-
Go 项目 SQLite → 南大通用 GBase 8c 适配全记录(适配完成后由claude整理生成文档,以后若再适配直接上下文喂给他即可)
Go 项目 SQLite → 南大通用 GBase 8c 适配全记录 适配背景:原项目使用 SQLite + GORM,现需要在不改动核心业务逻辑的前提下,同时支持 SQLite 和 GBase 8c(南大通用数据库)。 一、方案选型核心思路:一... -
学了这么多,我去总结下之前的项目经历,免得会做不会说
项目一:本地小模型数据脱敏系统输入 原始文本数据(日志、表单、文档等) 包含敏感信息(身份证、手机号、地址、ip地址、系统名称、应用算法等) 架构 本地小模型(qwen2.5-14B) 语义化规则(通过自然语言描述敏感信息识别逻辑) 基于语义理解的... -
数字员工自我进化机制
自我进化到底是什么? 用工程手段替代了人的记忆和判断: 记录:用结构化日志取代人类的记忆 复盘:Agent 定期回看执行记录,定位失败根因 提案:把改进方案写成结构化文档,附带具体证据 落地:经人类审批后,机械地更新 soul / SOP ... -
多 Agent 组织化设计:角色体系与协作协议
一、角色体系(Role System)1. 本质定义角色体系的本质: 给每个 Agent 颁发一张“职业执照”,明确: 能做什么(职责边界) 不能做什么(权限约束) 积累的经验归属谁(记忆归属) 2. 为什么必须有角色体系在没有角色体系时,... -
Orchestrator 到 Harness Engineering:多 Agent 体系的范式升级(Agent从工具进化成数字员工)
一、Orchestrator 范式1. 基本模式Orchestrator(编排器)模式的核心是: 主 Agent 拆解复杂任务 子 Agent 并行执行子任务 汇总结果输出最终结论 执行流程:任务输入 → 主 Agent 拆解 → 子 Agent... -
Agent 上下文管理与记忆系统设计
一、上下文管理的本质上下文生命周期的核心,是在 ReAct 循环中可干预上下文的时机窗口。 如果不进行主动管理,上下文会持续“生长”,最终引发系统级问题,而不仅仅是性能变慢。 二、为什么必须管理上下文常见误区: “上下文变长只是变慢,可以用更... -
多智能体“三剑客”:Process
多智能体“三剑客”:Process(流程)Agent 是我们招募的具备特定专业能力的“数字员工”,Task 是我们拆解出来的具体“里程碑目标”,今天补齐多智能体“三剑客”的最后一块拼图——Process(流程)。 只有通过科学、合理的流程编排,单打独... -
多智能体“三剑客”:Task
Task 设计:从“定人”到“派活”人设工程完成了“定人”的步骤,有了优秀的数字员工,接下来就需要给他们派发明确的工作了。 一、认知原点——一切 AI 应用皆为“Task” 无论是传统的 Chatbot、智能客服,还是复杂的数据分析 Agent,... -
Multi-Agent(多智能体)(学习内容整理)
先直接贴成果,没跑完,省点额度…. 思维跨越:从“面向过程”到“面向组织” 三个基本要素Agent(角色):相当于团队中的具体员工,如产品经理、研发、测试。我们需要为每个 Agent 清晰地定义其目标、职责边界以及它所掌握的专属工具。 Task(任务... -
Agent详解(学习内容整理)
Agent 核心机制补充 Agent 的本质理解LLM 自主决策 + 工具使 + 上下文记忆。 ReAct 核心逻辑遵循以下范式循环执行: Thought Action Action Input Observation Final...
都 是 黄 泉 预 约 客 , 何 必 为 难 每 一 天|