标签: 架构设计
-
让智能体从源头不说谎:用 LlamaIndex Workflow 构建 RAG 接地的 PSE 多智能体框架
引言:多智能体的"幻觉困境" 你有没有遇到过这样的场景:让多智能体系统根据候选人简历为目标岗位定制一份简历,结果生成的内容里出现了候选人从未在真实简历中提过的公司名、项目细节,甚至是编造的任职时间? 这不是你的错——这是大语言模型的"天性"。当 LLM 被要求"创造"内容时,它倾向于用训练数据中的模式来填补信息空白,哪…阅读全文 →
-
LangGraph PSE: 用状态机显式建模 PSE 三角色协作
为什么需要显式的状态机? 多 Agent 框架有两种哲学:隐式流程(Agent 自由编排)和显式状态机(每一步的状态流转可观察、可调试、可控制)。 CrewAI 的 sequential 流程属于前者——Agent 按顺序执行,但你无法在运行时查看中间状态、无法在某个节点插入自定义逻辑、更无法精确控制重试路径。当任务变…阅读全文 →
-
当 LLM 开始骗自己:一个用正则表达式守护文章可信度的多 Agent 框架
多 Agent 系统的信任危机 你有没有遇到过这种情况:让一个 LLM 审核另一个 LLM 的输出? 假设你搭建了一个三角色文章生成管道:Planner 负责规划结构,Specialist 负责撰写内容,Evaluator 负责审核质量。听起来很完美,对吧?但当你仔细审视 Evaluator 的工作时,会发现一个根本性…阅读全文 →
-
混合检索架构:当关键词遇上语义理解
从单一检索到混合策略 在传统 RAG 系统中,检索环节通常依赖向量相似度搜索。这种方式擅长捕捉语义相似性,但当用户查询包含精确术语、专有名词或特定格式时,纯语义检索往往会失效。 你有没有遇到过这样的场景:查询"IRR 计算公式",系统却返回了大量讨论"投资回报率概念"的文档,而真正包含公式细节的文档反而被排在后面?这是…阅读全文 →
-
文档即状态机:Agentic Souls 如何用 Markdown 驱动 AI 软件开发工作流
一、引言 Agentic Souls 是一个基于文档驱动的 AI 软件开发工作流系统,它通过定义 Planner(规划者)、Evaluator(评审官)和 Specialist(实施者)三个核心角色,利用结构化的 Markdown 文件作为状态机和控制流,实现高质量的软件交付。 二、核心设计 2.1 设计决策 1:Ma…阅读全文 →
-
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
一、引言 autogen-pse 是一个基于 Microsoft AutoGen 构建的 Planner-Specialist-Evaluator(PSE) 三角色 Agent 协作框架。它通过顺序发言的 RoundRobinGroupChat 实现状态流转,配合 cycle 级别的循环控制与 token 优化策略,形…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(OpenClaw 龙虾)搭了一个工具服务器,叫…阅读全文 →