大家好，我是九歌，一個智能體科普和實踐者。做智能體最難的事情，并不是如何怎么學會做智能體，工具的學習往往是簡單的，如何找到智能體真正有用的應用場景和業務需求才是核心能力。我們目前在各大智能體開發平臺上的智能體，說實話，更多是玩具的屬性。在AI大模型領域，企業端正在探索的方向主要有：1.企業的知識管理與數據治理老生常談的方向2.垂域模型打造利用企業私有的數據、知識、通用大模型，訓練極速的垂域模型3.智能...

大家好，我是九歌。最近刷到最多的AI相關文章，就是一路好評的DeepWiki了！手癢難耐的我，也早早就上手體驗了一下。整體體驗下來，確實不錯，對于想了解一個Github項目的新人來說，確實非常有幫助。但是有一說一，DeepWiki的缺點也是很明顯的，一是只能局限于Github項目，對于個人私有代碼倉庫卻愛莫能助！二是時間具有滯后性，項目代碼不是最新的！如果公司有傳承已久的代碼庫，新入職的同事看到那山一樣高的代碼，內心肯定是...

大家好，我是九歌。今天我們聊一聊使用大模型進行數據分析。AI數據分析作為大模型應用的剛需，在各大平臺上的表現卻大相徑庭。阿里百煉的析言、ChatGPT、商湯的小浣熊、豆包，用了一圈，發現能打的只有豆包。但是豆包只提供大模型接口，AI數據分析卻沒有對應的接口。首先定義一下“AI數據分析”，本文所說的AI數據分析，專指大模型對數據表格的處理能力，默認數據超過2000行！2000行的表格直接喂給大模型讓其分析，可想而知，這...

在前幾天的文章??《論MCPServer與工作流在智能體開發場景中的作用和區別》??，我提到了一個觀點，MCP和工作流的關系將是你中有我，我中有你。Dify工作流可以將MCPServer作為工作流中的某個關鍵節點；同樣，Dify工作流可以發布為McpSever，由大模型選擇和使用。同樣，對于各大智能體開發平臺來說，不管是生態龐大的Coze還是開源界的扛把子Dify,在將來也是這種互聯互通的狀態，只要他們各家的API足夠開放就行。比如，因為Coze...

今天討論的是個很無聊的話題意義，但是卻困擾我很長時間。最近突然頓悟了，有種開竅的感覺，下面我把最近關于智能體開發中工作流、Mcpserver的一些思考分享給大家，希望得到大家的指正。閱讀本文前，默認大家已經對智能體開發、Mcp工作流、Dify有了一定的認識，如果還沒了解過，可以看我以前的文章。??智能體（Agent）的3種表現類型：聊天助手、工作流與對話流????不再混淆了！一文揭秘MCPServer、FunctionCall與Agent的...

我集中精力，花2個多小時把DifySandbox官方源碼研究了一下，終于理清了Sandbox執行代碼的邏輯，順便實現了在不修改官方difysandboxdocker鏡像，用戶上傳文件后路徑的獲取和對Excel文件的數據處理。話不多說，先看效果。一個有9406條數據的Excel文件瞬間完成了數據處理工作。下面我來說一下，這個如何實現。Dify安裝成功后，會有10個Docker容器，其中dockersandbox的作用是用來執行工作流中”代碼“這個節點運行的代碼。這樣就保...

智能體主要由大語言模型（LLM）+提示詞（Prompt）+知識庫（RAG）+工作流（WorkFlow）+工具（Tools）等若干元素組成。今天我們開啟《人人都會做智能體》公開課第2節：智能體（Agent）的3種表現類型——聊天助手類型、工作流類型、對話流類型。「本文配圖主要來源于我的長篇圖文寫作助手」??讓DeepSeek聊天記錄秒變長篇圖文和PPT的智能體，Claude3.7手把手喂飯教程！??與智能體的組成不同，所謂的智能體表現模式，就是智能體...

文章生成的工作流由簡單的大模型直接生成文章改為按章節段落迭代生成，并在段落生成時由Claude3.7大模型根據段落內容，直接總結凝練后，繪制成一張張網頁版的PPT配圖，最后再拼成一個完整的網頁。這個工作流還是蠻大的，消耗的token數量也是肉疼，好在結果讓人欣慰，我們先來看一下智能體的實現效果。怎么樣？效果還是蠻不錯吧，這個智能體能很大程度上解決我們做PPT的一些難點，因為市面上一些做AIPPT的工具，都是直接套的模板...

我們都知道智能體開發的平臺非常多，Dify是開源的智能體開發平臺中用戶比較多的一款。但是跟Coze平臺相比，很多想使用Dify的用戶，第一個難關就是Dify的本地部署。很多小白可能對Linux、Docker一竅不通，所以我之前寫過一篇怎么借助WSL完成windows下Dify的部署，其實沒有解決痛點，Dify的主要用戶還是只局限于程序員這個群體。?為了能夠更好的完成智能體的科普，讓更多人無門檻使用Dify這種開源的智能體開發平臺，經過這兩天的...

前幾天《人人都會做智能體》社區的成員提問，OA請假可以用智能體實現嗎？我第一反應是這種問題有點太簡單了，但是轉念一想，越是這種簡單的任務，反而更有科普價值，因為很多人還沒深入了解過智能體（Agent）到底是什么，我不能先入為主的將其定義為沒有必要的簡單。想了解智能體是什么，可以先看我之前的這篇文章。【人人都會做智能體】Agent是什么,簡單中等復雜商用的智能體又是什么所以今天我們一起來實現一個基于對話流的請...

