概述在人工智能快速發(fā)展的今天，構(gòu)建智能代理系統(tǒng)已成為開(kāi)發(fā)者關(guān)注的焦點(diǎn)。DeepAgents作為L(zhǎng)angChain生態(tài)系統(tǒng)中的重要組成部分，為開(kāi)發(fā)者提供了一個(gè)強(qiáng)大而易用的代理工具包。本文將從概念理解到代碼實(shí)踐，全面解析DeepAgents的技術(shù)特性與應(yīng)用場(chǎng)景。DeepAgents核心概念DeepAgents是由LangChain團(tuán)隊(duì)開(kāi)發(fā)的開(kāi)源Python工具包，專門(mén)用于構(gòu)建能夠處理復(fù)雜任務(wù)的智能AI代理。它基于LangGraph構(gòu)建，并受到ClaudeCode、DeepResearch和Manu...

在過(guò)去的兩年里，生成式AI像一陣龍卷風(fēng)，席卷了幾乎所有企業(yè)的辦公桌。從寫(xiě)周報(bào)、做PPT，到寫(xiě)代碼、出方案，AI似乎無(wú)所不能。公司高管們高呼“擁抱AI”，員工們也紛紛下載各種工具，生怕落后一步。但奇怪的是——用得越多，回報(bào)越少。麻省理工學(xué)院最新研究顯示：95%的組織在AI投資上看不到可衡量的回報(bào)。一邊是熱火朝天的AI使用潮，一邊是悄無(wú)聲息的價(jià)值塌方。這中間，到底發(fā)生了什么？麻省理工學(xué)院和斯坦福社交媒體實(shí)驗(yàn)室、Bet...

背景在我借助AI進(jìn)行開(kāi)發(fā)的過(guò)程中，最常遇到的困擾并不是“AI寫(xiě)不出代碼”，而是它寫(xiě)出的代碼過(guò)于隨意——有時(shí)誤解了我的意圖，有時(shí)給出的實(shí)現(xiàn)邏輯不夠清晰，最終不得不由我逐一修正。后來(lái)，我嘗試過(guò)像speckit、BMADMETHOD這類強(qiáng)調(diào)“規(guī)范驅(qū)動(dòng)開(kāi)發(fā)”的工具。理念雖好，實(shí)際使用起來(lái)卻不夠順暢，而且它們更適用于從零啟動(dòng)的項(xiàng)目。但在公司實(shí)際環(huán)境中，大多數(shù)項(xiàng)目并非從頭開(kāi)始，更多場(chǎng)景是在現(xiàn)有代碼基礎(chǔ)上開(kāi)發(fā)新功能或重構(gòu)舊模塊。...

Deepseek最新發(fā)布的OCR模型在實(shí)測(cè)中展現(xiàn)出驚人效率，僅用15秒便將百頁(yè)P(yáng)DF完整轉(zhuǎn)換為Markdown格式，且Token消耗量?jī)H為GPT4V的十分之一。經(jīng)過(guò)對(duì)源碼的深入解析，我們歸納出其三大核心技術(shù)突破，這些創(chuàng)新共同將OCR性能提升至全新水平。性能表現(xiàn)一覽Token壓縮效率：達(dá)到64:1（行業(yè)普遍水平為16:1）處理速度：在A100上實(shí)現(xiàn)每秒2500token文檔轉(zhuǎn)換：100頁(yè)P(yáng)DF僅耗時(shí)15秒識(shí)別精度：在OmniDocBench測(cè)試中獲得91.0%準(zhǔn)確率橫向?qū)Ρ蕊@示：相...

聊天框正成為AI時(shí)代的操作系統(tǒng)，而OpenAI希望成為新時(shí)代的微軟。OpenAI的開(kāi)發(fā)者日，向世界展示了一張遠(yuǎn)比我們想象更為宏大的商業(yè)版圖。CEO山姆·奧特曼在主題演講中分享了一組里程碑?dāng)?shù)據(jù)：ChatGPT周活躍用戶已突破8億，開(kāi)發(fā)者數(shù)量從200萬(wàn)增長(zhǎng)至400萬(wàn)，API每分鐘處理60億token。這些數(shù)字背后，是OpenAI從一家AI模型公司向平臺(tái)型企業(yè)的徹底轉(zhuǎn)型。AppsSDK徹底改變?nèi)藱C(jī)交互奧特曼在DevDay上明確表示：“別把ChatGPT當(dāng)插件，這是一個(gè)...

