学习AI

本分类基于最新AI技术趋势,涵盖多模态大模型、AI Agent、具身智能等前沿技术,共500个可实操的学习课题,适合零基础小白到资深工程师系统学习。

第六篇:Planning Agent实战——让大模型「先规划、再执行」

在前文ReAct架构基础上,本篇聚焦Planning Agent(规划型Agent) ——核心是让大模型先对复杂任务做「全局结构化拆解」,生成清晰的执行步骤(规划),再按步骤逐一执…

第五篇:ReAct架构实战——让大模型「边思考边行动」

在前四篇中,我们实现了Agent的工具调用、输出和耗时统计,但核心逻辑仍偏「指令→执行」的单向流程。本篇基于ReAct(Reasoning + Acting)架构,让Agent具备…

第四篇:大模型流式输出实战-让Agent 实时响应

在前三篇内容中,我们完成了工业级Agent的Prompt设计、工具调用能力落地,但所有交互都是「一次性等待结果」——用户发送指令后,需要等LLM完整计算完才返回结果。 实际场景中,…

第三篇:Prompt 优化实战——让Agent稳定运行的核心

在前两篇中,我们完成了Go Agent基础架构搭建、DeepSeek云端模型接入,以及工具调用能力的实现。但在实际工程化落地中,仅靠简单的System指令(你是一个专业的四则运算计…

第二篇:接入第三方云端大模型!API Key打造ReAct智能体

在上一篇文章中,我们实现了从模拟LLM到真实LLM的跨越,跑通了ReAct智能体的核心闭环。这一篇我使用第三方云端大模型API Key(OpenAI/DeepSeek/通义千问/月…

第一篇:入门必看!还原Agent核心逻辑+Go原生实现

作为Go后端开发者,你肯定听过「Agent智能体」,但大概率被Python生态、复杂框架绕得晕头转向。 其实Agent和咱们写的Go服务逻辑完全相通,没有任何玄学。今天这篇,完全从…