全部专栏
AI Agent 开发笔记
沉淀大模型智能体的开发与落地笔记
共 11 篇文章更新于 2026-08-05
- 01基于 OpenAI SDK 开发 AI Agent 功能本文介绍如何基于 OpenAI Python SDK 开发 AI Agent 核心功能。内容涵盖模型接入与配置、系统提示词定义、流式输出响应处理，以及工具调用（Function Calling）的完整逻辑闭环。此外，本文还介绍了多轮对话中的记忆管理机制与上下文剪裁策略（包含滑动窗口、Token/字符剪裁以及历史摘要化），为构建稳定可靠的 AI Agent 提供具体实现方式与工程参考。2024-06-26
- 02LangChain 核心基础概念详解介绍 LangChain 核心基础概念，包含模型配置初始化、系统提示词模板、LCEL 链式编排、智能体构建（create_agent）、工具定义与参数校验、持久化检查点、结构化输出及流式输出等特性。2026-08-05
- 03为博客构建 RAG 检索增强生成系统在构建大模型应用时，RAG 检索增强生成是引入私有知识的标配方案。本次实战以黑白梦博客的数据为基础，从数据处理、向量库同步、多视角检索等维度，探索如何从零构建一个 RAG 检索系统。2026-05-16
- 04AI Agent 会话与记忆管理：上下文剪裁与双存储实践本文梳理了 LangChain 与 LangGraph 中的上下文剪裁核心策略（裁剪、删除、内置工具与摘要中间件）及 Token 预算规划方法，并结合“黑白梦博客助手”的业务场景，详解其采用的“Redis 短期快照 + MySQL 长期档案”双存储解耦架构与冷启动恢复实践。2026-05-31
- 05向量度量基础与混合检索开发实战本文对比了稠密向量与稀疏向量的几何特征，并结合 PyMilvus SDK 提供了双路混合检索（加权分数融合与倒数排名融合 RRF 算法）从特征生成、多特征建表索引到单路与多路检索调用的开发实战。2026-06-22
- 06对话系统”流式输出“的前后端完整实现方案在构建大模型系统时，流式输出已成为 AI 产品的标配。本文将详解一套基于 Server-Sent Events (SSE) 的全链路方案，涵盖基础的单接口双流同步与流中断机制，延伸至双通道异步队列解耦与长连接生命周期清理，以及 Nginx 反向代理部署和防缓冲优化。2026-05-17
- 07MinerU: AI 驱动的文档解析工具在 RAG 系统中，多模态结构化提取能力是重要基石，我们可以使用以 MinerU 这类智能多模态解析方案，在复杂文档的处理中还原表格与物理图像的真实轮廓，极大增强知识切片的高可信度。2026-06-20
- 08重排序模型：从基础应用到动态截断流水线设计RAG 中，单靠向量或稀疏检索等粗筛手段，难以应对生产级高精度要求，且多路混合检索的分数存在打分尺度不统一等局限。为此，RAG 通常引入重排序精排模型作为过滤屏障。本文从介绍重排模型的基本概念与基础使用，到多源数据合并、动态截断算法以及字符预算控制等核心流水线的设计与实现。2026-06-23
- 09探索 Transformers.js：核心机制与本地化模型实践Transformers.js 是 Hugging Face 生态系统中的一款工具库，可以在浏览器或 Node.js 环境中执行自然语言处理、计算机视觉和音频处理等任务。本文结合一款 Electron 本地翻译应用的项目开发经验，探索 Transformers.js 在真实场景下的落地过程。2026-04-11
- 10Tesseract.js 构建本地图像文字识别模块Tesseract.js 提供了一套轻量级的 JavaScript OCR 解决方案，兼容浏览器与 Node.js 环境。本文将结合项目的工程实践，阐述如何通过本地语言包、图像预处理与任务队列机制，在 Electron 客户端构建完整的离线图像文字识别模块。2026-04-08
- 11Ollama 本地运行 DeepSeek 等开源大模型，开启局域网访问，支持其他服务调用Ollama 可本地运行 DeepSeek 等开源大模型，除了使用它自身的 SDK ，也可以作为服务供其他程序调用。2025-05-27