- Published on

人生在于体会,今时哪及昔时 -- 木心
Shoukai Discovery Tour
互联网架构 | 技术管理 | AI 技术探索 | 终身阅读
- Published on
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。- Published on
本文作为基础教程,系统讲解 LangGraph 与 FastMCP 2.0(MCP 2.0) 的两种集成方式:作为客户端在 LangGraph 工作流中调用 MCP 工具,以及将现有 LangGraph Agent 封装为 FastMCP 服务器对外提供服务。内容包含环境准备、示例代码、运行验证与 MCP Inspector 调试,帮助你快速上手并完成端到端打通。- Published on
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。- Published on
深入解析 LangChain Open Deep Research 开源深度研究代理系统的三阶段架构设计:范围界定、研究执行和报告撰写。详细剖析多代理协作机制、工具集成策略和代码实现,为构建智能研究助手提供完整技术方案和最佳实践指导。- Published on
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。- Published on
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。- Published on
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。