需求分析与系统设计首先进行全面的需求分析，以确保系统能够满足用户的实际需求，不仅要明确系统的功能需求，还要深入理解用户在日常操作中面临的具体信息查询问题。同时，通过系统架构的细化和模块的合理划分，能够在实际开发中大幅提升系统的可扩展性和维护性。 主要任务： 如何合理分配检索模块与生成模块的任务 如何确保数据流通畅和相应速度 需求分析：识别用户的主要查询类型为什么：用户...

AI应用开发面试题 - 来自面经的高频题汇总 - 持续更新中 简介： 内容收集自互联网的佬们分享的个人面经～内容持续更新汇总 内容已经分类，按照类别持续更新中。包括了Agent，RAG，网络基础，编程语言基础，中间件基础，后端基础面试题等.. 你对 Agent 了解多少呢？ Agent（智能体）是一种能够感知环境、自主决策、执行行动的 AI 系统。与传统的”一问一...

AI大模型面试题-基础篇 AI大模型高频面试题大集合这里的题目前比较基础，我们开发了一个单独的面试网站，即将上线，到时候给大家开通体验，有全套的后端+大模型面试题。 1-请说明AI大模型应用开发和底层区别，市场需求占比。 题目分析和考点 此题目主要考察学员是否理解AI大模型开发的不同层次 考察学员是否清楚AI应用开发和底层原理的区别 了解学员对市场需求的认知程度 难度...

AI应用开发实战： 实战智能出行Agent助手-附代码和前后端可视化界面 📌 项目概述本项目是一个基于 MCP (Model Context Protocol) 和 LangChain/LangGraph 的智能助手Agent系统。它允许大语言模型（如阿里通义千问）通过标准化协议连接多种外部工具，实现天气查询、文件写入、地图导航等功能。 直接可以运行的代码已经整...

AI应用开发实战：RAG知识库助手实战-附带前后端和完整可运行服务 RAG 知识库问答系统 - 从零开始的完整指南 基于 Milvus 向量数据库 + LangChain + DashScope 的本地知识库问答解决方案 直接可以运行的代码已经整理好了，需要的话找老师拿 什么是 RAG？ 1.1 RAG 的定义RAG（Retrieval-Augmented G...

万字详解！AI Harness 入门与实践！一篇博文给你讲透！ Harness Agent 的基本概念 先说结论：AI 应用开发正在从“会问 AI”变成“会给 AI 搭工作台” 过去一年，很多人做 AI 应用开发的姿势是这样的： “帮我写一个登录页。” “帮我修一下这个 bug。” “帮我生成一个 Python 爬虫。” “帮我把这个函数改成异步。” 这类做法通常被叫...

AI开发基础：Langgraph框架从入门到实战开发智能体-附带完整可运行代码 LangGraph 实战教程：从小白到高手 一份让你真正学会用 LangGraph 构建 AI Agent 的实战指南 写在前面如果你想用大语言模型（LLM）做点有意思的事情，比如做一个能自己查资料、能记住上下文、能调用各种工具的智能助手，那 LangGraph 绝对是你需要了解的东西。 ...

【大模型AI Agent 入门到实战】深度理解 Agent 全链路逻辑与工程化落地 【Agent入门到实战】深度理解Agent全链路内容和深度优化、系统评估1.重新定义 Agent：从「工具调用」到「自主智能体」1.1 智能体的核心进化逻辑传统大模型的交互模式停留在「问答响应」层面，用户提出需求后，模型仅能输出建议性内容（如旅行规划的文字建议），但落地执行仍需用户手动完成...

大模型AI Agent知识从0-1笔记-万字详解版本！ 【Agent入门到实战】深度理解Agent全链路内容和深度优化、系统评估 什么是Agent？为什么说它是AI的下一个战场 1.1 从ChatGPT到Agent的进化想象一下这个场景： 传统的ChatGPT对话： 你：「帮我规划一次周末去京都的旅行」 ChatGPT：「当然！京都是个美丽的城市，你可以考虑参观清水...