的质量取决于埋点的位置。埋点位置事件类型必须记录的内容每步规划生成后agent.plan生成的计划文本、计划步骤数、是否包含工具调用每次工具选择时候选工具列表、选择结果、拒绝理由每次工具调用前后工具名、参数、返回结果、耗时、错误模型判断「需要重试」时重试原因、重试次数、重试前后的差异模型自我纠错时发现了什么错误、如何修正、修正是否成功上下文被压缩/截断时压缩前 token 数、压缩后 to

weixin_56622231
2026-08-18 14:54:15

 405

 7

#人工智能 #python #fastapi +4
从零打造CyberClaw：智能体开口说话了

本文记录了开发类OpenClaw框架的第三天进展，主要实现了AI助手的对话功能。作者重构了配置页交互，开发了agent-core核心库作为配置与运行智能体的桥梁，并基于langchain实现流式对话接口。过程中遇到三个主要技术问题：ChatOpenAI的baseURL配置位置、deprecated的createReactAgent接口迁移，以及最棘手的"双包陷阱"——由于ESM/CJS混用导致类实

 li852456song
2026-08-18 13:51:17

 405

 7

#python #typescript #人工智能
基金分析报告的skill

本文介绍了一个基金分析工具skill的开发过程。该工具基于Akshare基金历史数据，分析年度、月度、波段规律，生成包含可视化图表的投资报告。

Qredsun
2023-02-10 09:43:05

 9661

#python
AI Agent 架构设计与多 Agent 协作系统搭建：权限边界应该划在哪里

Agent 可以理解请求，但不该拥有数据库或基础设施的最终操作权。若工具层没有单独校验身份、资源范围和动作类型，模型生成的调用参数就可能越过预期边界。Prompt 只能帮助模型理解任务，不能充当安全控制。面对提示词注入和模型输出波动，授权判断必须留在模型之外。一旦给 Agent 挂上了真实系统的 Tool Calling 权限，权限边界到底该划在哪里？

baronbool
2026-08-17 21:30:47

 4263

 6

#AI #人工智能 #后端 +2
Harness Agent 与 OpenClaw 对比：从概念到迁移思路

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

 2601_96493715
2026-08-17 17:35:21

 423

 10

#java #python #开发语言 +2
Prompt、Agent、Function Call、Skill、MCP，傻傻分不清楚？一文讲透并附代码实战

摘要：本文解析大语言模型（LLM）应用中易混淆的核心概念——Prompt、Agent、FunctionCall、Skill和MCP。通过定义对比与代码示例，阐明其分层协作关系：Prompt是基础指令，Agent实现自主决策，FunctionCall桥接外部工具，Skill封装可复用能力，MCP标准化工具连接协议。示例演示了从简单Prompt到多工具Agent的渐进实现，最终组合四者构建多功能迷你A

m0_73571447
2026-08-17 17:06:16

 365

 10

#服务器 #android #架构 +2
最近爆火的MCP到底是什么？AI Agent 能力扩展一次讲透！MCP 与 Skill 深度应用实践，解锁开发核心竞争力！

最近爆火的MCP到底是什么？AI Agent 能力扩展一次讲透！MCP 与 Skill 深度应用实践，解锁开发核心竞争力！

马士兵教育
2026-08-17 15:01:36

 433

 10

#人工智能 #python #大数据
【微科普】AI Agent是什么：用50行Python看懂智能体如何调用工具与自主完成任务

AI Agent的本质，是给LLM装上"手脚"——让它不仅能"想"，还能"做"。2026年，随着MCP协议标准化、多智能体系统成熟、端侧模型普及，Agent将从Demo走向真实的工业与服务场景。学会写"规格说明"，把问题说清楚，然后管好AI的执行过程。💡 留个互动话题：你在实践中还遇到过哪些Agent开发的坑？或者你最希望Agent帮你自动化什么任务？欢迎在评论区分享。