今天我將開啟《人人都會做智能體》公開課的第1節課。《人人都會做智能體》公開課以智能體的小白科普和初級制作為目標，將從智能體基礎認知（LLM+RAG+WorkFlow+Agent）、智能體拆解復原、開發環境部署、智能體項目實戰等幾個部分，按照學習習慣，迭代式遞進式的，采用圖文結合的方式，循序漸進帶領大家一步步掌握智能體制作的方法、技巧和經驗。智能體項目實戰部分，現在初步定了兩個，我之前的文章已經開始寫了。一個是長篇圖文...

想象一下，如果普通AI是一個只會機械執行指令的機器人，那么采用ReAct策略的智能體就像是一個會先思考后行動的偵探。在解決問題時，它不會匆忙跳入結論的深淵，而是沿著"觀察思考行動觀察"的螺旋階梯，一步步接近真相。這就是ReAct（Reasoning+Acting）策略的魅力所在。ReAct策略：智能體的"內心獨白"與"外在行動"ReAct就像給AI裝上了"內心獨白"和"行動執行器"兩個齒輪，讓它們交替轉動：觀察環境：智能體睜大眼睛，感知周圍世...

一、技術背景與設計目標當前內容生成系統普遍面臨三個技術挑戰：多源異構數據處理效率低下、長文本生成的結構連貫性不足、多模態內容協同生成能力薄弱。本研究提出一種基于LangGraph框架的解決方案，旨在構建模塊化、可擴展的智能文章生成系統，其核心設計目標包括：實現端到端的自動化內容生產流水線支持動態工作流調整與錯誤恢復機制確保多模態內容的一致性驗證提供可插拔的第三方服務集成接口二、系統架構設計2.1整體架構概...

一、大模型知識庫戰略架構（耗時：初始8小時月度迭代）1.知識價值密度評估四維篩選模型（Ec業務關鍵度，Fa調用頻率，Fh歷史價值，Ct維護成本）知識類型處理策略工具鏈配置高頻核心知識向量化+微調GPT4Turbo+PGVector中頻場景知識RAG增強檢索LlamaIndex+Pinecone低頻長尾知識壓縮存儲ZSTD+MinIO知識熱力分析fromlangchain.analyticsimportKnowledgeHeatmapheatmapKnowledgeHeatmap(querylogsloadlogs("searchlogs.json"),docmeta...

你有沒有想過，為什么當紅炸子雞DeepSeek這樣的大語言模型能夠又快又好地回答各種問題，而且成本又那么低？秘密之一就在于它使用的"混合專家"（MixtureofExperts，簡稱MoE）架構。本文將用通俗易懂的語言，解釋MoE是什么，它如何工作，以及為什么它如此重要。MoE是什么？想象一下一所大學：傳統模型就像一位超級教授，必須精通所有學科，從文學到物理，從歷史到計算機科學。每個問題都由這位教授獨自解答。MoE模型則像一所設有...

引言：LangChain的背景與意義在人工智能快速發展的時代，大型語言模型（LLM）如OpenAI的GPT系列，已成為生成自然語言文本的核心技術。然而，將這些模型應用于實際應用（如聊天機器人或虛擬助手）時，開發者常常面臨提示管理、外部數據集成和上下文保持的挑戰。LangChain作為一個開源框架，旨在簡化這些復雜性，提供模塊化工具，幫助開發者高效構建LLM驅動的應用。LangChain于2022年10月由HarrisonChase在RobustIntelligence啟動...

一、環境準備1.1安裝框架全功能安裝（RAG代碼解釋器GUI支持）pipinstallU"qwenagent[rag,codeinterpreter,pythonexecutor,gui]"簡約安裝版本pipinstallUqwenagent1.2模型服務配置方法1：官方服務exportDASHSCOPEAPIKEY'yourapikey'方法2：本地部署（vLLM示例）fromvllmimportLLM,SamplingParamsllmLLM(model"Qwen27BChat")二、核心功能開發2.1工具定義與使用fromqwenagent.tools.baseimportBaseTool,registertoolimportjson5reg...

想象一下，你站在一個外星人面前，試圖向它解釋如何煮一杯完美的咖啡。它有著超強的執行能力，但對地球上的事物一無所知。你會如何表達？是簡單地說"給我煮杯咖啡"，還是提供一套詳細的步驟指南？這正是我們與AI智能體交流時面臨的挑戰。在當今AI迅猛發展的時代，大型語言模型(LLM)如GPT4、Claude等已經成為構建智能應用的基礎設施。然而，要讓這些強大的模型真正理解我們的意圖、按照我們期望的方式工作，掌握高效的提示詞(Pro...

本文由DeepSeekR1根據搜集的資料和多次對話后整理而成。在人工智能技術日新月異的今天，提示詞工程（PromptEngineering）已成為開發者與普通用戶駕馭大語言模型的核心技能。本文結合編程思維與AI交互實踐，系統梳理編寫高質量提示詞模板必須掌握的10個編程常識，助您在智能體開發、內容生成、數據分析等場景中游刃有余。一、變量與參數化思維編程中的變量概念是提示詞工程的基石。優秀的模板應包含可替換的動態參數，通過占位符...

之前寫過一篇文章《??Markdown+AI效率神器：10分鐘就能學會的大模型文本格式！??》，我以為應該沒啥閱讀量，本來這個在程序員眼中是個再普通不過的工具，沒想到閱讀量還挺高，很多人給我留言或者私信問Markdown如何排版的問題。雖然很多人可能初步了解了Markdown的語法，但我想他們經常會受到困擾的場景有以下這些。（1）直接點復制按鈕直接復制到Word中，要么排版一塌糊涂，要么帶著Markdown語法標識。（2）鼠標右鍵復制直...