从能读取到能研究:我们如何把 Agent 的 PDF 工具升级为可追溯的多模态能力
作者团队把投研 Agent 的 PDF 工具从纯文本提取升级为可导航、可核对证据的多模态研究能力。核心做法是把阅读拆成搜索、定位、读取三类接口,由 Reader 签发有效页面位置并独立记录文本、表格、页面图像的实际覆盖范围,资源上限按 PDF 与网页等内容类型分别约束(PDF 统一为 10 MiB,网页仍受 2 MiB 响应限制管理)。
作者团队把投研 Agent 的 PDF 工具从纯文本提取升级为可导航、可核对证据的多模态研究能力。核心做法是把阅读拆成搜索、定位、读取三类接口,由 Reader 签发有效页面位置并独立记录文本、表格、页面图像的实际覆盖范围,资源上限按 PDF 与网页等内容类型分别约束(PDF 统一为 10 MiB,网页仍受 2 MiB 响应限制管理)。
团队基于自托管 Langfuse 构建 Agent 可观测体系,将观测对象从孤立调用扩展为带身份的执行链,并明确 Langfuse 诊断视图不替代业务持久执行记录。
作者给团队搭内部知识库问答时,同事搜「怎么做接口限流」却被递上「怎么做缓存」的段落;拆开链路发现根因在嵌入层把近义意图放成了邻居,而不是向量库。ANN(IVF、HNSW)只加速找最近邻,召回率是可调旋钮,但改不了「什么算最近」。文中给出 nprobe 与召回率的实测权衡数据、三个生产环境坑(后过滤召回塌缩、维度灾难)以及零依赖可复现代码。
WorkBuddy 国内版(5.8.3)与国际版(5.8.4)在同一台 Windows 上共用更新缓存,自动更新后两个快捷方式会打开成同一个应用。原因是旧版更新器恢复缓存时只比版本号、不校验产品身份,对方的安装包被当成自己的更新静默装入当前目录。
本文逐行拆解 advance-rag 项目,用 LangChain.js、LangGraph 与 Milvus 搭建一个以《天龙八部》EPUB 为唯一知识源的 RAG 问答助手。
这篇入门教程讲解如何用 Claude Code Hooks 把格式化、测试、文件保护等规则挂到生命周期事件上,由 Claude Code 确定性地执行 shell 命令,而不是写进提示词靠模型自觉。配置和字段按 2026 年 10 月的官方文档核对,作者未逐个实测;文中给出编辑后自动格式化、后台异步跑测试、拦截敏感文件、停下前确认测试通过四个示例,并讲清退出码、matcher 和常见排错。
推荐理由:文章把 Hooks 的配置层级、事件类型和退出码讲得足够具体,读者可以照着在自己的项目里搭出格式化和敏感文件保护。
作者为 DeepSeek Harness 开发了费用插件 dsh-spend-pill,在输入框下方显示本次会话的人民币花费,点击可查看分模型、分时段明细。DeepSeek 官方按高峰/空闲时段与缓存命中、未命中、输出三桶分别计价,插件改在 Host 侧用会话投影增量折叠计费,跨分页、跨上下文压缩与冷启动都由投影兜底。
作者用一次「今天/明天」答错的翻车,逐层讲透语义缓存的三层查询结构、阈值权衡与失效策略,并附可复现脚本。阈值扫描显示 τ=0.85 时假阳性率 0.50,压到 0.60 时达 1.00;GPTCache 论文报告命中率 61.6% 到 68.8%、正向命中率超 97%,另有生产案例把命中率从 18% 拉到 67%、月账单降 73%。
推荐理由:作者用可复现的阈值扫描暴露假阳性随阈值变化的规律,并给出分区检索、judge 复核等可直接落地的工程对策。
作者用一个真实论坛案例演示如何指挥 AI 从一句话需求完成 MVP,先通过 feat skill 头脑风暴把需求收敛成两批功能清单和 MVP 外不做清单,再经数据建模、代码审核、BDD 验证与 M 阶段手动测试完成验收,并固定 E2E 回归基准。文章强调 AI 自报通过不等于真通过,用户的核心职责是在关键处决策和把关。
一种基于 Spring AI 2.0.1 的大模型服务抽象将 Provider、ModelProfile 与 ModelClient 分离建模,实现 OpenAI、通义千问 OpenAI 兼容接口与 Ollama 本地模型的统一调用。
本章讲解如何把 Agent 从 demo 送进生产,核心是把生产 Agent 看作分布式异步工作系统:快速任务走同步 REST/SSE,慢速任务入队由 worker 消费,配合任务状态表、断点续跑和统一 LLM 网关做 provider 路由、限流与故障切换。
本文是《从工单开始,做一个 AI Agent》第 14 篇,把候选策略的影子运行、人工批准灰度和确认回归后回滚做成一条可回查的发布路径。
