風(fēng)雨中的小七

摘要： 當(dāng)大模型成為Agent，我們該如何教會它“行動”？我們將看到一條演進(jìn)路線：從優(yōu)化單一動作（ReTool），到學(xué)習(xí)長程規(guī)劃（RAGEN），再到提升思考質(zhì)量本身（RStar2），最后到一種不依賴外部獎勵的、更底層的經(jīng)驗(yàn)內(nèi)化方式（Early Experience）。 閱讀全文

摘要： 最近Agent Memory的論文如雨后春筍，我們將重點(diǎn)分析三篇代表性工作： - CFGM：離線軌跡經(jīng)驗(yàn)提取 - ReasoningBank：軌跡經(jīng)驗(yàn)提取和test-time scaling結(jié)合 - MIRIX：提供完整記憶工程方案和全面記憶分類 閱讀全文

摘要： 前兩章我們討論了JupyterAgent，當(dāng)時(shí)用的是E2B的代碼沙箱。這次我決定自己動手，用字節(jié)的TRAE從頭構(gòu)建一個(gè)Python代碼沙箱，并加入MCP支持。完整代碼已經(jīng)開源在github.com/DSXiangLi/simple_sandbox 閱讀全文

摘要： 本文將帶你從零搭建一個(gè)數(shù)據(jù)分析智能體，實(shí)現(xiàn)用戶上傳Excel并給出指令后，智能體能夠深入分析數(shù)據(jù)、進(jìn)行可視化，并以Jupyter Notebook形式返回結(jié)果。我們將重點(diǎn)討論以下核心要點(diǎn)：智能體設(shè)計(jì)模式、Context Engineering、復(fù)雜任務(wù)Prompt設(shè)計(jì) 閱讀全文

摘要： ?? 核心挑戰(zhàn)：如何為復(fù)雜數(shù)據(jù)分析任務(wù)構(gòu)建可擴(kuò)展的代碼沙箱工具？本文將以E2B沙箱為例，通過對比Low-Level與FastMCP兩種MCP-Server實(shí)現(xiàn)方案，深入剖析： - Resource/Tool/Prompt的高階應(yīng)用場景 - 數(shù)據(jù)分析coding任務(wù)的難點(diǎn)和解決方案 - FastMCP在原有mcp-server的基礎(chǔ)上做了哪些開發(fā)簡化 閱讀全文

摘要： 作為`結(jié)構(gòu)化推理`的堅(jiān)定支持者，我一度對MCP感到困惑：Agent和工具調(diào)用的概念早已普及，為何還需要MCP這樣的額外設(shè)計(jì)呢？本文就來深入探討MCP，看看它究竟解決了什么問題。我們將分幾章解析MCP：本章理清基礎(chǔ)概念和邏輯，后面我們直接以一個(gè)Agent為例演示全MCP接入的實(shí)現(xiàn)方案。 閱讀全文

摘要： 承接上篇對Context Engineering的探討，本文將聚焦多智能體框架中的上下文管理實(shí)踐。我們將深入剖析兩個(gè)代表性框架：字節(jié)跳動開源的基于預(yù)定義角色與Supervisor-Worker模式的 Deer-Flow ，以及在其基礎(chǔ)上引入動態(tài)智能體構(gòu)建能力的清華CoorAgent。通過對它們設(shè)計(jì)思路和實(shí)現(xiàn)細(xì)節(jié)的拆解，提煉出多智能體協(xié)作中高效管理上下文的關(guān)鍵策略。 閱讀全文

摘要： 無論智能體是1個(gè)還是多個(gè)，是編排驅(qū)動還是自主決策，是靜態(tài)預(yù)定義還是動態(tài)生成，Context上下文的管理機(jī)制始終是設(shè)計(jì)的核心命脈。它決定了：每個(gè)節(jié)點(diǎn)使用哪些信息？分別更新或修改哪些信息？多步驟間如何傳遞？智能體間是否共享、如何共享？后續(xù)篇章我們將剖析多個(gè)熱門開源項(xiàng)目，一探它們?nèi)绾务{馭Context。 閱讀全文

摘要： 在大模型驅(qū)動的時(shí)代，向量模型、索引抽取模型、文本切分模型（chunking）的迭代速度令人目不暇接，幾乎每幾個(gè)月就要升級一次。隨之而來的，是Elasticsearch索引結(jié)構(gòu)的頻繁變更需求。然而，ES有個(gè)眾所周知的‘硬傷’：一旦字段的mapping設(shè)定，就無法直接修改！ 閱讀全文

摘要： 記憶存儲是構(gòu)建智能個(gè)性化、越用越懂你的Agent的核心挑戰(zhàn)。上期我們探討了模型方案實(shí)現(xiàn)長記憶存儲，本期將聚焦工程實(shí)現(xiàn)層面。 - What：記憶內(nèi)容（手動管理 vs 自動識別） - How：記憶處理（壓縮/抽取 vs 直接存儲） - Where：存儲介質(zhì)（內(nèi)存/向量庫/圖數(shù)據(jù)庫） - Length：記憶長度管理（截?cái)?vs 無限擴(kuò)展） - Format：上下文構(gòu)建方式 - Retrieve：記憶檢索機(jī)制 閱讀全文