AI.x社区

聊天框正成为AI时代的操作系统，而OpenAI希望成为新时代的微软。OpenAI的开发者日，向世界展示了一张远比我们想象更为宏大的商业版图。CEO山姆·奥特曼在主题演讲中分享了一组里程碑数据：ChatGPT周活跃用户已突破8亿，开发者数量从200万增长至400万，API每分钟处理60亿token。这些数字背后，是OpenAI从一家AI模型公司向平台型企业的彻底转型。AppsSDK彻底改变人机交互奥特曼在DevDay上明确表示：“别把ChatGPT当插件，这是一个...

LangGraph介绍LangGraph是由LangChain团队开发的前沿开源框架，它代表了AI应用架构的重要进步，专为构建、部署和管理复杂的生成式AI工作流而设计。作为一个强大的编排工具，它提供了底层基础设施，用于支持长时间运行、有状态的工作流或智能体（agent）系统，为开发者提供了构建下一代AI应用的关键能力。LangGraphisalowlevelorchestrationframeworkforbuilding,managing,anddeployinglongrunning,statefulagents.在当今AI应用...

ModelContextProtocol(MCP)是一个专为大型语言模型设计的开放协议，旨在解决AI模型与外部工具、数据源交互的挑战。本文将聚焦于PythonMCPSDK，详细讲解如何使用Python构建MCP服务器和客户端，实现大语言模型与外部工具的无缝连接。Python作为AI和数据科学领域的主流语言，拥有丰富的生态系统和工具链。PythonMCPSDK提供了一套简洁、高效的API，使开发者能够快速构建安全、可扩展的AI应用。本文将通过一个简单的电灯开关服务示例...

最近Claudecode降智严重，Codex强势崛起，群里一些人还不太会用。本文将带你从零开始掌握OpenAICodex，涵盖配置、命令、工具调用、实战技巧等各个方面。基础配置config.toml工欲善其事，必先利其器。强烈建议先阅读官方配置文档​​config.md​​了解各项配置的详细作用。在​​.codexconfig.toml​​文件中进行基础配置：模型配置model"gpt5codex"Codex0.36.0+支持modelreasoningeffort"high"使用最大推理能力modelreasoningsu...

系统架构DeerFlow构建了一个基于LangGraph的模块化多智能体研究系统，专门针对自动化研究和代码分析场景进行优化。系统采用状态驱动的工作流架构，通过标准化的消息传递协议实现组件间的高效协作。最近建了langchain&langgrapg智能体开发交流群，感兴趣的朋友可以点赞关注后入群交流架构核心特性状态驱动工作流：基于LangGraph的有向无环图（DAG）架构，支持复杂的条件分支和并行执行多智能体协作：专业化智能体通过角色分工实...

很多人做智能体时，会用“大模型+循环调用工具”的最简单架构。它好用，但常常很“浅”，一遇到复杂、长链路任务就容易跑偏、忘事、或停在半路。像DeepResearch、Manus、ClaudeCode这类“深度”智能体，是怎么补上的？核心其实就四件事：规划工具：先想清楚要做什么，再一步步做。子智能体：把复杂任务拆给更专精的小助手。文件系统：能读写文件，保留中间成果和上下文。详细提示词：把工作方法讲清楚，少走弯路。deepagents是...

在LangChain生态日益成熟的今天，我们构建的AI应用正从简单的“问答机器人”向复杂的“智能体协作系统”演进。而LangGraph，作为LangChain生态中用于构建有状态、多步骤AI应用的利器，其核心价值之一就在于对多智能体（MultiAgent）系统的优雅支持。为什么要“多智能体”？智能体（Agent）是什么本质是一个能感知环境、基于策略行动以实现目标的“自主体”。在LangChainLangGraph中，哪怕最简单的对话循环也可视为一个智能体。a...

在折腾LangGraph有段时间了，最近项目里碰上个特别棘手的问题，才真正体会到子图（Subgraph）这个设计的妙处。以前总觉得把节点连来连去就够了，直到工作流复杂到自己都快看不懂的时候，才明白模块化不是说说而已。什么是SubGraph简单来说，子图就是一个图，但它被用作另一个图中的一个节点。听起来有点绕，但实际用起来就是把一堆相关的逻辑打包成一个“黑盒子”。比如，我最近在搞一个多智能体的玩意儿，里面有个专门负责“数...

LangChain自推出以来迅速成为开发者构建LLM驱动应用的重要框架之一，支持多种链（chains）、代理（agents）、工具调用、向量检索、模型接口等功能。其生态不断壮大，但也因模式多样、抽象纷繁导致开发者面对不同“agent模式”时感到困惑。为提升一致性、可维护性与企业级稳定性，LangChain在2025年9月推出了v1.0.0Alpha，与LangGraph一起迈入1.x版本演进。为什么要推出v1.0？企业信心：1.0版本象征着更加稳定、信赖，降低企业采...

“我们的框架太复杂了，用户已经迷路了。”——HarrisonChase，LangChain创始人，在最近一次社区会上说的原话没错。这家估值十亿美金的独角兽，决定把核心产品几乎从头写一遍。不是改改文档、调调API，是真·重构——底层逻辑、架构设计、品牌命名，全盘调整。说实话，早该这么干了。大家早就被绕晕了你要是逛过LangChain的论坛或Discord，肯定见过这些高频问题：“Chain和Graph到底用哪个？”“这五个模块名字差不多，功能有啥...

