Google 让 RAG 变得前所未有地简单：全新 File Search 工具震撼登场
如果你曾尝试自己搭一套 RAG（Retrieval-Augmented Generation，检索增强生成），你大概懂那种痛：要管理 embeddings（向量嵌入）、vector databases
阅读全文Meta宣布彻底解决RAG最大痛点：速度提升30倍，上下文窗口暴增16倍，成本直接腰斩！
大家有没有这种感觉： 明明只想让大模型看10段资料，它偏偏要硬塞100段，消耗的token数像火箭一样增长，速度还慢得像乌龟？恭喜你，这个行业通病，Meta今天直接给治好了。他们刚开源了一个叫 REF
阅读全文RAG 真的能“不暴露私有数据”吗？答案是：可以
你是否认真考虑过 RAG 流水线中的文档隐私？这篇文章也许能提供一个有帮助的方向。为什么“Standard RAG → Cloud Search”在隐私上行不通Standard RAG 的做法是把明文
阅读全文谷歌70页硬核上下文工程白皮书免费送！
最近谷歌悄悄放了一个超级大招——70页全免费的《Context Engineering: Sessions & Memory》白皮书，直接把“让AI拥有真正记忆”这件事讲得透彻到骨子里。这不是普通的博
阅读全文让 AI 学会“自我修炼”：自我改进智能体训练体系全解析
所谓 Agentic systems，无论用于工具使用还是推理，都是通过 prompts 来引导行动。但 prompts 是静态的，它们只给出步骤，却无法自我改进。真正的 agentic traini
阅读全文OpenMemory：让 AI 拥有长期记忆的开源“人工大脑”
大多数 AI “助手”一旦你关掉聊天窗口就把一切忘得一干二净。它们记不住你的名字、你的偏好，甚至记不住你昨天才告诉它的一件小事。这就是我觉得 OpenMemory 有趣的原因。它是开源的、可在本地运行
阅读全文代码智能体的真正用法，可不是代码补全这么简单
写出更简洁、更聪明的 Python 函数！别再用错误的方式写 Python 函数！改用这些做法！避开常见错误，学习最佳实践，让你的 Python 函数更高效、更易读。Python 是一门很棒的语言——
阅读全文LangChain1.0教程：使用RAG Agent和RAG Chain构建RAG智能体
LLM 最强大的应用之一就是基于检索增强生成（Retrieval Augmented Generation，RAG）的问答（Q&A）聊天机器人。本教程将通过 RAG Agent 和 RAG Chain
阅读全文RAG 真的能“不暴露私有数据”吗？答案是：可以
你是否认真考虑过 RAG 流水线中的文档隐私？这篇文章也许能提供一个有帮助的方向。为什么“Standard RAG → Cloud Search”在隐私上行不通Standard RAG 的做法是把明文
阅读全文不会用AI的程序员，注定会被淘汰
“AI会不会取代程序员？”——这个萦绕在无数开发者心头的问题，早已不再是简单的“是”或“否”可以回答。随着人工智能技术的迅猛发展，真正的分水岭已经出现：不是AI是否会取代程序员，而是那些拒绝拥抱AI工
阅读全文为什么说 Pokee 是 n8n 的反面？因为它让你根本不需要画流程图
现在构建 agents 真是件麻烦事。如果你曾在 n8n 里花上几个小时拉线接 Nodes，或者被某个莫名其妙的 API auth 问题折腾得头大，你就知道我在说什么。那感觉就像教一个机器人煮咖啡——
阅读全文从普通到自进化：构建会自己优化的 Text-to-SQL 智能系统
学习如何借助 Stanford 的 Agentic Context Engineering 构建能自我纠错并自动优化性能的自适应数据库查询系统作者使用 AI 生成的图片当下大多数 Text-to-SQ
阅读全文LangChain1.0教程：给智能体加上记忆功能、工具与中间件
在这个视频中我介绍了如何给智能体添加记忆，以及中间件和工具的使用方法。记忆对于智能体来说，记忆（memory）非常关键——它让智能体能够记住过去的交互、从反馈中学习、并根据用户偏好进行调整。当智能体处
阅读全文Context Engineering（上下文工程）：教你如何让 AI 回答更准、推理更强
Prompts 确立意图。Context 选择事实、历史和工具输出，让 AI 在长任务中保持连贯。Image by Planet Volumes on Unsplash在这个领域的第一幕里，我们沉迷于
阅读全文LangChain1.0教程：消息类型与流式传输
在 LangChain 中，消息是模型上下文的基本单元。它们代表模型的输入和输出，承载着与 LLM 交互时表示对话状态所需的内容和元数据。消息是包含以下内容的对象：role：标识消息类型（例如，sys
