AI.x社区

构建AI智能体的过程，已经被像LangChain、SpringAIAlibaba等开发框架大大简化了，然后这些框架往往隐藏了驱动AI智能体运行的底层逻辑，比如：ReAct（ReasoningandActing），让大模型（LLM）思考问题，并使用工具对任务采取行动。但很多时候，仅依赖预包装的库而不了解它们的内部工作原理，可能会导致困惑。下面的例子就展示了AI智能体在产生回应之前，会经历一系列的思考活动。在本文中，我们将通过深入剖析ReAct架构设计模式，...

MCP是AI应用与能力（tools、prompts、resources）之间的通用连接器，类似于USBC为电子设备之间的连接提供了标准化接口。MCP把原来获取数据的M×N集成问题，通过统一、标准化的接口打破了这种模式，优化为M+N集成问题，大大简化了架构设计和提升了效率。在企业级实际落地中，MCP有9种常见的架构设计模式，下文我们详细剖析之。一、MCP9种架构设计模式1、架构设计模式一：完全本地的MCPClientMCPClient是AI应用（比如：Cursor）中...

多年来，我们一直通过SELECT–FROM–WHERE这种格式与数据库进行交流，从简单的报表生成到复杂的财务分析，再到用户行为的查询，SQL已经成为我们与数据库沟通的默认语言。有趣的是，即使是那些最初声称要颠覆SQL的NoSQL数据库，最终也纷纷引入了对SQL的支持。但是，仅仅因为SQL支持一直如此，就意味着它永远正确吗？据Gartner的预测，到了2026年，大多数企业将会优先考虑使用自然语言作为数据库查询的接口，SQL将从一个必备技能...

多智能体系统（MutiAgents）是能够自己思考、计划、找出相关信息来源并从中提取信息、采取行动，甚至在出错时还能自我纠正的自动系统。OpenAI推出了Swarm开源框架，用来以一种非常灵活的方式来管理和协调多智能体系统。本文我们基于OpenAI推出的Swarm开源框架，来实现多智能体系统。内容包括：多智能体案例架构设计；多智能体案例代码级实现。下文我们详细剖析之。1、多智能体案例架构设计今天，我们来做个实际的操作演示。我们...

RAG（检索增强生成）是企业AI大模型应用落地的主要应用形态之一，特别是在智能问答、报告生成、内容审核、Text2SQL、流程自动化和AI编程等领域大规模应用和落地RAG架构。图片从技术本质来分析，RAG架构设计是由两部分构成：数据工程和信息抽取。其中数据工程是最重要的部分，它的目的是把多模态的数据转化为结构化的知识。数据工程在优化RAG效果过程中至关重要，数据工程质量直接决定了最终的检索和生成效果。无论采用何种文档...

RAG（检索增强生成）是企业AI大模型应用落地的主要应用形态之一，特别是在智能问答、报告生成、内容审核、Text2SQL、流程自动化和AI编程等领域大规模应用和落地RAG架构。从技术本质来分析，RAG架构设计是由两部分构成：数据工程和信息抽取。其中数据工程是最重要的部分，数据工程的最重要的工作之一是对文档进行分块（Chunking）。因为要处理的文档可能会相当大，所以第一步还包括“分块”，就是把一个大文件分成更小的、更容易...

大语言模型（LLM）在理解和生成连贯对话方面取得了显著成就。但是，它们存在一个内在的“记忆缺陷”，即它们拥有的上下文窗口是有限的，这严重限制了它们在多轮次、多会话的长期交互中维持一致性的能力。当对话内容超出了上下文长度时，LLM可能会像一个“健忘”的伙伴一样，忘记用户的喜好、重复提问，甚至与之前确认的事实相冲突。设想这样一个场景：你告诉一个AI助手你是一个素食者，不食用乳制品。然而，几天后当你向它询问...

构建具备自主规划、执行以及适应复杂任务能力的AI智能体，关键在于其“思考”能力。AI智能体思考框架的出现，正是为了赋予AI智能体结构化的推理与决策能力。这些框架为AI智能体提供了一套完整的方法论，指导其如何理解目标、分解任务、运用工具、处理信息，并依据环境反馈来调整自身行为。一个优秀的思考框架，能够显著增强AI智能体的鲁棒性、提升其效率以及拓展解决问题的泛化能力。接下来，我们将深入探讨3种主流的AI智能体思...

本文首先分享AI智能体的3阶段架构设计演进：LLMAgent、AIAgent、MutiAgent。然后对比剖析AI智能体的3大关键技术：FunctionCalling、MCP、A2A。下文详细剖析之。1、AI智能体3阶段架构设计演进AI智能体架构设计阶段一、LLMAgent自2023年大模型兴起后，AI智能体作为新兴事物迅速激发了大众的浓厚兴趣。鉴于泛娱乐场景最能吸引C端用户的关注，这一阶段的智能体多以社交和娱乐为切入点。借助提示词工程为智能体注入灵魂（即设定人设...

最近关于AI大模型应用落地到底选用单智能体架构还是多智能体架构？业界争论很多，特别是Anthropic公司和Devin公司分别主张和使用了不同的智能体架构设计路线，Anthropic公司认为多智能体架构才是AI大模型应用扩展性能的关键，详见《​​性能提升90%，Anthropic首次公开多智能体架构构建全流程​​​​》，而Devin公司认为：“Don'tBuildMultiAgents.”，并直接批评OpenAI和微软的开发框架Sarm和AutoGen方向搞错了，详见《​​​...

