starzy

Welcome to Hexo! This is your very first post. Check documentation for more info. If you get any problems when using Hexo, you can find the answer in troubleshooting or you can ask me on GitHub. Quick Start安装 hexo npm install -g hexo-cli rm -rf node_modules && npm install --force Create...

MCP介绍什么是MCPModel Context Protocol（MCP）是一套开放协议，规定了LLM应用与外部工具、数据源之间的标准化通信方式。它为”模型如何发现工具有哪些能力、怎么调用工具、工具怎么返回结果”这个问题，提供了一套通用规范。MCP由 Anthropic于2024年11月发布并开源，至今已获得几乎所有主流 AI 平台的支持。 没有MCP之前，开发者每接入一个外部服务，就要写一套适配代码：定义工具 Schema、处理认证、解析返回值、写工具描述让LLM理解怎么用。100个工具 × 3个Agent = 300次重复劳动，这个场景被称为 “N×M 问题”。 MCP...

Runtime 运行时LangChain的create_agent底层运行在LangGraph的Runtime之上。当你创建一个Agent并调用它时，LangGraph会为这次调用创建一个Runtime对象，它将贯穿整个 Agent 生命周期的各个环节。 Runtime 对象承载了以下几类信息： 组件 类型 说明 Context 静态配置 用户ID、数据库连接、API密钥等每次调用传入的依赖项 Store 长期记忆 BaseStore 实例，用于跨会话持久化用户偏好、历史数据 Stream Writer 流式输出 用于通过”custom” 流模式向客户端推送自定义信息...

Guardrails概述Guardrails字面意义是“护栏”，表示规则、限制、保护措施。LangChain中Guardrails（安全护栏）是构建生产级 AI Agent 时不可或缺的一层防御机制，它的核心职责是在 Agent 执行的关键节点上对内容进行验证和过滤，确保 Agent 的行为始终处于可控范围内。 在实际业务中，Guardrails 最常见的应用场景包括： 防止敏感信息（PII）泄露 检测并阻断提示注入攻击 拦截不当或有害内容 强制执行业务规则与合规要求 验证输出质量与准确性 LangChain 的 Guardrails 并非一个独立的模块，而是通过 Middlewar...

Human-in-the-loop 介绍Human-in-the-loop（HITL，人工参与循环/人机协同/人工审批/人工介入/人工审查）是一种在 AI Agent 执行关键操作时引入人工监督的机制。其核心理念很简单：有些操作不应该由 AI 独立完成。当模型提议执行涉及敏感数据的操作时——比如删除数据库记录、发送对外通知、执行资金交易——HITL 中间件可以暂停 Agent 的执行，等待真人做出决策后再继续。 HITL在LangChain中是通过Middleware（中间件）和LangGraph的 Persistence（持久化） 两层机制配合实...

Loop Engineering 案例一案例业务这是一个合同质量的自动迭代打磨系统。不是简单的”审一下→通过/驳回”，而是让两个AI Agent（Editor和Reviewer）像律师团队一样循环协作：一个负责改，一个负责审，改完再审，审完再改，直到合同质量达标。 业务逻辑 四大审查维度（定义在 skills/contract-improver/SKILL.md）： 维度 检查内容 示例 A.完整性 必备要素是否齐全？ 双方信息、金额(大小写)、付款方式、交付时间、违约金、保密、知识产权、签署信息 B.明确性 有没有模糊表述？ “尽快”→”6...

Addy Osmani将 Loop 的设计方法论提炼为五大构建块（Five Primitives）+ 记忆层。这六个组件构成了Loop Engineering的工程骨架——它们不是抽象概念，每一个都对应 Loop 系统中一项具体的职责。六大组件在真实Loop中的协作关系如下： 自动化/调度自动化是Loop的触发器，它决定了系统”什么时候开始工作”。没有自动化，Agent必须等人手动调用agent.invoke()。 自动化有三种触发模式：定时触发、事件触发、目标驱动。 定时触发 按固定时间间隔唤醒系统，适合周期性巡检——每天早上生成运营日报、每 10 分钟扫描待处理队列、...

Agent Loop 介绍Agent Loop（智能体循环）是AI Agent的核心工作机制。它让大语言模型（LLM）从”只会聊天”变成”能干活”的关键——通过一个”观察->思考->行动->反馈”的循环，Agent 能够自主调用工具、获取信息、根据结果调整策略，持续迭代直到完成任务。 一句话理解：Agent Loop=把LLM的推理能力放进一个while循环里，让它可以反复思考和行动。 graph TD %% 定义组件样式 classDef startEnd fill:#e1f5fe,stroke:#01579b,stroke-width:2p...

Flink的checkpoint是一种实现容错和状态恢复的机制。Checkpoint会定期将Flink程序的状态保存到持久化存储系统中，通常是分布式文件系统，当Flink程序发生故障时，可以重新启动应用程序并从之前的状态中恢复，使得Flink程序能够回到故障发生前的一致状态。因此Flink中的checkpoint非常重要，本小节主要讲解Flink Checkpoint和大状态相关优化内容点。 Checkpoint的监控在Flink WebUI界面中提供了Flink Job的checkpoint监控信息。当Job结束后，这些信息仍然可用。如下图所示，有四个不同的选项卡（概览、历史记录、摘...