2601_96633595
2026-08-17 15:01:34

 384

 6

#人工智能 #python #microsoft
Windcode：一个面向真实代码仓库的终端 Coding Agent

Windcode：安全优先的终端AI编程助手 Windcode是一个面向真实代码仓库的终端AI编程助手，支持多模型协作、代码修改、测试运行和权限管控。其核心特性包括：安全开发：内置沙箱环境、权限审批和变更追踪，支持高风险操作前用户授权。多模型支持：兼容OpenAI/Anthropic等协议，集成主流API提供商，支持流式响应与错误回退。扩展能力：通过MCP/Skills/插件机制扩展功能，支

 淡写！青春
2026-08-17 11:22:56

 319

 6

#python
python的运筹学工业场景模拟第三十八篇:售后维修工程师外派。多厂区报修，人员通勤耗时约束，分配工程师，减少整体等待时长。

这不是"排得更好"，而是"人脑根本做不到穷举"。- 约束： x_{ij} \le \text{skill\_match}_{ij} （技能不匹配直接禁止）、 \sum_j x_{ij} \le 1 （每人最多去一个）、 \sum_i x_{ij} = 1 （每个厂区恰好一人——人数够时）注：当 m < n （工程师少于报修数）时，约束2改为 \sum_{i} x_{ij} \le 1 （每个厂区最

 2301_82202864
2026-08-17 08:40:56

 287

 4

#python #算法
打通数据孤岛：如何利用AI Agent无缝对接Amazon、Walmart及ERP系统

跨境电商面临严重的数据孤岛问题，主要体现在三个层面：API接口割裂、数据格式异构和业务流程断层。这导致企业运营效率低下，补货决策等核心业务需要人工跨系统操作，易出错且耗时。为解决这一问题，文章提出构建AI驱动的统一数据抽象层方案，采用分层架构设计：业务触发层接收指令 AI决策层处理任务统一接口层标准化操作数据源适配层对接各平台核心创新点在于建立统一的产品主数据模型，通过映射服务解决跨系统

 circuitsosk
2026-08-16 20:43:12

 524

 5

#人工智能 #python
十六个主流AI应用开发框架全面对比（2026年8月版）

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

 zhengliebin
2026-08-16 09:49:13

 467

 6

#人工智能 #软件工程 #系统架构 +3
企业AI Agent开发中的否定语义处理：用户说“不要“，智能体为什么偏偏做了

把否定条件从"交给模型理解"前移到"查询解析阶段提取并结构化"，把否定过滤从"生成阶段靠模型自觉"改为"检索阶段硬性执行"，把否定约束保持从"提示词要求一下"升级为"生成后的独立校验"，这三步处理下来，智能体对否定条件的遵循能力能够显著提升。否定条件集合传递到检索环节后，如果否定条件能映射到结构化属性或标签（如商品数据中的"是否包邮""运费"字段），就优先在检索前执行硬过滤，在结果返回前完成排除。

2501_93836581
2026-08-16 09:00:00

 349

 7

#人工智能 #python #开发语言
AI Agent 可观测性：破解多步推理黑盒的工程实践

本文探讨了AI Agent可观测性的系统化方法论，揭示了多步推理黑盒带来的四大挑战：错误归因困难、性能瓶颈隐匿、成本失控风险和安全合规盲区。文章详细介绍了三大可观测性支柱（日志、指标、链路追踪）在AI Agent场景下的特殊应用，提出了统一数据模型，并通过LangChain/LangGraph展示了完整的生产级观测系统实现方案。特别针对Agent执行路径的非确定性特点，分析了模型黑盒、编排黑盒和环

 weixin_56622231
2026-08-16 01:00:37

 415

 8

#人工智能 #oracle #数据库 +4
从0到1手搓生产级 AI Agent：LangGraph 1.2 + LangChain 1.3 保姆级实战（全部代码已跑通）

基于 2026 年8月最新稳定版 langgraph 1.2.11 + langchain 1.3.15，从 create_agent 快速起步，到工具设计、手写 StateGraph、短期/长期记忆、中间件（熔断/摘要/人工审批/PII 脱敏）、流式输出、多 Agent 协作的完整工程化路径。文中每段代码均实跑验证并附真实输出，附 12 条生产踩坑清单。

