AI Agent 开发难题：验证器的设计
1. AI Agent 开发难题：验证器的设计 摘要：“凡能被精确度量的任务，终将被 AI 完美解决。智能的疆域将呈现锯齿状——在易于验证的领域，AI 将远超人类；而在难以验证的荒原，我们仍将肩负重担。这般前景，何其激动人心！” AI Agent 与我们日常使用的
AI Agent 框架技术深度分析报告
1. AI Agent 框架技术深度分析报告 在早前初步搭建 agent 应用的时候，调研过相关的 agent 框架，现整理与大家分享下。 在决策的时候，因考虑到应用需要较强的适配性，面临与业务强耦合，吸取两年前使用 langchain 开发后又因难以实现特殊需要而优化开发的教训，在业务开发中采用了
AI 大模型的四阶技术和我们的机会
今天主要给大家介绍一下AI 大模型的四阶技术和我们的机会。 1. AI 的发展历程 关于 AI（人工智能）的发展历程，我们可以将其划分为四个关键阶段，每个阶段都会有标志性的重大技术突破和应用领域的扩展。 Artificial Intelligence（弱人工智能） Machine Learning（
核心框架对比矩阵
本文从核心定位、技术特性、典型场景、成本模型、社区支持等维度，对 LangGraph、AutoGen、Dify、Coze、MetaGPT、OpenAI Agents 等 AI Agent 开发框架进行全方位对比分析，以便提供使用参考。 1. 核心框架对比矩阵 框架 核心定位 技术特性 典型场景 成本
三年演进：范式落地 → 开源上位 → 执行力为王
AI Coding 演化进行时。 过去三年里，AI 编码从"补一句代码"跃迁为"承包一次变更"。 Coding 可能是第一个找到所谓 PMF 的方向…如今 AI Coding 已经进入下半场，Coding 到底是 AGI 的子集还是新路径，我们一起略窥一二。
AI 写 80%，人修最后 20%：这是什么新赛道？AI 代码补锅匠 了解一下
1. AI 写 80%，人修最后 20%：这是什么新赛道？"AI 代码补锅匠"了解一下 1.1. “AI 完成 80%，专家处理剩余 20%”
AI Test：AI 测试平台落地实践
1. AI Test：AI 测试平台落地实践 2. AI 正在重塑软件测试领域 人工智能正在深度改变各行各业，软件测试也不例外。随着 AI 在自然语言理解、图像识别、意图规划等方面的成熟发展，测试方法正在从**“人 + 代码驱动的传统测试"向"AI 驱动的智能测试”**转型。 AI 的出现，使构建低
MCP
1. MCP 实战之前，先简单介绍一下 MCP。 MCP = Model Context Protocol，是 OpenAI 在 2024 年底提出的一种协议，用于让大模型（LLM，比如 ChatGPT）能够和外部系统（数据库、API、工具、文件系统等）进行交互。 2. MCP 是什么？ MCP 就