LangGraph介紹LangGraph是由LangChain團(tuán)隊(duì)開(kāi)發(fā)的前沿開(kāi)源框架，它代表了AI應(yīng)用架構(gòu)的重要進(jìn)步，專為構(gòu)建、部署和管理復(fù)雜的生成式AI工作流而設(shè)計(jì)。作為一個(gè)強(qiáng)大的編排工具，它提供了底層基礎(chǔ)設(shè)施，用于支持長(zhǎng)時(shí)間運(yùn)行、有狀態(tài)的工作流或智能體（agent）系統(tǒng)，為開(kāi)發(fā)者提供了構(gòu)建下一代AI應(yīng)用的關(guān)鍵能力。LangGraphisalowlevelorchestrationframeworkforbuilding,managing,anddeployinglongrunning,statefulagents.在當(dāng)今AI應(yīng)用...

ModelContextProtocol(MCP)是一個(gè)專為大型語(yǔ)言模型設(shè)計(jì)的開(kāi)放協(xié)議，旨在解決AI模型與外部工具、數(shù)據(jù)源交互的挑戰(zhàn)。本文將聚焦于PythonMCPSDK，詳細(xì)講解如何使用Python構(gòu)建MCP服務(wù)器和客戶端，實(shí)現(xiàn)大語(yǔ)言模型與外部工具的無(wú)縫連接。Python作為AI和數(shù)據(jù)科學(xué)領(lǐng)域的主流語(yǔ)言，擁有豐富的生態(tài)系統(tǒng)和工具鏈。PythonMCPSDK提供了一套簡(jiǎn)潔、高效的API，使開(kāi)發(fā)者能夠快速構(gòu)建安全、可擴(kuò)展的AI應(yīng)用。本文將通過(guò)一個(gè)簡(jiǎn)單的電燈開(kāi)關(guān)服務(wù)示例...

最近Claudecode降智嚴(yán)重，Codex強(qiáng)勢(shì)崛起，群里一些人還不太會(huì)用。本文將帶你從零開(kāi)始掌握OpenAICodex，涵蓋配置、命令、工具調(diào)用、實(shí)戰(zhàn)技巧等各個(gè)方面?；A(chǔ)配置config.toml工欲善其事，必先利其器。強(qiáng)烈建議先閱讀官方配置文檔??config.md??了解各項(xiàng)配置的詳細(xì)作用。在??.codexconfig.toml??文件中進(jìn)行基礎(chǔ)配置：模型配置model"gpt5codex"Codex0.36.0+支持modelreasoningeffort"high"使用最大推理能力modelreasoningsu...

系統(tǒng)架構(gòu)DeerFlow構(gòu)建了一個(gè)基于LangGraph的模塊化多智能體研究系統(tǒng)，專門(mén)針對(duì)自動(dòng)化研究和代碼分析場(chǎng)景進(jìn)行優(yōu)化。系統(tǒng)采用狀態(tài)驅(qū)動(dòng)的工作流架構(gòu)，通過(guò)標(biāo)準(zhǔn)化的消息傳遞協(xié)議實(shí)現(xiàn)組件間的高效協(xié)作。最近建了langchain&langgrapg智能體開(kāi)發(fā)交流群，感興趣的朋友可以點(diǎn)贊關(guān)注后入群交流架構(gòu)核心特性狀態(tài)驅(qū)動(dòng)工作流：基于LangGraph的有向無(wú)環(huán)圖（DAG）架構(gòu)，支持復(fù)雜的條件分支和并行執(zhí)行多智能體協(xié)作：專業(yè)化智能體通過(guò)角色分工實(shí)...

很多人做智能體時(shí)，會(huì)用“大模型+循環(huán)調(diào)用工具”的最簡(jiǎn)單架構(gòu)。它好用，但常常很“淺”，一遇到復(fù)雜、長(zhǎng)鏈路任務(wù)就容易跑偏、忘事、或停在半路。像DeepResearch、Manus、ClaudeCode這類“深度”智能體，是怎么補(bǔ)上的？核心其實(shí)就四件事：規(guī)劃工具：先想清楚要做什么，再一步步做。子智能體：把復(fù)雜任務(wù)拆給更專精的小助手。文件系統(tǒng)：能讀寫(xiě)文件，保留中間成果和上下文。詳細(xì)提示詞：把工作方法講清楚，少走彎路。deepagents是...

