# 标签

Python

共 144 篇文章

Agent

AI Agent 开发(10):预构建 Agent 速查

第 9 篇/post/1556我们徒手搭了 ReAct:agent 节点、tool 节点、条件回边,从零跑通了"推理 → 行动 → 观察"的循环。轮子怎么造已经心里有数,这一篇反过来看另一面——什么时候该直接用现成的轮子…

81
Agent

AI Agent 开发(09):手写 ReAct Agent

第 1 篇/post/1548埋过一条主线:到本篇为止,你在使用别人的抽象;本篇之后,你理解每个抽象为什么存在。现在就走到这条主线的分水岭——不用任何 prebuilt,徒手把一个完整的 ReAct Agent 从 St…

89
Agent

AI Agent 开发(06):LangGraph 入门

前五篇把地基打完了:第二篇用 create_agent 三十行跑通会调工具的 Agent,第 5 篇/post/1552又把它的内核拆开——那段不到 20 行的 while 循环。工具调用这层协议吃透之后,该进引擎室了。…

95
Agent

AI Agent 开发(07):State 设计详解

第 6 篇/post/1553用 StateGraph 把"模型循环"变成了图:节点是函数,边是路由。但决定一个 Agent 能长多大的,往往是那个容易被一笔带过的 State——所有节点共享它、读写它,图每走一步它就变…

87
Agent

AI Agent 开发(05):工具调用基础

工具是 Agent 与世界交互的唯一通道:查天气、搜文档、读数据库、发请求,模型的一切"行动力"都来自工具调用。但 Function Calling 这个名字自带误导——模型从不真正执行函数,它只输出一段结构化的"调用意…

89
Agent

AI Agent 开发(03):LLM 调用基础

上一篇我们把第一个 Agent 跑了起来:一个模型、一个工具、一个循环。跑通之后再回头看,你会发现 Agent 的每一种高级能力——规划、反思、调用工具——最终都落在同一个原子操作上:把一组消息发给大语言模型(LLM),…

96
Agent

AI Agent 开发(04):Prompt 与结构化输出

写 Agent 最容易低估两件事:Prompt 怎么组织,输出怎么消费。不少团队的 Agent 在 demo 阶段跑得飞起,一进生产就问题不断——翻日志十有八九是两类:模型没理解任务,或者模型理解了、输出格式却飘了,下游…

101
Agent

AI Agent 开发(01):全景地图

2026 年,Agent 开发完成了从"演示"到"生产"的转折:代码评审 Agent 跑在 CI 流水线里,数据分析 Agent 接上了真实报表。转折的底层前提并不神秘——2025 年 10 月 LangChain 与 …

103
开源

Rich 详解:终端里的富文本渲染

命令行工具的输出体验长期被默认 print 统治——白字黑底、无对齐、无色彩。Rich 专门解决这个问题:它是一个在终端里渲染富文本与美化格式的 Python 库,出自 Textualize 之手,GitHub 上约 5…

99
Pydantic 详解:Python 数据验证基石
Code

Pydantic 详解:Python 数据验证基石

如果要在 Python 生态里选一个"无处不在但不显眼"的库,Pydantic 当仁不让:FastAPI 靠它做请求验证,LangChain 靠它约束模型输出,OpenAI SDK 靠它定义工具参数。官方定位一句话:基于…

92
PydanticAI 详解:类型安全的 Python AI SDK
精选AI

PydanticAI 详解:类型安全的 Python AI SDK

PydanticAI 详解:类型安全的 Python AI SDK写 LLM 应用最疼的两件事:模型返回的 JSON 不合预期、换一家模型商要改一串代码。pydantic/pydantic-ai(PydanticAI)用 Pydantic 团队的老本行回答了第一件——输出用 BaseModel 定义、运行前先校验,错误从运行时提前到编码时;第二件则用"模型即字符串"回答:换个厂商只改一个参数。如今

134
vLLM 详解:大模型推理引擎
AI

vLLM 详解:大模型推理引擎

大模型应用上线后,第一个撞上的墙往往不是模型效果,而是推理成本和吞吐。原生 Hugging Face 推理一次一个请求、KV 缓存整块预留显存,GPU 利用率低得可怜。vLLM 就是为解决这个问题生的:它用 PagedA…

122