阅读全文从普通到自进化：构建会自己优化的 Text-to-SQL 智能系统
学习如何借助 Stanford 的 Agentic Context Engineering 构建能自我纠错并自动优化性能的自适应数据库查询系统作者使用 AI 生成的图片当下大多数 Text-to-SQ
阅读全文LangChain1.0教程：在LangChain中优雅地使用大模型
LLM（大语言模型）是功能强大的 AI 工具，能够像人类一样理解和生成文本。它们用途广泛，无需针对每项任务进行专门训练，即可完成内容撰写、语言翻译、摘要撰写和问题回答等任务。除了文本生成之外，许多模型
阅读全文复杂文档也能一键读懂？PaddleOCR VL + RAG 给出新答案
当文档包含复杂表格、数学公式或多栏排版时，传统 OCR 工具往往会产出杂乱内容，需要手动整理。就在上周，我逛 GitHub 时看到了百度新近开源的 PaddleOCR-VL-0.9B。老实讲，看到它只
阅读全文LangChain1.0教程：创建你的第一个智能体
LangChain1.0 正式发布有几天了，和之前比起来，我感觉优化点还是不少的，起码能让大家清楚明白什么时候该用 LangChain，什么时候该用 LangGraph了。如果你希望快速构建智能体和自
阅读全文复杂文档也能一键读懂？PaddleOCR VL + RAG 给出新答案
当文档包含复杂表格、数学公式或多栏排版时，传统 OCR 工具往往会产出杂乱内容，需要手动整理。就在上周，我逛 GitHub 时看到了百度新近开源的 PaddleOCR-VL-0.9B。老实讲，看到它只
阅读全文使用 RAG、LangChain、FastAPI 与 Streamlit 构建 Text-to-SQL 聊天机器人
在这个项目中，我构建了一个由 AI 驱动的聊天机器人，它可以将自然语言问题转换为 SQL 查询，并直接从真实的 SQLite 数据库中检索答案。借助 LangChain、Hugging Face Em
阅读全文关于使用ChatOpenAI调用阿里云千问模型无法实现结构化输出的解决方案
阿里云提供的 “OpenAI 兼容接口”主要是为了支持标准 OpenAI API 调用。但是并不是完全兼容：尤其是当我们使用下面的方式期待模型产生结构化输出时：from pydantic import
阅读全文这是我最近见过最实用的技能
GPT-5、Claude Opus 4……Agent 技术真的能干活儿了。2025 年 8 月，OpenAI 发布的 GPT-5，可不仅仅是个能说会道的 AI。它在编码、推理方面的能力都有了很大提升，
阅读全文Agentic AI：单智能体 vs 多智能体系统的核心差异
在 LangGraph 中基于结构化数据源构建在 LangGraph 中构建不同的 agent 系统 | Image by author如果你刚开始搭建不同的 agentic 系统，一个有趣的切入点是
阅读全文验证、约束求解、AI 的逻辑基石：推荐一本算法经典新书
🧩 一、从一个简单的问题开始有没有一种办法，能让计算机判断：“这些逻辑条件能不能同时成立？”这看似简单的问题，其实就是现代自动推理的核心：SAT（命题可满足性）与 SMT（带理论的可满足性）。它们是形
阅读全文不吹不黑，这是我用过最顺手的 AI 写代码方案
上周我不小心组了一支开发团队。只是……这支“团队”其实就我、Claude Code 和 Codex 三个，分坐在屏幕两边，像两位彼此勉强容忍的对手工程师。说实话？这简直是_magic_。 如果你想在不
阅读全文构建具备深度思考能力的 Agentic RAG 流水线，用于解决复杂查询
很多 RAG 系统失败，并不是因为 LLM 不够聪明，而是因为它们的架构太简单。它们试图用线性的一次性方式，处理一个本质上循环、多步骤的问题。许多复杂查询需要推理、反思，以及何时行动的聪明决策，这与我
阅读全文LangGraph构建复杂的生产级RAG系统：一个简单的RAG流水线
我们接着此前的两篇文章学习如何使用LangGraph构建一个复杂的可用于生产的RAG系统。此前的两篇文章可以访问下方链接查看：Python+LangGraph+RAGAS构建一个复杂的、可用于生产的R
阅读全文LangGraph构建复杂的生产级RAG系统：构建知识库
在此前的文章中我介绍了：Python+LangGraph+RAGAS构建一个复杂的、可用于生产的RAG系统我们首先由构建知识库开始介绍如何一步步地构建这个复杂的、可用于生产的RAG系统。在这里，我们将
阅读全文构建具备深度思考能力的 Agentic RAG 流水线，用于解决复杂查询
很多 RAG 系统失败，并不是因为 LLM 不够聪明，而是因为它们的架构太简单。它们试图用线性的一次性方式，处理一个本质上循环、多步骤的问题。许多复杂查询需要推理、反思，以及何时行动的聪明决策，这与我
阅读全文