本文是《从0到1构建一个能“记住你”的智能体》系列第 9 篇、正篇收官之作,系统讲解超体的闭环迭代机制。全文围绕六环展开:全链路埋点、失败样本归因与自动反思、程序性记忆 Skill 化(沉淀计划骨架、执行轨迹与踩坑库)、记忆的近重复合并与遗忘衰减、生成→批判→精修→主编排的多智能体协作,以及由数字分身、规划执行、报告、写作等分身构成的智能体矩阵,并给出各环节对应的代码模块与真实翻车案例。
腾讯开源知识管理框架 WeKnora,将 RAG 检索问答、Agent 任务执行与 Wiki 知识整理整合在同一知识库上,支持多格式解析、语义检索和原文引用。Agent 可围绕目标多步推理并调用工具,还支持 MCP 集成连接其他 AI 工具,但生成结果仍需结合业务核验。
Forge Admin 将底座升级到 Spring Boot 4.1.1 / Flowable 8.0.0 / Sa-Token 1.45 / MyBatis-Plus 3.5.17。
多家企业基于 AgentKit 搭建 AIOps 运维排障 Agent 系统并投入日常运维,实现故障根因一键定位。运维人员在飞书发起排障请求后,SuperAgent 识别问题并分派任务,调用应用台账、JVM、数据库和知识库等专业 Worker Agent 协同诊断,汇总形成含证据、建议与风险说明的诊断报告。
文章指出AI让写代码变快、评审仍靠人工,导致PR积压、合并周期拉长,评审成为新的交付瓶颈。某团队引入Claude Code两个月后Bug漏检率从41%降到11%,其机制是把空指针、异常处理、并发安全等机械性检查交给AI,人聚焦改动意图、架构决策与业务逻辑覆盖。
火山引擎 AgentKit 模型网关在业务应用与底层模型之间增加统一管控层,应对模型稳定性、资源用量管理与多模型统一接入治理问题。
作者按问题定义、数据与语料、Tokenizer、模型架构、预训练、系统性能、评测、后训练与对齐、安全合规、推理产品化十个环节,摊开自研大模型的技术门槛与对应技术栈。作者本人在用一张消费级显卡打通约 0.3B 参数小模型的预训练链路,核心建议是先跑通可中断、可续训、可复现的最小闭环,再扩数据扩参数;训练主链以 Python + PyTorch 为主,CUDA 与多机并行可后补。
亚马逊 CTO Werner Vogels 在深圳交流中提醒,企业不应因担心错过 AI 转型而匆忙决策,要先弄清要解决的问题以及当前一代 AI 是否适合。他主张按任务选型,不必追逐榜单第一名,并关注智能体反复扫描与重新加载带来的成本,Kiro 的跨会话记忆正是为减少这类重复劳动而设计。
范式智能技术集团有限公司联合北京睿思智联科技有限公司宣布,一站式生产级 AI 部署平台“模域”(ModelSphere)正式上线,已在 GitHub 以 Apache 2.0 协议开源。
行业首个基于确定性网络的智能体互联平台 AXP 在南京发布,由紫金山实验室联合中国移动、江苏未来网络集团、江苏省未来网络创新研究院研发,支持百万级智能体注册接入、十万级智能体同时在线运行,达成秒级故障感知切换与百毫秒级语义寻址响应。
本文系统讲解了 RAG(检索增强生成)的完整流程与工程调优方法,覆盖离线索引的切分、向量化、入库与在线检索的相似度检索、Rerank 重排序、Prompt 拼装。
本文梳理了 LangChain 从早期过度封装到 langchain-core、LCEL 与 LangGraph 有向状态机架构的演进,并剖析了无限递归烧 Token、并发分支状态覆盖、容器重启会话丢失与外部工具异常雪崩四类生产事故的机制。
本文基于开源仓库 zai-org/ZCode v3.15.1 的真实源码,拆解 AI 编程 Agent 的实现原理:核心是一个 while(true) 的 Agent Loop,模型只输出文本和工具调用,由运行时执行 Bash、Read、Edit 等工具并把结果塞回对话循环。
推荐理由:文章把 ZCode 的 Agent 实现拆成模型、工具、循环、权限四个部分并给出源码阅读路径,读者可把这套读码方法迁移到其他 Agent 项目。
作者将 JEV 决策模型接入 Agent 路由判断的工程实现整理为端口 + 实现分层,上层只注入 RouteJudgeService,判定作为独立步骤不搅进编排。
本章是 AI Agent 系列教程的第一章,从核心公式 Agent = LLM + 上下文 + 工具 出发,讲解 ReAct 循环、Harness 工程五要素、三层护栏和五个贯穿全书的设计模式。核心论断是模型固定时扩展观察空间与动作空间是提升 Agent 表现的主要工程手段,并以 Kimi K3 和 GPT-5.6 的实验说明模型即 Agent 的趋势。
