摘要：
新进行任务的规划，规划后有多个任务，然后分别完成任务 public class PlanExecuteDemo { static Map<String, String> files = new HashMap<>(); @Tool(name = "write_file", description = 阅读全文
posted @ 2026-09-26 21:09 work hard work smart 阅读(2) 评论(0) 推荐(0)
摘要：
AgentScope1.0版本 人工介入 Human In LOOP public class HitlDemo { public static class Tools { @Tool(name = "delete_file", description = "Delete a file") publ 阅读全文
posted @ 2026-09-26 20:46 work hard work smart 阅读(2) 评论(0) 推荐(0)
摘要：
AgentScope 1.0 Rag public class LocalRagDemo { public static void main(String[] args) throws IOException { String apiKey = "sk-8980de1b287d490eb259d2f 阅读全文
posted @ 2026-09-26 20:35 work hard work smart 阅读(2) 评论(0) 推荐(0)
摘要：
AgentScope mcp工具使用。 前提条件：先启动 mcp-server-sse public class McpClientDemo { public static void main(String[] args) { String apiKey = "sk-8980de1b287d490e 阅读全文
posted @ 2026-09-26 17:05 work hard work smart 阅读(2) 评论(0) 推荐(0)
摘要：
SpringAI和Spring AI(alibaba)区别 Spring AI & Spring AI Alibaba & Langchain4j 阅读全文
posted @ 2026-09-26 17:01 work hard work smart 阅读(2) 评论(0) 推荐(0)
摘要：
AgentScope 版本 1 1、工具的定义 public class SimpleTools { @Tool(name = "get_time", description = "获取当前时间") public String getTime( @ToolParam(name = "zone", d 阅读全文
posted @ 2026-09-26 16:46 work hard work smart 阅读(2) 评论(0) 推荐(0)
摘要：
1、HashMap原理，线程安全？ 数组，链表，红黑树。 非线程安全 2、Java如何进行线程同步 同步锁 synchronized ReentrantLock锁 Semaphore 信号量 3、CAS原理 Compare And Swap 先比较再交换 有三个操作数 内存位置，预期值A，修改值B， 阅读全文
posted @ 2026-09-15 22:48 work hard work smart 阅读(9) 评论(0) 推荐(0)
摘要：
1、线程池的核心参数与工作原理 线程池的核心是 ThreadPoolExecutor，有 7 个参数：核心线程数、最大线程数、空闲存活时间、时间单位、阻塞队列、线程工厂、拒绝策略。 执行流程是：任务提交后，如果核心线程未满，创建核心线程执行；如果核心线程满了，放入阻塞队列；如果队列满了，创建非核心线 阅读全文
posted @ 2026-09-14 13:34 work hard work smart 阅读(10) 评论(0) 推荐(0)
摘要：
1、两个线程，基数和偶数交替打印 import java.util.concurrent.locks.Condition; import java.util.concurrent.locks.ReentrantLock; public class PrintOddEven { private sta 阅读全文
posted @ 2026-09-14 10:47 work hard work smart 阅读(6) 评论(0) 推荐(0)
摘要：
工程名称为reactdemojs 文件结构如下 创建一个父组件和子组件 父组件为 import React from "react"; import Child from "./Child"; export default class Life extends React.Component{ co 阅读全文
posted @ 2026-08-30 14:03 work hard work smart 阅读(6) 评论(0) 推荐(0)
摘要：