在构建多AI智能体系统架构时，许多现有的框架并不理想，通过我们自己的实践经验和试错，提出了一些构建AI智能体的原则，并解释了为什么一些看似吸引人的想法在实际中可能并不好用。在这篇文章中，我将分享以下内容：上下文工程的原则构建长期运行AI智能体的架构设计应用这些架构设计原则下文详细剖析之。1、上下文工程的原则我们先来谈谈以下原则：共享上下文行为隐含决策为什么需要原则？HTML于1993年问世。2013年，Facebook向...

Anthropic6月13日分享了关于构建多智能体系统的架构设计，几乎是毫无保留地展示了如何从零开始打造一个强大的多智能体（MultiAgent）DeepResearch系统，也就是Claude目前内置的Research功能。整个内容干货满满，涵盖了架构设计、Prompt提示词工程、效果评估，以及在生产环境中可能遇到的各种问题，可以说毫无保留。下文对要点详细剖析。1、多智能体系统的优势为什么不用单个强大的AI智能体，而是要搞复杂的“多智能体”架构呢？...

当下，多数AI助手和开发工具各自独立运行，一旦会话结束，上下文就会消失，这严重影响了使用体验和效率。而OpenMemoryMCP来了，它是一款开源工具，能够解决AI工具记忆的痛点，并且实现不同工具之间共享上下文信息。比如，你可以通过OpenMemoryMCP用Claude规划路线图，再用Cursor执行任务，两个工具之间可以共享上下文信息，让数据得到延续。OpenMemoryMCP是一个由Mem0提供支持的本地内存设施，就像一个“记忆背包”，能让您把记...

AI智能体架构设计的9大核心技术包括：AI智能体、AgenticAI、WorkFlow、RAG、Finetuning、FunctionCalling、MCP、A2A、AGUI等，下文详细剖析之。1、AI智能体架构的9大核心技术AI智能体架构设计核心技术一：AI智能体AI智能体是一种具备自主意识的软件，它能够感知环境、进行逻辑推理和决策，并实施相应动作。它可以被比作一位高效的个人助手，不仅能够执行命令，更重要的是能够理解任务的上下文、规划执行方案，并在遇到挑战时灵...

首先我们回顾下智能体的本质是什么？如上图所示，智能体的核心在于其如何接收指令、执行任务并做出决策。以下是其关键组成部分：Prompt（提示）Prompt是指导大语言模型（LLM）如何行动的指令，它定义了LLM可以使用的“工具”。Prompt的输出是一个JSON对象，用于描述工作流程中的下一步操作，例如“工具调用”或“函数调用”。Switch语句Switch语句根据LLM返回的JSON内容决定后续操作。这是整个流程中的一个重要环节，用于解析LL...

通过将原始输入转化为固定维度的高维向量以捕捉语义信息，Embedding（嵌入）模型在构建RAG、推荐系统，甚至自动驾驶模型训练中都发挥着极为关键的作用。近年来，OpenAI、Meta、Google、阿里、腾讯等科技巨头纷纷加大对Embedding模型研发的投入。以OpenAI为例，其最新推出的textembedding3small模型能够生成1536维向量，在保持高语义表达能力的同时，实现了更低的延迟和更小的模型体积，非常适合对性能要求较高的大规模语义检索...

OpenAI早在2023年06月就推出了FunctionCalling，为大模型提供了工具调用功能。Anthropic在2024年11月推出了MCP，旨在标准化AI大模型与外部工具和数据源的交互。MCP是否要取代FunctionCalling？下文详细剖析。1、FunctionCalling架构设计FunctionCalling是由OpenAI等公司推动的一种技术，它允许大语言模型（LLM）通过自然语言指令与外部工具和服务进行交互，从而将自然语言转换为具体的API调用。这一技术解决了大语言模型在训练...

SpringAIAlibaba1.0GA正式发布，它是专属Spring开发者的AI框架，兼具提示词模版、函数调用、格式化输出等低层次抽象与RAG、Agent、对话记忆等高层次抽象，通义系列模型驱动，深度集成网关、配置中心、可观测等云原生基础设施生态，让Java智能体开发迎来一款生产可用的企业级框架与解决方案，助力企业智能体开发进入一个新阶段。Github地址：​​https:github.comalibabaspringaialibaba​​官网地址：​​https:java2ai.com​​...

今天想和大家深入探讨一下检索增强生成（RAG）中的一个重要环节——重排序（Rerank）。RAG技术一直以来都备受关注，尤其是当它与大模型（LLM）结合后，人们都满怀期待地认为：这下终于可以轻松解决那些复杂的问答任务了！然而，现实往往并不如人意。很多开发者在完成一个RAG流程后，都会感到困惑：为什么它的效果并没有达到预期呢？其实，和大多数工具一样，RAG的使用虽然简单，但想要真正精通却并非易事。事实上，RAG并不仅仅...

在AI大模型技术迅猛发展的当下，我们目睹了AI应用架构模式的多样化进程。特别是，AIAgent智能体和AIWorkflow工作流这两种截然不同的理念，正在重新定义我们对AI应用的理解。这两种模式犹如一枚硬币的正反两面：一面追求创新与灵活性，另一面则强调稳定与效率。接下来，我们将深入探讨这两种架构模式的核心差异、应用特性以及它们未来的发展趋势，旨在帮助大家更好地掌握和运用这些技术。一、AIAgent智能体与AIWorkflow工作流区...