PD(Principles Disciple)提出以“Owner-Agent 组合体”为核心的协同进化框架,将人类对 AI 系统的最终治权制度化。该框架把 Owner 的每次纠正转化为 Pain Evidence、高层原则与 Skill / RuleHost 等系统资产,以判例法机制替代穷尽式的 Prompt 编写。
REA 逆向工程框架以跨架构指令解码、符号恢复与二进制反编译能力登上掘金热榜 15W+ 热度,作者由此提出 AI 时代的真正痛点是"读代码"而非"写代码"。
Hermes 更新器留下的重启标志位挂了 18 天 13 小时未出清,它等的那次重启其实在 2 天 14 小时后已完成,而写下它的进程 8 分钟后就死了。根因是 .git 目录被删,_current_checkout_sha() 恒为 None,出清条件在结构上永远无法成立,警告不会自动消失。
本文解决 Agent 执行步数过多导致上下文窗口被撑爆、Token 费用飙升的问题,核心思路是按信息重要程度分层管理记忆。依次给出滑动窗口、LLM 摘要压缩、向量记忆三种策略,并组合成 L0 工作记忆、L1 摘要记忆、L2 向量记忆的三层上下文架构。
本文在 Amazon Bedrock AgentCore Runtime 上运行一个基于 LangGraph 的“部署顾问”Agent,并使用 Apache SkyWalking AI Sessionizer 记录每轮交互的模型输入、工具调用和文件变更,使执行环境停止后记录仍可查看。
作者把只写在 prompt 里的文件禁碰约束,改造成四道在提交瞬间强制执行的机器闸门:CODEOWNERS 给禁区上锁、pre-commit 钩子提交前自动检查、路径白名单脚本拦截 Agent 越界改动、动手前先写会失败的红测试。文章按从易到难逐道讲解,附可直接复用的 Python 脚本、给 Cursor 的搭建指令和一张落地清单,并说明各闸门的边界与常见踩坑。
Anthropic 在 claude.dev 发文公开 Claudeude Code 团队的代码评审流程,今年 6 月到 9 月合入 Claude Code 代码库的 PR 数量翻倍以上,回滚比例下降 40% 以上。
推荐理由:原文把评审目标改写成人工时间与回滚率双指标,并给出自下而上的借鉴顺序,适合想落地 AI 评审的团队对照参考。
本文用 LangGraph 编排 Agentic RAG 核心流程:用户 query 先拆分扩展为 3 个子问题,ES 与 Milvus 在同一超步并行召回,结果合并去重后交给 DashScope qwen3-rerank 重排取 Top-N,再送入 LLM 生成回答。
本文系统梳理 AI SDK v7 的整体架构,将其拆解为 Provider/Model、AI SDK Core、Agents、Harnesses 四层互相解耦但原语兼容的抽象。
PHP 后台保存成功但前台仍读旧值时,应按六层顺序排查:先确认请求进入的代码目录与后台写入、前台读取的数据源是否一致,再核对相对路径、写入返回值、CLI 与 PHP-FPM 的运行时差异,最后才逐层处理缓存。文章还给出 request_id 加路径与哈希的审计日志写法、JSON 原子替换函数,以及一段限定只读排查、追踪字段从 POST 到持久化再到渲染完整数据流的 AI 提示词。
ZhyCMS 用 66 天从 v1.0.0 迭代到 v3.1.3,测试从 0 增至 360 项全绿,发版从靠运气变成有 Checklist、CI 和门禁。期间 v2.0 一次性补齐 RBAC、审计日志、内容工作流等八大模块,v2.2 转向插件优先架构,v3.0 上线可视化拖拽页面构建器。作者复盘了 SQL 迁移回填、N+1 查询、API 默认免鉴权等真实代码级踩坑与修复过程。
JetBrains 宣布本地 AI 编程工具 Junie Local 已 Day 0 适配英伟达 RTX Spark 平台,Windows 支持由实验阶段升级为稳定版,初步测试生成速度最高每秒 55 个词元。
量化误差并未消失,而是被四道防线层层消化:误差小且零均值互相抵消、网络 Lipschitz 连续不放大扰动、过参数化与平坦极小值提供冗余、校准与 QAT 主动补偿。INT8 量化噪声仅约满量程的 0.4%,防线满员时精度损失可小于 1%;但位宽降至 2-bit 时第一道防线率先失守,这是低比特掉点的算术根源。