沐子馨

摘要： 8月13号，DeepSeek 开源了一个叫 DSH（DeepSeek Harness）的 Agent 框架，这几天一路涨到破 10 万。 有人给它取了个中文外号：单身汉。别笑，这个"单身汉"还挺能干活的。 DeepSeek 官网首页四个大字：一切皆插件。GitHub README 第一句也是 "Ev 阅读全文

摘要： 最近 AI 圈又冒出一个新词：Graph Engineering。 Prompt 还没学明白，Context、Harness、Loop 已经轮番刷屏，现在又来 Graph。说实话，我第一反应也是烦：这是不是又一次换皮炒概念？ 但我把几篇一手讨论和工程实践对完之后，判断变了。 这一次，变化的不是 Ag 阅读全文

摘要： PR 明明只改了几行，代码 Agent 还没开始判断有没有 bug，就先把一大堆文件塞进上下文。等它终于查清楚调用关系，上下文预算已经用掉一截。 我拿 httpx 做了次实测。准备交给 Agent 的上下文从 13666 tokens 降到 632 tokens，少了约 95%。 这种浪费其实很隐蔽 阅读全文

摘要： 最近两年AI发展火爆，各类智能体（Agent）层出不穷，Agent 开发岗位在过去一年中大量涌现，无论你是前端还是后端去求职的时候都会问你一些关于Agent的内容。可以说，掌握 Agent 开发正逐渐成为程序员的必备技能。本片文章将以最小的案例带你急速进入Agent开发的大门。 什么是Agent？ 阅读全文

摘要： 2026 年 6 月，海外 AI 编程圈被一个概念点燃。Claude Code 创始人 Boris Cherny 和 OpenClaw 创始人 Peter Steinberger 在同一周说出几乎相同的话："别再手动提示 AI 了，应该设计让 AI 自己运行的 Loop。" 这不仅仅是一个新名词，而 阅读全文

摘要： 一、数据来源与转换 1.1 从Markdown到图数据的转换 本文的图数据来源于前面使用的Markdown格式菜谱数据。为了构建知识图谱，用AI开发了一个简单的Agent，通过LLM将结构化的Markdown菜谱数据转换为CSV格式的图数据。 转换流程： 读取Markdown菜谱：从数据源加载菜谱文 阅读全文

摘要： 一、项目背景与目标 1.1 从传统RAG到图RAG的演进 之前我们构建了基于向量检索的传统RAG系统，采用了父子文本块的分块策略，能够有效回答简单的菜谱查询。但在处理复杂的关系推理和多跳查询时仍存在明显局限： 关系理解缺失：虽然父子分块保持了文档结构，但无法显式建模食材、菜谱、烹饪方法之间的语义关系 阅读全文

摘要： 传统RAG框架虽然有效缓解了大型语言模型的知识陈旧和幻觉问题，但在处理复杂查询时仍存在明显局限。依赖非结构化文本向量检索的方式，往往难以捕捉实体间的深层关系，导致上下文检索不精确、信息碎片化，甚至诱发模型产生"幻觉"。为了突破这些瓶颈，将结构化知识图谱融入 RAG 流程的新范式——GraphRAG 阅读全文

摘要： 一、LlamaIndex Evaluation LlamaIndex Evaluation 是深度集成于LlamaIndex框架内的评估模块，专为使用该框架构建的RAG应用提供无缝的评估能力。作为RAG开发框架的原生组件，其核心定位是为开发者在开发、调试和迭代周期中提供快速、灵活的嵌入式评估解决方案 阅读全文

摘要： 评估之所以关键，是因为它回答了RAG开发与应用中的一系列核心问题： 对于开发者： 如何量化地追踪、迭代并提升RAG应用的性能？当系统出现“幻觉”或答非所问时，如何快速定位问题根源？ 对于用户或决策者： 面对两个不同的RAG应用，如何客观地评判孰优孰劣？ 本节将探讨RAG评估的理念与方法，并围绕 “R 阅读全文