wilson排球

摘要： 前言 本文主要描述Event-Driven开发中的ReAct模式，并且使用一个demo，彻底搞懂怎么在实际工作中使用Event-Driven模式 话不多说，我们开始 代码结构 代码地址 . ├── agent.py # EventDrivenAgent 主逻辑，负责接收事件、调用 LLM、执行工具 阅读全文

摘要： 前言 本文主要描述agent开发中的Plan-and-Execute模式，并且使用一个demo，彻底搞懂怎么在实际工作中使用Plan-and-Execute模式 话不多说，我们开始 代码结构 代码地址 . ├── main.py # 主入口，串起规划、执行、分析三个阶段 ├── planner.py 阅读全文

摘要： 前言 本文主要描述agent开发中的ReAct模式，并且使用一个demo，彻底搞懂怎么在实际工作中使用ReAct模式 话不多说，我们开始 代码解析 代码地址 . ├── main.py └── data_sources.py main.py：ReAct agent 主流程，负责让大模型思考、选择工具 阅读全文

摘要： 本文通过一个最小监控 Demo，完整演示：MCP Server 如何暴露 Tool，Agent 如何调用 Tool 并交给 LLM 分析，stdio、SSE/HTTP、WebSocket 三种传输模式的区别与适用场景、本地工具、远程服务、多 Agent 共享时应该如何选型 阅读全文

摘要： 从 SKILL.md 到 references，再到 scripts，Skill 并不是简单的 prompt，而是一套可维护的工程结构。本文结合线上 5xx 故障排查案例，详细演示 Skill 的构建方式、数据驱动分析流程，以及如何接入工具实现闭环排查 阅读全文

摘要： 当你一次性给大模型多个工具，它真的会“选对”吗？本文用一个线上故障排查案例，手把手演示 LLM 如何像运维工程师一样分析问题、选择工具、补充证据，最终得出结论。同时拆解 Function Call 背后的核心机制 阅读全文

摘要： 今天是一期function call的实战 阅读全文

摘要： 今天来详细讨论一下，function call 和 skills。function call 到底是什么，skills 到底是什么，它们分别解决什么问题，最本质的区别在哪，以及在 Agent 系统里该怎么配合 阅读全文

摘要： 一个agent，一个workflow。很多朋友在群里一聊就是“我搞了个 agent”，结果仔细一看，其实只是配了个固定流程；也有老哥把本该交给 workflow 的事，硬塞给 agent，最后调了半天，成本起飞，效果还不稳定 阅读全文