Rag

Foundry IQ 找到了 PCI 规则，却没列出任何服务。从这道错题看多轮检索能补什么，以及哪些步骤需要查询和程序。

企业智能体的失败，真正的原因通常不是模型不够强。是没有人认真回答过：它做的事和业务目标之间到底有什么关系。本文用 DIKW/DIKWP 框架作为工程地图，拆解企业 Agent 从数据感知到意图驱动的五层架构——不是把 DIKWP 当成真理金字塔，而是作为一张帮你问对问题的诊断工具。

本文结合代码实践，解析 Cognee 如何将向量检索、来源追踪与知识图谱整合为面向 AI Agent 的可计算记忆层，并通过一个最小示例验证其本地接入与查询实践。

本文是《Building Applications with AI Agents》系列解读的第二篇。继上一篇剖析智能体核心类型后，本篇深入探讨智能体能力的延伸——工具选择（Tool Selection）。从基础的 Prompt 工程到 2026 年主流的 Tool RAG 与 MCP 生态，为您揭示如何构建支持万级工具规模的高效 Agent 系统。

本文利用 content-extraction 工具深度萃取 LangGraph 官方文档精华，旨在为智能体开发者构建结构化的知识底座。通过提炼核心概念与架构设计，帮助开发者快速掌握 LangGraph 全貌，打破信息茧房，避免重复造轮子。

本文利用 content-extraction 工具深度萃取 LangChain 官方文档精华，旨在为智能体开发者构建结构化的知识底座。通过提炼核心概念与架构设计，帮助开发者快速掌握 LangChain 全貌，打破信息茧房，避免重复造轮子。

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。

Deep Research 是一个基于大语言模型的深度研究报告生成平台。本文通过详细的架构分析和技术实现细节，为开发者提供构建智能研究助手系统的最佳实践参考。

深入解析 DeerFlow 多智能体研究系统的技术架构与实现细节。文章详细剖析了基于 LangGraph构 建的模块化工作流，从协调器、规划器到研究团队的完整智能体协作机制，涵盖Python现代技术栈、异步处理等核心技术。通过详细流程分析和独立入口函数设计分析，展示了如何构建生产级的AI研究助手系统，为开发者提供多智能体系统设计的最佳实践参考。

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。

详细记录如何在 Dify 大语言模型应用开发平台中，通过 MCP 协议及 MCP Proxy 连接 ClickHouse 数据库，实现数据分析与可视化的完整教程。包含环境配置、服务部署和实际应用案例。