前言用户在 RAG（检索增强生成）应用里提出的问题，往往并不是知识库中最容易被检索到的表达。 比如，用户问：“这个产品支持离线使用吗？”而文档里写的是：“客户端提供本地缓存与断网可用能力。” 两者语义接近，但关键词几乎没有重合。若系统只拿用户原句做向...

前言在简单的问答场景中，调用一次大模型就能得到结果；但当任务需要多轮推理、工具调用、条件分支、失败重试、人工审核甚至长期运行时，单纯依赖一条线性调用链很快就会变得难以维护。 LangGraph 的价值并不是“再封装一个大模型调用接口”，而是提供了一种...

前言大型语言模型的对话并不是“无限记忆”。每一轮输入、输出、工具调用结果和系统提示词，都会占用上下文窗口。当历史内容逐渐逼近窗口上限，系统必须做出选择：丢弃、压缩，或把信息转移到外部存储。 真正困难的部分不在于“把内容变短”，而在于：如何在减少 To...

前言大语言模型擅长理解语言、生成内容和归纳知识，但当任务需要“查资料、调用工具、核实结果、分步执行”时，仅靠一次性生成答案往往并不可靠。 ReAct（Reasoning + Acting）提供了一种更适合智能体（Agent）的工作方式：让模型在任务过...

前言做 AI 应用时，我一开始很容易把大模型理解成“一个更聪明的文本生成接口”：用户提问，模型回答，前端展示结果。 但真正进入业务项目后会发现，很多需求不是只靠“回答得好”就能完成的。比如： 用户问“我还有几节课？” 用户说“帮我预约明天下午的训练...

写在前面做少儿跑酷教练知识库问答助手项目时，我接触到了一个很典型的 AI 应用场景：用户在小程序里提出和课程、等级、动作相关的问题，系统根据已有知识库返回回答。 这个模块的实现方式不是从零搭建一套向量数据库和 RAG 服务，而是基于扣子工作流完成知识...

认识 Agent Client Protocol什么是 Agent Client Protocol？Agent Client Protocol（简称 ACP）是一种专门用于 AI Agent 与客户端（编辑器、IDE、终端、Web 应用等）之间通信的...