AI工程：AI Agent
AI Agent 是通过工程化的手段，为大语言模型提供了获取外部工具、知识的能力。他是介于人类、大语言模型之间的代理。当用户向 AI Agent 输入问题时，AI Agent 可以使用大语言模型作为推理引擎，将一个复杂的任务进行分解、给出任务执行规划。之后 Agent 会调用外部工具获取结果，并将大语言的上次推理和工具调用结果返回给大语言模型，让大语言模型继续思考、规划。如此循环，直到将一个复杂的任务完成。
如何速成RAG+Agent框架大模型应用搭建
本文侧重于能力总结和实操搭建部分，从大模型应用的多个原子能力实现出发，到最终串联搭建一个RAG+Agent架构的大模型应用，让个人对于大模型应用如何落地更加具有体感。
一文搞懂大模型！基础知识、 LLM 应用、 RAG 、 Agent 与未来发展
本文将带你走进 LLM 的世界，从入门知识到实际应用，全方位解读这个充满魔力的“大模型”。
阿里云服务领域Agent智能体：从概念到落地的思考、设计与实践
本文讲述了作者团队在阿里云的服务领域Agent是如何设计与实践的，以及到目前为止的一些阶段性成果，作者做出了总结和整理。
AI Agent 在 1688 电商平台中的应用
L40S相对低成本高显存的特性下，可以充分利用推理卡资源，保证在线上的良好性能和水平扩展性。通过技术优化和部署策略，推理系统的效率和用户体验得到显著提升。
手猫助手Agent技术探索总结
随着LLM的发展，ChatGPT能力不断增强，AI不断有新的概念提出，一种衍生类型的应用AI Agent也借着这股春风开启了一波话题热度。本文就手猫在探索Agent能力和智能助手业务结合过程、技术侧遇到的问题、想法和实践做简单总结。
手搓智能体的这一年
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。
面向AI的开发：从大模型（LLM）、检索增强生成（RAG）到智能体（Agent）的应用
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？
大模型缺的脑子，终于在智能体上长好了
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。
AI Codereview 到 Codereview Agent 的再次升级
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。
京东商家智能助手：Multi-Agents 在电商垂域的探索与创新
如何构建 AI 版商家运营团队？
基于LLM大模型Agent的适用范围和困境
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。
Agent调研--19类Agent框架对比
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。
从API到Agent：万字长文洞悉LangChain工程化设计
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。
AI大模型运维开发探索第三篇：深入浅出运维智能体
一个通过智能体完整地对HDFS集群进行问题诊断的案例。
高德导航播报在多Agent智能体架构上的工程实践
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
深入浅出LangChain与智能Agent：构建下一代AI助手
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。