站内搜索
查找 AI 教程、工具实测与模型文章
输入模型、工具、场景或关键词,优先定位有图文复盘、步骤和判断依据的内容。
- 可搜索内容
- 4508
- AI 教程
- 1043
- 工具/专题
- 22
Search Results
“AI Agent” 的 36 个结果
1 AI智能体基础概念
我会把 AI 智能体先讲成一个闭环,而不是讲成一个很玄的概念:它接收环境信息,记住关键上下文,推理下一步怎么做,再通过工具或接口执行。只要这四步没有连起来,就还只是普通问答,不算真正能干活的智能体。
AI 编程工具与工程 Agent
集中整理 Cursor、Claude Code、Codex、OpenClaw、Hermes、代码 Agent 和真实仓库协作教程。
8 创建第一个AI模型
第一次创建模型应用,不要一上来就做多轮客服或复杂 Agent。先做一个输入明确、输出短、结果容易判断的小任务,更容易理解 Dify 的基本链路。
9 LangChain 基本用法:基本语法和结构
LangChain Expression Language 更像把多个可运行步骤用管道接起来。理解输入和输出,比记住某个类名更重要。
13 AI产品开发流程之协作工具与技术栈
AI 产品的工具栈不仅是开发工具,还包括数据、评测和运营工具。没有统一的样本、指标和版本记录,团队很难判断一次改动到底变好了还是变差了。
14 AI产品开发流程之跨职能团队的协作方式
AI 产品协作常见的问题,是产品讲体验、算法讲指标、工程讲性能、运营讲投诉。产品经理要把这些语言翻译成共同目标。
2 AI在产品管理中的重要性
AI 对产品管理的价值不只是自动化,而是让过去难以规模化的判断变得可观察、可实验、可迭代。产品经理要先判断它解决的是效率问题、体验问题还是商业问题。
20 AI产品经理教程:产品上线与运营之持续改进的最佳实践
AI 产品的持续改进不能靠临时救火。要把错例、反馈、指标和版本管理变成固定机制,团队才能稳定提高,而不是每次上线都重新摸索。
3 AI产品管理基础之AI产品的特点
AI 产品和普通功能最大的区别,是结果往往不是固定逻辑输出,而是受数据、模型、上下文和反馈影响。产品经理要把这种不确定性设计进流程,而不是假装它不存在。
4 AI产品管理基础之AI与传统产品管理的区别
传统产品更容易围绕页面、流程和规则交付;AI 产品还要持续运营模型表现、数据质量和用户信任。上线不是结束,而是长期监控的开始。
6 AI产品经理教程系列:市场调研与用户需求之市场调研的方法与工具
AI 产品调研最怕只追热点词。更稳的做法是回到用户场景,看他们现在如何完成任务,哪里费时间,哪里出错,哪里愿意为更好结果付费。
6 人工智能的基本概念之2.3 AI技术的应用
如果想把《人工智能的基本概念之2.3 AI技术的应用》用到自己的任务里,可以先缩小场景,只验证一个最关键的判断点。
7 AI系统中的安全风险
AI 应用的攻击面从用户输入延伸到知识库、插件、模型供应商、日志和工具权限。OWASP LLM Top 10 2025 已把提示注入、敏感信息泄露、供应链、数据和模型投毒、过度代理等列为重点风险。


5 AGENTS.md 与 config.toml:把项目规矩交给 Codex
如果你只想学一个能长期提升 Codex 效果的文件,我建议先学 AGENTS.md。
1 LangChain从零教程系列
我会把 LangChain 入门看成一条应用链路:输入从哪里来,提示词怎样组织,模型如何调用,结果如何被检查和交付。先把这条线画清楚,后面的组件才不会变成零散名词。
11 构建的第一个LangChain程序
第一个 LangChain 程序不要急着接股票、数据库和复杂 API。先做一个固定输入到固定输出的小闭环,确认环境和链路都正常。
14 LangChain组件之API与服务使用
LangChain 接外部服务后,系统风险会从模型扩展到网络、权限、限流和数据质量。集成时要先设计失败路径。
16 LangChain 从零教程:案例研究之文本生成应用
LangChain 做文本生成时,重点不是一次生成很长,而是把写作任务拆成提纲、段落、事实检查和编辑几个步骤。
17 LangChain 从零教程系列:案例研究之数据处理管道
LangChain 管道里的模型通常只是最后一步。前面数据如果重复、缺字段、来源不明,生成结果很难稳定。
18 LangChain 进阶应用之性能优化
LangChain 性能问题要先量化。慢可能来自检索、模型、网络、工具调用或解析,不定位就加缓存,容易把错误结果缓存下来。
19 LangChain从零教程系列:进阶应用之错误处理与调试
LangChain 调试最怕只看到最终回答。要保存用户输入、检索结果、prompt、模型返回和 parser 结果,才能知道问题在哪里。
20 LangChain进阶应用之与其他库的集成
LangChain 集成其他库时,最容易忽略数据形状。模型输出的自然语言、数据库返回的表格、图表库需要的数组,彼此格式不一样。
23 LangChain从零教程总结与展望:学习资源
学完 LangChain,不要只收藏链接。真正有用的是把官方示例改成自己的小项目,并留下失败样例和改动原因。
3 LangChain概述:什么是LangChain?
LangChain 的价值在于把模型、提示词、检索、工具和输出解析放到可组合的代码结构里。不要把它误解成一个新模型,它更像应用层脚手架。
4 LangChain的核心概念
LangChain 的核心概念可以按数据流串起来:用户输入先进入模板,模板交给模型,模型结果再经过解析和后处理。这样理解,链不是玄学,而是普通的数据管道。
5 LangChain的应用领域进一步分析
如果只是简单聊天,直接调用模型 API 也许足够。LangChain 更适合有上下文材料、工具调用、格式约束和多步骤流程的应用。
6 LangChain从零教程:环境准备
LangChain 项目最常见的问题不是代码复杂,而是依赖、模型 SDK 和密钥散落在不同地方。环境准备阶段就要保证别人能复现。
7 LangChain 从零教程:安装与配置之依赖安装
LangChain 生态已经拆成核心包和不同集成包。安装时不要一次性塞满依赖,先让最小链路跑通,再按模型、向量库和工具逐步增加。
8 LangChain从零教程:安装与配置之项目结构
LangChain 项目一旦变大,最怕所有提示词、模型调用和工具函数混在一个文件里。目录结构越清楚,后面排错越快。