Llm

深入解析 HyDE 及其变体 Multi-HyDE 和 Adaptive HyDE，探讨如何利用大语言模型生成的假设文档提升 RAG 系统的检索准确性，并提供详细的代码实战与性能对比分析。

本文详细介绍了如何构建一个具备深度思考和安全执行能力的智能体系统。通过整合 LangChain 的推理能力、Claude Skills 的动态技能机制以及 Daytona Sandbox 的安全执行环境，实现了从任务规划到代码执行的完整闭环。

本文总结 LangGraph 子图（Subgraph）能力，并通过两种通信模式（共享状态与不同状态）提供完整可运行的 Python 示例与流式输出，展示子图在父图中的编译与调用方式、输入输出映射以及在多智能体系统中的常见用法，帮助你快速理解并验证该特性。

全面介绍 BAML（BoundaryML Application Modeling Language）声明式提示语言的设计理念、安装与使用方法，并结合源码与官网文档，深入剖析其类型系统、编译流程与 Python 集成原理，帮助开发者高效构建可靠的 AI 工作流与智能代理。

本文探讨了上下文工程的核心概念与实践方法，阐述了从提示工程到上下文工程的演进过程，详细分析了上下文的组成要素、重要性及其在智能体开发中的关键作用，并通过LangGraph等实例展示了如何有效实现上下文管理。

本文全面解析LangGraph状态机框架，从理论到实践，提供详尽代码示例与运行指南。通过循序渐进的实战演练，掌握从基础聊天机器人到高级状态管理的完整开发流程，深度探索如何结合DeepSeek等大模型构建具有持久记忆与工具集成能力的智能应用，助力开发者快速驾驭这一前沿AI编排技术。

本文全面解析Model Context Protocol (MCP) Java SDK的核心原理与实现方法，详细讲解如何使用Spring MCP构建连接大型语言模型与外部工具的桥梁，并通过实现天气服务API的实战案例，帮助开发者快速掌握MCP的实际应用与最佳实践。

深入解析Google Agent白皮书核心内容，详细介绍智能代理的架构、组件和工作原理，包括模型、工具、编排层以及ReAct、CoT和ToT等推理框架的应用与区别。

《生成式AI入门与AWS实战》（Generative AI on AWS） 的阅读笔记

Model Context Protocol (MCP)