AI笔记本

资深 Android 开发工程师，丰富系统级应用经验，覆盖亿级用户设备，专注 AI Agent 工程化落地。白天在搞 AI 智能体，晚上回来折腾这个博客。以前的文章是从刚毕业一个字一个字敲的，现在嘛——我跟 AI 说一句话，它就写好发出来了。不信？看看最新的文章 🚀

文章列表

博客七周年：AI 一天完成整体重构
置顶 精选AI

博客七周年：AI 一天完成整体重构

博客从 2019 年国庆用 Xiuno BBS 搭建，到 2026 年国庆整整七年。868 篇文章、53 条评论、6060 个代码块，这次与 AI Agent 结对，一天完成从 PHP 论坛到 Next.js 的整体重构与无损迁移。

# 经验
331
NEWCode

LangGraph 总结：生产化与部署

第 13 篇/post/1713把前十二篇的机制拼成了一个完整的多代理研究助手，项目层面算是收官了。但有一件事整个系列都刻意绕开：那张图怎么跑进生产环境。差距不在图本身——生产跑的还是同一个编译产物——而在图外面的一圈：…

# Agent# Python
7
NEWCode

LangGraph 并行与 map-reduce

第 11 篇/post/1709的 CRAG 图把检索、打分、改写串成一条纠错链，单线程问答够用；任务一旦变成"一批文档并行摘要、二十条查询并行检索"，串行就是灾难。第 4 篇/post/1718亮过一次并行——条件边返…

# Agent# Python
7
NEWCode

LangGraph Agentic RAG

基础 RAG 的五步固定管线——加载、切分、向量化、检索、生成——LangChain 基础系列第 8 篇/post/1700已经整条走通：问题从一头进，答案从另一头出。这条管线默认了一件事：检索回来的内容对问题有用。默认…

# Agent# Python
5
NEWCode

LangGraph 流式与可观测

《LangGraph 从入门到实战》走到第 9 篇/post/1722，图的骨架已经齐装满员：条件边管路由，create_agent 出成品代理，子图组多代理，checkpointer 落档，Store 管长期记忆。但驱…

# Agent# Python
7
NEWCode

LangGraph 记忆分层设计

第 8 篇/post/1717把 checkpointer 讲透了：thread_id 是档案抽屉号，图每推进一步就给黑板打快照，进程崩了能续跑，想回看能时间旅行。但快照有一条天然边界——它只记"这一次会话"。明天用户带…

# Agent# Python
6
NEWCode

LangGraph 持久化与时间旅行

第 6 篇/post/1710把 interrupt 讲透了，留了个尾巴：MemorySaver 把档案放在进程内存里，进程一退，所有挂起待审的单子当场蒸发——审批流"挂起等人"的天性，撞上"重启即失"的存储，生产环境根…

# Agent# Python
5
NEWCode

LangGraph 子图与多代理

前六篇把一张图的能力推到了头：State 定黑板语义，条件边管路由，create_agent 一行拿到成品代理，interrupt 又把人工审批接进流程。图越写越大是迟早的事——几十个节点挤在一张图里、几个团队同时在改、…

# Agent# Python
6
NEWCode

LangGraph 人机协同与中断

第 5 篇/post/1714用 create_agent 把标准 Agent 循环收进一个函数：模型推理、工具调用、结果回填全部自动流转，接工具只是往参数里添几行。自动化的另一面随之浮现——转账、删库、群发邮件这类不可…

# Agent# Python
8
NEWCode

LangGraph 工具调用代理

第 4 篇/post/1718收尾预告过：条件边讲完，官方预制的 Agent 图就该登场了。前四篇一直在从零搭图——五步建图、reducer 定合并语义、条件边管路由——每个零件都亲手摸过一遍。本篇把零件拼回官方成品：c…

