登录社区云，与社区用户共同成长
邀请您加入社区
Codex Agent修复Bug时，为什么经常会顺手重构大量无关代码，导致Diff越来越大、Review越来越困难？本文从最小修改、变更边界、Diff预算和修复与重构分离等方面，整理Agent修Bug时控制修改范围的方法。
本文以 Claude 的多工具调用协议为核心，演示四个香港开放数据接口并发调用的执行器与回填契约。通过 `tool_result` 必须全量回填、必须在文本前、缺失调用必须补 `is_error`，作者验证了工具链如何在“错误后跟随 message_stop 之外”的状态边界中避免死等，并指出并发只有在无长尾接口时才会真正缩短总时延。
大语言模型赋能智能体规划：五大范式与挑战 本文系统梳理了大语言模型(LLM)驱动的智能体规划技术，将其归纳为任务分解、多方案选择、外部模块辅助、反思优化和记忆增强五大范式。任务分解采用"分而治之"策略；多方案选择通过生成候选计划并筛选最优解；外部模块引入符号/神经规划器提升效率；反思优化增强容错能力；记忆组件存储知识辅助决策。研究指出，当前技术仍面临幻觉、效率和多模态处理等挑战
没有Transformer，就没有今天的AI盛况。
本文详细介绍了如何使用Coze平台搭建热点监控智能体，实现抖音爆款视频数据的自动采集。通过梳理工作流和设置智能体，用户只需输入关键词即可批量获取热门视频的详细信息，包括点赞数、评论数等关键指标，并将数据自动整理到飞书多维表格中。这一工具能帮助内容创作者高效跟踪行业热点，节约选题时间，抓住内容创作先机，无需技术背景也能轻松操作。
摘要： 本文系统解析了AI核心技术的最新进展，涵盖大模型架构、微调技术、RAG演进与智能体设计。Transformer与MoE架构协同支撑大模型高效扩容，LoRA等5种微调技术实现轻量化适配；Agentic RAG突破传统检索-生成管道的局限，通过动态决策提升准确性；智能体设计模式（如反思模式、工具增强）赋予AI自主任务处理能力。文章以技术原理结合应用场景，为开发者提供从模型优化到系统设计的完整知
摘要： DeepSeek基于混合专家（MoE）架构突破大模型性能与效率瓶颈，以2048个专家子网络的动态分工实现“万亿参数能力、百亿级消耗”。其技术亮点包括动态稀疏注意力（128K上下文窗口）、分层量化策略及自适应计算机制，训练成本较稠密模型降低80%。在多模态理解（MMBench Top3）和代码生成（HumanEval 81.5%通过率）领域表现卓越，支持20+编程语言。企业级应用如智能客服（