小白摸爬滚打之路
2026-08-15 20:43:42

 451

 8

#人工智能 #python
每天 100 积分，第 7 天 1000：我把 WorkBuddy 签到做成了「全自动」

手动签到靠自律，自动签到靠机制。复制一段话、改个目录，以后每天 100 积分自动进账，连续第 7 天还有 1000 的「连签大奖」——这不比天天定闹钟提醒自己点按钮香多了？如果你也想把更多重复活儿交给 WorkBuddy，欢迎在评论区聊聊你最想「自动化」的那件事，下期我们接着拆。本文基于 WorkBuddy 官方签到能力整理，适用于 v5.3.8 + 桌面端。如版本差异导致命令不适用，以官方 sk

guijuyuan
2026-08-15 19:27:56

 1086

 10

#python
基于YOLOv8深度学习的变电站液体泄露红外检测系统（YOLOv8+YOLO数据集+UI界面+Python项目源码+模型）

变电站作为电力系统的核心枢纽，其内部充油设备（如变压器、电抗器、套管等）的液体泄漏问题若不及时发现，不仅会造成设备故障，还可能引发严重的安全事故。针对传统人工巡检效率低、难以发现早期微小泄漏的问题，本项目提出并实现了一种基于YOLOv8深度学习架构的红外检测系统。该系统利用红外热成像技术捕捉设备温度场异常，结合YOLOv8算法卓越的目标检测与实时处理能力，对图像、视频及实时摄像头流中的泄漏区域进行

 斌擎人工智能官方账号
2026-03-25 09:53:10

 796

 24

#深度学习 #人工智能 #python
自制 Web 漏洞扫描器 (一)：Python 实现爬虫与 SQL 注入自动检测

不用再依赖第三方工具！本文带你用 Python 手写基础 Web 漏洞扫描器，第一篇实现网页爬虫与 SQL 注入漏洞自动检测，逻辑清晰、代码完整，帮你理解扫描器工作机制，提升网安实战能力。

披荆斩棘的GG
2026-04-24 09:47:07

 1934

 28

#前端 #python #爬虫 +2
怎么写？让 Agent 先规划，再执行，再补缺口

文章摘要：ReAct 擅长根据局部反馈选择下一步，却容易在长任务里漏项、重复搜索和过早总结。本文只讲 Plan-and-Execute：如何把计划变成结构化状态，并让预算、执行、审查、并行和重规划真正进入运行时。所属系列：ReAct 与 Agent Loop 工程（3/6）上一篇的 Harness 管一次 Agent 运行内部的预算、重试、审批和副作用。本篇再向外一层：Plan-and-Execu

m0_73324873
2026-07-30 09:14:57

 481

 23

#python #架构
Python 命令参数详解：从 `python --help` 到实战理解

常用组合python -m运行模块，python -c执行单行代码调试利器-i交互调试，-v查看导入过程性能优化-O和-OO用于生产环境优化环境控制-E和-I确保环境一致性实时输出-u适合需要实时查看输出的场景版本检查-V快速查看 Python 版本帮助文档-h和--help-*系列获取详细帮助掌握这些参数能让你在开发、调试、部署 Python 应用时更加得心应手。根据不同的使用场景选择合适的参数

 wsad0532
2026-02-27 21:33:42

 787

 18

#python #开发语言
【Python】学生管理系统

本文介绍了一个命令行版学生管理系统的实现方案，系统支持学生信息的增删查改及本地存储功能。

Albert Edison
2026-02-18 10:41:18

 4.5w

 22

#python #开发语言 #数据库
【Python实战】10万行数据自动清洗：pandas+AI智能识别+异常检测完整方案

摘要本项目开发了一套智能数据清洗系统，针对传统手工清洗效率低下的问题（10万行数据需8小时），提出自动化解决方案。系统采用多技术融合架构，包含以下核心模块：数据质量扫描：自动检测空值、重复值、格式异常等问题，生成质量评分报告智能处理引擎：集成pandas、scipy和机器学习算法，实现空值填充（中位数/KNN）、模糊去重、异常值处理 AI增强功能：调用DashScope/Qwen3模型进行复

 weixin_41015620
2026-04-14 17:25:21

 114

#python #pandas #人工智能