在本教程中，我将详细介绍如何在Dify平台中通过MCP协议连接ClickHouse数据库，实现数据分析和可视化功能。这个集成方案可以帮助开发者在AI应用中轻松访问和分析大规模数据，提升LLM应用的数据处理能力。Dify环境配置Dify安装本文采用Dify社区版的DockerCompose部署方式。版本演进较快，可能与当前记录方式有差异。以官方手册为准。DockerCompose部署：https:docs.dify.aizhhansgettingstartedinstallselfhosteddockercompose安...

本文是对一篇测试18种RAG技术的英文文章的翻译整理，文章从不同维度展示了RAG实现思路，全部使用基础库而非框架构建，非常适合作为理解RAG技术的入门教程。从都知道的简单RAG方法开始，然后测试更先进的技术，如CRAG、Fusion、HyDE等！为了让一切变得简单……没有使用LangChain或FAISS但是只使用基本库来以Jupyter笔记本风格编写所有技术，以保持简单和易于学习。测试查询和LLMs为了全面评估各种RAG技术的效果，作者设计了一套...

在人工智能应用领域中，深度研究代理已成为最具价值和广泛应用的智能体类型之一。LangChainOpenDeepResearch作为一个简洁高效、高度可配置且完全开源的深度研究代理框架，支持跨多种模型提供商、搜索引擎和MCP（ModelContextProtocol）服务器运行。本文将深入剖析其系统架构设计原理，并通过实际代码验证演示其核心实现机制与技术特性。系统架构设计核心设计理念：AI代理之所以特别适合研究任务，在于其具备灵活运用多样化策略...

在今天，AIAgent已经从简单的"问答机器"进化成了能够处理复杂任务的"智能协调员"。未来几年，至少一定比例的企业软件将依赖智能体AI，而路由模式正是这场变革的核心引擎。路由模式的本质传统的线性困境早期的AI系统就像一条生产线——输入进来，按照预定步骤处理，输出结果。这种方式在处理确定性任务时效率很高，但面对真实世界的复杂性时就显得力不从心了。比如客服场景：用户问："我的订单怎么还没到？"→查询系统用户问："...

随着大语言模型（LLMs）和多智能体系统（MultiAgentSystems,MAS）的快速发展，我们不再满足于单个“聪明”的AI，而是追求多个AI代理（Agent）之间的高效协作、动态推理与上下文感知。而这一切的核心，正是我们今天要探讨的主题——MultiAgent。ContextEngineering（多智能体上下文工程）什么是MultiAgentContextEngineering？ContextEngineering（上下文工程）是指通过设计、管理和优化上下文信息，使AI系统能够更准确地理解当...

最新的AI生图模型已经能做到惊人的效果。给它一句话，它就能生成逼真的图片。告诉它想怎么改，它就能精准编辑细节。速度还快得离谱。但对企业来说，光有个生图模型还不够。我之前碰到一个公司，他们想让用户上传照片后，从素材库选配饰和道具进行换装。另一家电商平台想给模特换装、换发型、换配饰，实现一次拍摄，反复使用。问题来了：这些公司都有海量的历史素材。服装、配饰、道具、背景，全是图片文件。怎么快速找到想要的...

LangGraph与FastMCP2.0（MCP2.0）的结合，主要有两种典型方式：客户端集成：将FastMCP服务器暴露的工具、提示与资源，作为LangGraph工作流中的可调用节点（最常见）。服务端封装：把已有的LangGraphAgent封装为FastMCP服务器，对外以标准协议提供能力（反向集成）。客户端集成MCP模拟服务用于本地测试与调试的MCP2.0模拟服务。以下示例基于FastMCP2.0编写。uvaddfastmcp示例代码最基础的算术工具：fromfastmcpimportFastMCPmcpF...

你是否曾经让ChatGPT或其他AI助手完成一项复杂任务，却发现它要么答非所问，要么只完成了一半就开始"胡言乱语"？这并非AI技术的根本缺陷，而是我们使用它的方式出了问题。想象一下，如果让一个助手同时完成市场调研、数据分析、趋势预测和报告撰写，即便是最优秀的人类助手也会感到力不从心。今天，我们来看下一种模式：promptchain模式（也称流水线模式）来把复杂任务拆成一串更小、更可控的步骤：每步只做一件事，上一步的结...

用传统RAG构建AI应用，总感觉像在跟一个"健忘症患者"对话——它能找到相关文档，却无法真正理解问题的本质。问它"如何优化RAG系统的准确率"，它只会机械地检索包含"RAG"和"准确率"的文档，然后拼凑出一个看似合理的答案。但如果问题稍微复杂一点，比如"比较不同RAG实现方案的优缺点，并给出在资源受限场景下的最佳实践"，传统RAG就露怯了。这就是AgenticRAG要解决的核心问题——让AI不仅会"找"，更要会"想"。从被动到主动传统RA...

在人工智能快速发展的今天，如何有效地与大语言模型交流成为了一项关键技能。本文将深入探讨提示工程的核心技术，帮助您构建更加精准、高效的AI交互方案。提示工程的基础架构每个专业的提示都由两个核心组件构成：静态部分：这些是在整个交互过程中保持不变的指令框架，如系统设定、任务描述等基础配置。动态部分：根据具体场景灵活调整的内容，包括用户输入、检索到的相关信息、历史对话记录、API返回的数据等实时信息。通过模...