沐子馨

摘要： 工具使用模式概述 截至目前，我们探讨的智能体模式主要聚焦于编排语言模型间的交互以及管理智能体内部工作流的信息流（提示词链、路由、并行化、反思）。然而，要让智能体真正发挥作用并与现实世界或外部系统交互，它们需要具备使用工具的能力。 工具使用模式通常通过函数调用（Function Calling）机制实 阅读全文

摘要： 在前面的章节中，我们探讨了基础的智能体模式：用于顺序执行的提示词链、用于动态路径选择的路由以及用于并发任务执行的并行化。这些模式使智能体能够更高效、更灵活地执行复杂任务。然而，即便采用复杂的工作流，智能体的初始输出或计划也可能并非最优、准确或完整。这正是反思模式发挥关键作用之处。 反思模式是指智能体 阅读全文

摘要： 并行化模式概述 在前面的章节中，我们探讨了用于顺序工作流的提示词链，以及用于动态决策和不同路径间转换的路由。虽然这些模式不可或缺，但许多复杂的智能体任务涉及多个可同时执行而非顺序执行的子任务。这正是并行化模式的用武之地。 并行化是指并发执行多个组件，包括LLM调用、工具使用乃至整个子智能体（见图1） 阅读全文

摘要： 路由模式概述 虽然通过提示词链进行顺序处理是使用语言模型执行确定性、线性工作流的基础技术，但在需要自适应响应的场景中，它的适用性会受到限制。现实世界的智能体系统必须经常根据偶然因素在多个潜在行动之间进行仲裁，例如环境状态、用户输入或前一操作的结果。这种控制流向不同专门函数、工具或子流程的动态决策能力 阅读全文

摘要： 提示词链模式概述 提示词链（Prompt Chaining），有时也称为管道模式（Pipeline pattern），是利用大型语言模型（LLM）处理复杂任务的强大范式。这种方法不再要求 LLM 在单一的整体化步骤中解决复杂问题，而是采用分而治之的策略：将原本令人却步的问题分解为一系列更小、更易管理 阅读全文

摘要： 本文是「从零 build agent」系列教程的第一篇，旨在帮助你理清 Agent 开发中的核心概念。如果你对这个系列感兴趣，欢迎关注 https://github.com/KieSun/how-to-build-agent 获取完整教程和代码示例。 如果你关注 AI 领域，肯定被这些术语轰炸过：A 阅读全文

摘要： 在大模型能力日新月异的今天，许多人发现自己与AI的对话常常陷入“鸡同鸭讲”的尴尬境地。 精心设计的提问，换来的可能是文不对题、逻辑混乱的回答。问题往往不在于模型的能力上限，而在于我们沟通的方式。 谷歌发布的69页《提示工程》白皮书，正好解决了这一痛点，将如何高效驱动大模型的方法论提炼为一系列清晰、可 阅读全文

摘要： 大语言模型在另一个传统自然语言处理应用场景中的突破，就是长文档的总结和评估，这也是大语言模型的一个重要应用方向。我们将探讨如何利用大语言模型的强大能力，实现高质量的文档总结，并对总结结果进行全面评估。 新一代大模型出现之前的文档总结 文档总结是一个经典课题。传统的文档总结方法通常基于统计学和信息检索 阅读全文

摘要： 我们在项目中一定都遇到过，AI 明明很"聪明"，工具也都接好了，结果你让它改个 bug，它改的完全不是你想要的文件；你让它写个组件，它生成了一套跟项目风格完全不搭的代码。 这不是 AI 笨，也不是工具不行，「而是你"喂"给它的上下文不对。」 你可以把 AI 想象成一个远程结对编程的同事——他水平很高 阅读全文

摘要： 背景 用 Cursor 写代码的时候，明明团队有自己的组件规范，但 AI 生成出来的代码风格完全对不上号，每次都要手动改半天——这不是 AI 不够聪明，而是你没"教"过它。 从 Cursor、Claude Code 到 GitHub Copilot，AI 编码工具正在从"对话助手"进化成能「自主执行 阅读全文