从零搭一个能用的 Agent：我的工程化路线图
从零搭一个能用的 Agent：我的工程化路线图每次有人问我"Agent 到底怎么做"，我都会先反问一句：你的工具调用失败率是多少，超时怎么处理，上下文超了怎么办。多数人答不上来。这说明大家想的是 Demo，不是系统。这篇教程不带你拼一个会聊天的玩具。
把 Agent 变成可协作、可评估、有记忆的应用
把 Agent 变成可协作、可评估、有记忆的应用这个仓库提供 Anthropic「Code with Claude」项目免费实操工作坊资料，教你基于 Claude Managed Agents 搭建高阶 AI 智能体。
LangChain 学习路线（07）：Agent 入门，从 RAG 问答到智能体调用
前六篇，我们已经学习了 LangChain 的核心组件、LCEL、RAG、Milvus、混合检索和 Rerank。现在，我们开始进入一个新的阶段：Agent（智能体）。之前构建的 RAG 应用，主要解决的是一个问题：用户提出问题，系统从知识库中找到相关资料，再交给大模型生成答案。
AI Agent选Python还是Java，上线后答案变了
这个问题在技术群里能吵三天，两边都觉得自己赢定了。但11月第一周把争论的前提换了：巨头集体重写代码底座，安全报告说一个文档就能劫持编程智能体，生产环境开始认真谈权限和审计。Agent早不是"能跑起来的demo"，它要接支付、碰真实数据、留审计记录、跑三年。
为什么越来越多团队用 Java 写企业级 Agent：十个绕不开的现实因素
这两年我被问过好几次同一个问题：做 Agent，为什么不用 Python？我一般会反问一句，这个 Agent 上线之后，写不写业务库、走不走审批、进不进现有的权限体系。如果答案都是肯定的，语言这件事其实没多少可选。
别急着用 Python：Java 开发 Agent，也有自己的优势
做 AI Agent，很多人会先想到 Python。但对已经使用 Java 和 Spring 的团队来说，换语言真的是必选项吗？比较 Agent 框架，不能只看它能不能调用大模型。工作流如何组织、数据如何传递、任务怎样并行，以及出现错误时能不能控制，都会影响后续开发和维护。
六行代码就能跑 Agent，为什么还要设计一套框架？| 极客时间
Demo 演示很顺，模型能回答，工具也能调用，看起来已经可以交给业务试用了。如果故事停在这里，做一个 Agent 好像确实不难。
让 agent 调 Python 沙箱执行代码，跑数据分析这类任务靠谱多了
上个月做一个数据问答的功能，用户丢一个 csv 上来，问「上个月哪个渠道的转化率最高」。我一开始的做法很蠢：把整张表塞进 prompt，让模型自己算。结果几万行数据，token 直接爆了，算出来的数字还错得离谱，模型对着一堆逗号分隔的文本硬猜均值，你敢信吗。
Agent 平台原型来了：先把关键链路走通
技术选型解决“用什么做”，交互原型解决“用户到底怎么用”。这次先用一版可点击原型，把 Agent 配置、任务运行和执行追踪三条核心链路走通。