首页›实践
实践
实践
智能体框架、Skill 和 AI 工具的上手教程与一手使用经验。
共 217
smolagents 视觉智能体smolagents 视觉智能体两种注图方式：开局传 task_images 做静态判定，或用 step_callback 把浏览器截图动态写进记忆，VLM 边看边办。smolagents 检索智能体把检索器包成 smolagents 工具交给智能体：查询重构、多轮检索、结果校验全由模型规划，检索从固定环节变成可迭代动作。smolagents 的工具调用智能体smolagents 的 ToolCallingAgent 用 JSON 表达动作：结构严整、对接 function calling，适合简单系统；复杂任务归 CodeAgent。不用框架手写一个智能体不用框架手写智能体：system 提示词塞工具描述和循环规则，用 stop 参数掐住幻觉 Observation，手动执行函数后拼接续写。聊天模板与特殊 token：智能体底层怎么拼提示词聊天消息到提示词的转换：三种角色、各家特殊 token 的差异、ChatML 模板与 apply_chat_template 的用法。ms-swift 微调大模型快速上手ms-swift 微调框架快速上手：十分钟单卡完成自我认知微调，LoRA 参数逐条拆解，从推理验证到 merge-lora 加速再到推送到 ModelScope。Ollama 常见问题：模型存放路径、端口、显存Ollama 本地部署常见问题合集：上下文窗口与显存占用怎么查、模型存哪里怎么挪、端口与跨域怎么开放、keep_alive 与并发参数怎么调。Ollama 结构化输出：让本地模型返回 JSON用 Ollama 的结构化输出约束本地模型：json 模式与 Schema 模式两级控制、Pydantic 和 Zod 的生成校验闭环、嵌套字段与视觉场景的结构化描述。Ollama 工具调用Ollama 工具调用全形态：单发调用与工具结果回传、并行多工具分发、Agent 循环的终止条件，以及流式场景下分段字段的累积方法。Ollama 的 OpenAI 兼容接口怎么用Ollama 的 OpenAI 兼容层实战：云端与本地两种入口、三种语言同一协议、各端点的支持清单，以及上下文长度和默认模型名两个常见适配点。LangChain 护栏：过滤敏感信息与危险输出用 LangChain 护栏（guardrail）过滤敏感信息、拦截危险输入输出：内置 PII 检测和人工审批，加上执行前后的自定义中间件，以及多层组合。LangChain 长期记忆给 LangChain 智能体加上长期记忆：用 LangGraph store 按命名空间和键保存 JSON 文档，在工具里读写，并配好 PostgreSQL 依赖。用 LangChain 做语音智能体用 LangChain 搭语音智能体：采用语音转文字、智能体、文字转语音的三段式流水线，讲清每段怎么流式衔接、怎么用 WebSocket 接入，以及各自的取舍。LangChain 消息类型讲清 LangChain 的消息对象：System、Human、AI、Tool 四种消息各做什么，内容块和多模态输入怎么写，流式输出怎么拼接，以及对话历史怎么保存和恢复。LangChain 接入各家模型用 init_chat_model 统一初始化各家大模型，讲清参数、重试、三种调用方式、工具调用、结构化输出、限流，以及接入 vLLM 等 OpenAI 兼容服务。给模型微调函数调用能力：LoRA 入门函数调用让模型通过结构化的工具调用采取行动，这种能力靠微调学得。本文讲清对话格式、三步训练和 LoRA 适配器的做法。智能体的可观测性与评测可观测性用追踪和指标记录智能体的每一步，离线与在线评测则判断它是否有效，并指引上线前后的改进方向。LangGraph 基础：状态、节点与边LangGraph 用节点、边和状态组织大语言模型应用的流程。本文用一个带条件分支的小图讲清三个基本概念，并说明何时适合使用。LlamaIndex Workflows：用步骤与事件编排智能体LlamaIndex Workflows 用步骤、事件和状态组织代码，本文从单步工作流讲到带共享状态的多智能体工作流，并说明怎样画出流程图。LlamaIndex 核心组件：搭建 RAG 流水线LlamaIndex 把 RAG 拆成加载、切块、向量化、存储、查询和评测几个组件。本文把它们串成一条文档问答流水线，并说明怎样给回答打分。MiniCPM-o 多模态模型部署调用用 FastAPI 把 MiniCPM-o 2.6 包装成本地 HTTP 服务，再用 requests 发送单图、多轮、多图和视频请求。读完能跑通第一个多模态调用。Qwen3 GRPO 强化学习微调用 Unsloth 对 Qwen3-8B 做 GRPO 强化学习微调：先 SFT 打底，再设计奖励函数训练，并用 SwanLab 记录实验。读完能看懂每一步的作用。Qwen2.5-Coder 用 vLLM 部署用 vLLM 离线推理和 OpenAI 兼容服务部署 Qwen2.5-Coder-7B-Instruct，并用 curl 调用、用自带脚本比较推理吞吐。读完能跑通第一次代码生成。gpt-oss-20b 用 LM Studio 本地跑用 LM Studio 图形界面下载并在本机运行 gpt-oss-20b，再用 OpenAI 库调用本地 API，并通过 MCP 为模型接入工具。读完能跑通第一次本地对话。