构建企业级 Text-to-SQL Agent：基于 LangGraph 的智能数据查询系统设计 摘要：本文详细介绍了一个基于 LangGraph 构建的企业级 Text-to-SQL Agent 系统的架构设计。该系统通过多路召回、RAG（检索增强生成）、智能过滤和自修正机制，实现了从自然语言到 阅读全文
posted @ 2026-08-06 13:05 work hard work smart 阅读(60) 评论(0) 推荐(0)
摘要：
Harness 工程：驾驭 AI Agent 的工程化艺术 当 AI Agent 从玩具走向生产，你会发现：模型本身只占 20% 的工作量，剩下 80% 都是"如何驾驭它"。本文以「智能旅行助手」为例，聊聊什么是 Harness 工程，以及这套工程化基础设施如何让 Agent 可靠地跑起来。 一、什 阅读全文
posted @ 2026-08-01 12:37 work hard work smart 阅读(181) 评论(0) 推荐(0)
摘要：
DeepAgents 多智能体架构实战：从设计模式到后端选型 本文以 DeepAgents 框架为基础，通过「智能旅行助手」这一典型场景，总结多智能体架构的核心设计模式，并系统梳理框架提供的多种后端执行环境及其选型策略。 一、为什么需要多智能体？ 系统的核心问题来自一个典型的旅行场景： "我下个月想 阅读全文
posted @ 2026-08-01 10:54 work hard work smart 阅读(92) 评论(0) 推荐(0)
摘要：
Vue 自定义组件完全指南：从零构建待办事项应用 本文通过从零构建一个「待办事项应用」，深入讲解 Vue 自定义组件的核心概念与最佳实践。所有示例代码均为原创设计，帮助你理解组件化开发的精髓。 目录 为什么需要自定义组件 组件的基本结构 组件注册与引入 Props：父传子的数据通道 Emits：子传 阅读全文
posted @ 2026-08-01 10:21 work hard work smart 阅读(25) 评论(0) 推荐(0)
摘要：
使用 LangChain + Hugging Face 构建文本向量化服务 在现代自然语言处理应用中，文本向量化是将非结构化文本转换为数值向量的关键技术，它使得计算机能够理解和处理文本内容。本文将详细介绍如何使用 LangChain 和 Hugging Face 构建一个高效、可扩展的文本向量化服务 阅读全文
posted @ 2026-07-05 15:33 work hard work smart 阅读(42) 评论(0) 推荐(0)
摘要：
SQLAlchemy 使用详解 SQLAlchemy 是 Python 中最强大的 ORM（对象关系映射）工具之一，提供了强大的查询功能、事务管理和数据映射能力。本文将介绍 SQLAlchemy 的通用使用方法，帮助开发者构建健壮的数据访问层。 1. 架构概述 使用 SQLAlchemy 时，通常采 阅读全文
posted @ 2026-07-05 14:58 work hard work smart 阅读(22) 评论(0) 推荐(0)
摘要：
Python 中使用 Elasticsearch 的完整指南 引言 Elasticsearch 是一个开源的分布式搜索和分析引擎，基于 Lucene 库构建，具有高性能、高可用和可扩展的特点。它被广泛用于日志分析、全文搜索、企业搜索和实时数据分析等场景。 Python 是一种功能强大且易于使用的编程 阅读全文
posted @ 2026-07-05 14:22 work hard work smart 阅读(29) 评论(0) 推荐(0)
摘要：
Qdrant 向量数据库使用指南 1. Qdrant 简介 Qdrant 是一个高性能、开源的向量数据库，专门为处理和搜索大规模向量数据而设计。它提供了实时的向量相似度搜索功能，支持多种距离度量（如余弦相似度、欧几里得距离等），并具有强大的过滤和查询能力。Qdrant 特别适合用于构建语义搜索、推荐 阅读全文
posted @ 2026-07-05 13:20 work hard work smart 阅读(108) 评论(0) 推荐(0)
摘要：
OpenEvals 快速入门：LLM 评估指南 什么是 OpenEvals？ OpenEvals 是一个轻量级的 LLM 评估框架，使用 LLM 作为裁判（LLM-as-a-Judge）来评估模型输出质量。 特点： 开源免费 简单易用 内置多种评估提示词 支持自定义评估 安装 pip install 阅读全文
posted @ 2026-06-25 17:05 work hard work smart 阅读(90) 评论(0) 推荐(0)
摘要：
DeepEval 快速入门：LLM 应用评估指南 什么是 DeepEval？ DeepEval 是一个开源的 LLM 评估框架，用于测试和评估大语言模型应用的质量。它提供多种内置评估指标，支持自定义评估标准。 特点： 开源免费 安装简单 内置丰富评估指标 支持自定义评估 安装 pip install 阅读全文
posted @ 2026-06-25 16:12 work hard work smart 阅读(484) 评论(0) 推荐(0)
浙公网安备 33010602011771号