分类： AI
-
基于 AutoGen 构建 PSE 三角色闭环：一个可重试、可追溯的 Agent 协作框架
2.1 设计决策 1：用 替代 Function Calling 实现 PSE 状态机 直觉会怎么做：为 Planner、Specialist、Evaluator 分别定义工具函数，通过 LLM 的 Function Calling 来选择下一步动作，手动维护状态转移图。 实际怎么做的：直接使用 AutoGen 的 顺序…阅读全文 →
-
AI-Analyze：五个不显而易见的设计决策
大部分代码分析工具的文章会讲"支持多少语言、有多少规则、能检测多少漏洞"。ai-analyze 支持 7 种语言、12 条安全规则、4 维度质量评分，这些功能数字在 README 里就能看到。这篇文章不讲功能清单，讲五个容易被忽略但值得深挖的设计决策——每个决策背后都有一个"为什么不那么做"的故事。 决策一：MCP 双策略不是为了性能，是…阅读全文 →
-
给 AI 助手搭一个工具服务器：Lobster 的架构思路
AI 助手只会说话，不能做事。这个问题大家都知道，OpenAI 用 Function Calling 协议给了一个解决方案——让 LLM 在对话中识别需要调用的工具，由外部服务执行。但协议只解决了一半问题：谁来提供这些工具？谁来执行？谁来保证安全？ 我给自己的 AI 助手搭了一个工具服务器，叫 Lobster。它…阅读全文 →
-
从零到一：打造一个支持 RAG 的智能聊天应用
RAG的核心思路是：先把知识切分、向量化存起来，问答时先检索最相关的片段，再让大模型基于这些片段作答，从而缓解"幻觉"与"知识过时"。本文用一个真实可跑的 RAG 工程，串起从混合检索 → 嵌入 → 生成的完整链路，所有代码均取自实际仓库。 为什么需要混合检索 纯向量检索擅长"语义相似"，但对精确关键词专有名词、型号、报…阅读全文 →