大语言模型

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。

本文为 12-Factor Agents 英文原文的翻译整理，并结合个人实践补充了部分笔记和理解。内容涵盖 LLM 代理开发的 12 项核心原则，适合关注 AI 工程、生产级 Agent、AI 应用最佳实践的开发者参考。

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。

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。

详细解析18种RAG技术实现与对比，从基础RAG到高级自适应RAG，展示不同维度的实现思路。全文使用基础库而非框架构建，附带完整代码示例，是理解RAG技术原理与实践的理想入门指南。

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。

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。