在LangChain生態(tài)日益成熟的今天，我們構(gòu)建的AI應(yīng)用正從簡(jiǎn)單的“問(wèn)答機(jī)器人”向復(fù)雜的“智能體協(xié)作系統(tǒng)”演進(jìn)。而LangGraph，作為L(zhǎng)angChain生態(tài)中用于構(gòu)建有狀態(tài)、多步驟AI應(yīng)用的利器，其核心價(jià)值之一就在于對(duì)多智能體（MultiAgent）系統(tǒng)的優(yōu)雅支持。為什么要“多智能體”？智能體（Agent）是什么本質(zhì)是一個(gè)能感知環(huán)境、基于策略行動(dòng)以實(shí)現(xiàn)目標(biāo)的“自主體”。在LangChainLangGraph中，哪怕最簡(jiǎn)單的對(duì)話循環(huán)也可視為一個(gè)智能體。a...

在折騰LangGraph有段時(shí)間了，最近項(xiàng)目里碰上個(gè)特別棘手的問(wèn)題，才真正體會(huì)到子圖（Subgraph）這個(gè)設(shè)計(jì)的妙處。以前總覺(jué)得把節(jié)點(diǎn)連來(lái)連去就夠了，直到工作流復(fù)雜到自己都快看不懂的時(shí)候，才明白模塊化不是說(shuō)說(shuō)而已。什么是SubGraph簡(jiǎn)單來(lái)說(shuō)，子圖就是一個(gè)圖，但它被用作另一個(gè)圖中的一個(gè)節(jié)點(diǎn)。聽(tīng)起來(lái)有點(diǎn)繞，但實(shí)際用起來(lái)就是把一堆相關(guān)的邏輯打包成一個(gè)“黑盒子”。比如，我最近在搞一個(gè)多智能體的玩意兒，里面有個(gè)專門(mén)負(fù)責(zé)“數(shù)...

LangChain自推出以來(lái)迅速成為開(kāi)發(fā)者構(gòu)建LLM驅(qū)動(dòng)應(yīng)用的重要框架之一，支持多種鏈（chains）、代理（agents）、工具調(diào)用、向量檢索、模型接口等功能。其生態(tài)不斷壯大，但也因模式多樣、抽象紛繁導(dǎo)致開(kāi)發(fā)者面對(duì)不同“agent模式”時(shí)感到困惑。為提升一致性、可維護(hù)性與企業(yè)級(jí)穩(wěn)定性，LangChain在2025年9月推出了v1.0.0Alpha，與LangGraph一起邁入1.x版本演進(jìn)。為什么要推出v1.0？企業(yè)信心：1.0版本象征著更加穩(wěn)定、信賴，降低企業(yè)采...

“我們的框架太復(fù)雜了，用戶已經(jīng)迷路了。”——HarrisonChase，LangChain創(chuàng)始人，在最近一次社區(qū)會(huì)上說(shuō)的原話沒(méi)錯(cuò)。這家估值十億美金的獨(dú)角獸，決定把核心產(chǎn)品幾乎從頭寫(xiě)一遍。不是改改文檔、調(diào)調(diào)API，是真·重構(gòu)——底層邏輯、架構(gòu)設(shè)計(jì)、品牌命名，全盤(pán)調(diào)整。說(shuō)實(shí)話，早該這么干了。大家早就被繞暈了你要是逛過(guò)LangChain的論壇或Discord，肯定見(jiàn)過(guò)這些高頻問(wèn)題：“Chain和Graph到底用哪個(gè)？”“這五個(gè)模塊名字差不多，功能有啥...

在本教程中，我將詳細(xì)介紹如何在Dify平臺(tái)中通過(guò)MCP協(xié)議連接ClickHouse數(shù)據(jù)庫(kù)，實(shí)現(xiàn)數(shù)據(jù)分析和可視化功能。這個(gè)集成方案可以幫助開(kāi)發(fā)者在AI應(yīng)用中輕松訪問(wèn)和分析大規(guī)模數(shù)據(jù)，提升LLM應(yīng)用的數(shù)據(jù)處理能力。Dify環(huán)境配置Dify安裝本文采用Dify社區(qū)版的DockerCompose部署方式。版本演進(jìn)較快，可能與當(dāng)前記錄方式有差異。以官方手冊(cè)為準(zhǔn)。DockerCompose部署：https:docs.dify.aizhhansgettingstartedinstallselfhosteddockercompose安...

