斯坦福小镇项目提出了解决信息螺旋问题的方法：引入外部信息输入，使AI不仅与AI对话，还能主动与现实人聊天。作者提到了特德姜的小说《软件体的生命周期》，提出了数字宠物的概念，数字宠物在虚拟空间中与其他宠物互动，并主动与现实主人聊天，实现了内外双循环。

随着技术的快速进步，如何更高效地利用这些大模型（LLM）来解决具体问题？如何通过检索增强生成（RAG）技术提高信息的准确性和相关性？以及如何设计能够有效集成LLM、RAG和其他AI技术的智能体？

调研员智能体是一种基于大语言模型的计算机程序，具备规划、记忆和工具使用能力。它能够从网络上进行搜索，并以调研员的角色进行任务规划和拆分。使用提供的工具，完成调研过程并生成报告。其中一个注册的工具是CollectLinks，用于收集相关链接。调研员智能体的技术结合了大规模语言模型和智能体技术，具有重要的应用价值。

本文从 Codereview 场景出发，介绍了从最简单的直接调用 API 到使用 RAG 增加代码块的上下文，最终到使用 Function Calling 构建 Codereview Agent。

如何构建 AI 版商家运营团队？

本文主要探讨了当前大语言模型在实际应用中的挑战和局限性，特别是集中在基于AGENT的框架如LANGCHAIN、AUTOGEN和METAGPT上的应用。

目前，开源的Agent应用可以说是百花齐放，本文挑选了热度和讨论度较高的19类Agent，基本能覆盖主流的Agent框架，每个类型都做了一个简单的summary、作为一个参考供大家学习。

本文作者试着从工程角度去理解LangChain的设计和使用。大家可以将此文档作为LangChain的“10分钟快速上手”手册，希望帮助需要的同学实现AI工程的Bootstrap。

一个通过智能体完整地对HDFS集群进行问题诊断的案例。

多Agent框架能解决不同算法不同模型之间融合交互的问题，基于用户反馈进行模型优化提升播报效果

‍LangChain为大型语言模型提供了一种全新的搭建和集成方式，通过这个强大的框架，我们可以将复杂的技术任务简化，让创意和创新更加易于实现。本文从LangChain是什么到LangChain的实际案例到智能体的快速发展做了全面的讲解。

本文将分享LangChain的最佳实践。

覆盖公司九成开发，提升研效的秘密武器。

本篇文章介绍了大语言模型时代下的 AI Agent 概念，并以 LangChain 为例详细介绍了 AI Agent 背后的实现原理，随后展开介绍云音乐在实践 AI Agent 过程中的遇到的问题及优化手段。

2022年12月19日，Twitch上出现了一个名为“vedal987”的新直播频道。该频道没有真人主播，只有一个可爱的二次元女孩形象在屏幕上移动和说话。她自称为Neurosama，是一位人工智能VTuber。

从那天起，她开始了自己的直播生涯，并迅速获得了大量关注和支持。与传统基于动作捕捉的中之人范式的虚拟主播不同的是，Neuro完全是由人工智能驱动的，准确来说是由背后大语言模型驱动的。

本文以构建AIGC落地应用ChatBot和构建AI Agent为例，从代码级别详细分享AI框架LangChain、阿里云通义大模型和AnalyticDB向量引擎的开发经验和最佳实践，给大家快速落地AIGC应用提供参考。