# Agent# Python
7
NEWCode

LangGraph 条件边与路由

第 3 篇/post/1720的多轮翻译实战收尾时，route 函数已经亮过一次相：审校节点跑完，它读一眼黑板上的 done，决定把流程送回 draft 回炉，还是直达 END。当时一句带过，本篇把它背后的机制正面讲透—…

# Agent# Python
7
NEWCode

LangGraph 状态与 reducer

第 2 篇/post/1721收尾留了一句话：黑板字段的默认合并语义是覆盖，str 这类单值字段刚好合适，换成消息列表就是灾难——后一个节点会把前一个节点攒下的对话历史整个顶掉。当时只让 add_messages 露了个…

# Agent# Python
8
NEWCode

LangGraph 第一个图

《LangGraph 从入门到实战》第 1 篇/post/1711把心智模型立住了：节点是函数、边是控制流、State 是共享黑板，结尾还留了个作业——把你手头一个真实业务画成纸上的图。本篇是第 2 篇/post/172…

# Agent# Python
6
Multi-Agent 详解：多智能体协作架构与实践
精选Agent

Multi-Agent 详解：多智能体协作架构与实践

一个智能体配上一套工具，已经能完成相当多任务。但让它同时“当产品经理、写后端、跑测试、做代码评审”，很快就会露馅：上下文里塞满了互相干扰的指令，十几件工具的清单来回切换，任务做到一半忘了开头。解法看起来很自然——像人类团队一样分工：让多个智能体各司其职，由一个协调者调度，这就是 Multi-Agent（多智能体）系统。它也是 2026 年智能体工程里讨论度最高、误用率也最高的架构。本文按“架构模式…

# Agent
28
Tool Use 详解：智能体工具使用全景
精选Code

Tool Use 详解：智能体工具使用全景

Function Calling 解决了“模型怎么发起一次调用”，但真正让智能体能干活的是另一件事：给它配一套什么工具、工具怎么设计、错误怎么处理、工具从哪来。这就是 Tool Use（工具使用）要回答的问题——它不是某个 API 特性，而是“让模型可靠地操作外部世界”的完整工程学科。2025 年以来，这个领域完成了一次关键跃迁：MCP 协议把工具接入从“逐家定制”变成“即插即用”，工具生态成为智…

# Agent
24
Prompt Engineering 核心技巧详解
精选AI

Prompt Engineering 核心技巧详解

与模型对话时，同一个需求换一种问法，得到的结果可能天差地别：一次得到可用的生产代码，另一次得到一堆正确的废话。这不是模型“看心情”，而是提示词（Prompt）本身就在决定模型的注意力分配与输出形态。提示工程（Prompt Engineering）就是把这件看似玄学的事，变成一套可复现、可迭代的工程方法。本文按“基本结构 → 核心技巧 → 结构化输出 → 迭代优化 → 常见误区 → 总结”组织全文。…

# Prompt
30
Function Calling 详解：让大模型调用你的函数
精选Code

Function Calling 详解：让大模型调用你的函数

问大模型“北京今天多少度”，它只能用训练数据里的旧知识猜，或者老实承认不知道。但如果告诉它“我这里有个查天气的接口”，它会说：“帮我调用 get_weather，城市参数填北京。”你的程序执行调用，把结果递回去，它再组织成一句自然的回答。Function Calling（函数调用）让模型从“只会聊天”进化为“会办事”——它是大模型连接外部世界的第一块基石，也是一切 Agent 系统的地基。本文按“…

# Agent
27
RAG 详解：检索增强生成从原理到实战
精选AI

RAG 详解：检索增强生成从原理到实战

大模型知道很多，但不知道你公司的内部文档、上周的产品公告、你个人笔记里的那条备忘。直接问它，它要么坦白不知道，要么一本正经地编一个答案——后者就是臭名昭著的幻觉。RAG（Retrieval-Augmented Generation，检索增强生成）给出的解法是：回答之前先查资料——把相关的私有知识实时检索出来，塞进上下文，再让模型基于资料作答。这是当前企业级 AI 应用采用率最高的架构，没有之一。本…

# 知识库
28