本文是對(duì)一篇測(cè)試18種RAG技術(shù)的英文文章的翻譯整理，文章從不同維度展示了RAG實(shí)現(xiàn)思路，全部使用基礎(chǔ)庫(kù)而非框架構(gòu)建，非常適合作為理解RAG技術(shù)的入門(mén)教程。從都知道的簡(jiǎn)單RAG方法開(kāi)始，然后測(cè)試更先進(jìn)的技術(shù)，如CRAG、Fusion、HyDE等！為了讓一切變得簡(jiǎn)單……沒(méi)有使用LangChain或FAISS但是只使用基本庫(kù)來(lái)以Jupyter筆記本風(fēng)格編寫(xiě)所有技術(shù)，以保持簡(jiǎn)單和易于學(xué)習(xí)。測(cè)試查詢和LLMs為了全面評(píng)估各種RAG技術(shù)的效果，作者設(shè)計(jì)了一套...

在人工智能應(yīng)用領(lǐng)域中，深度研究代理已成為最具價(jià)值和廣泛應(yīng)用的智能體類型之一。LangChainOpenDeepResearch作為一個(gè)簡(jiǎn)潔高效、高度可配置且完全開(kāi)源的深度研究代理框架，支持跨多種模型提供商、搜索引擎和MCP（ModelContextProtocol）服務(wù)器運(yùn)行。本文將深入剖析其系統(tǒng)架構(gòu)設(shè)計(jì)原理，并通過(guò)實(shí)際代碼驗(yàn)證演示其核心實(shí)現(xiàn)機(jī)制與技術(shù)特性。系統(tǒng)架構(gòu)設(shè)計(jì)核心設(shè)計(jì)理念：AI代理之所以特別適合研究任務(wù)，在于其具備靈活運(yùn)用多樣化策略...

在今天，AIAgent已經(jīng)從簡(jiǎn)單的"問(wèn)答機(jī)器"進(jìn)化成了能夠處理復(fù)雜任務(wù)的"智能協(xié)調(diào)員"。未來(lái)幾年，至少一定比例的企業(yè)軟件將依賴智能體AI，而路由模式正是這場(chǎng)變革的核心引擎。路由模式的本質(zhì)傳統(tǒng)的線性困境早期的AI系統(tǒng)就像一條生產(chǎn)線——輸入進(jìn)來(lái)，按照預(yù)定步驟處理，輸出結(jié)果。這種方式在處理確定性任務(wù)時(shí)效率很高，但面對(duì)真實(shí)世界的復(fù)雜性時(shí)就顯得力不從心了。比如客服場(chǎng)景：用戶問(wèn)："我的訂單怎么還沒(méi)到？"→查詢系統(tǒng)用戶問(wèn)："...

隨著大語(yǔ)言模型（LLMs）和多智能體系統(tǒng)（MultiAgentSystems,MAS）的快速發(fā)展，我們不再滿足于單個(gè)“聰明”的AI，而是追求多個(gè)AI代理（Agent）之間的高效協(xié)作、動(dòng)態(tài)推理與上下文感知。而這一切的核心，正是我們今天要探討的主題——MultiAgent。ContextEngineering（多智能體上下文工程）什么是MultiAgentContextEngineering？ContextEngineering（上下文工程）是指通過(guò)設(shè)計(jì)、管理和優(yōu)化上下文信息，使AI系統(tǒng)能夠更準(zhǔn)確地理解當(dāng)...

最新的AI生圖模型已經(jīng)能做到驚人的效果。給它一句話，它就能生成逼真的圖片。告訴它想怎么改，它就能精準(zhǔn)編輯細(xì)節(jié)。速度還快得離譜。但對(duì)企業(yè)來(lái)說(shuō)，光有個(gè)生圖模型還不夠。我之前碰到一個(gè)公司，他們想讓用戶上傳照片后，從素材庫(kù)選配飾和道具進(jìn)行換裝。另一家電商平臺(tái)想給模特?fù)Q裝、換發(fā)型、換配飾，實(shí)現(xiàn)一次拍攝，反復(fù)使用。問(wèn)題來(lái)了：這些公司都有海量的歷史素材。服裝、配飾、道具、背景，全是圖片文件。怎么快速找到想要的...