全部文章
浏览和搜索所有技术文章
实测清华OpenMAIC项目在教育领域的应用-小学课程学习
本文展示通过清华大学OpenMAIC项目，实际创建小学一年级知识课程。介绍课程创建方式、提示词编写、展示课程效果。其中OpenMAIC借助大模型的能力，创建出符合学生年龄特点的课程内容。多Agent角色模拟低龄学生的特点，画风贴近儿童特点。 经过本次测试，为大家提供课程的创建思路，同时为教育工作者或者互联网教育平台提供创新思路。
Agent开发系列-10分钟快速利用Cloudflare AIChatAgent 开发 聊天Agent
Agent开发系列。本文介绍利用Cloudflare AIChatAgent 快速开发聊天助手Agent。包括工具定义、会话数据存储、数据库操作、会话历史支持。文章最后附带完整的聊天助手Agent源码直接进行部署体验。
前端全栈转型AI Agent开发：基于Next.js与Vercel的新赛道突围
AI编程工具已从辅助升级为替代，单纯前端开发面临严峻挤压，基础页面、样式及简单交互均可被AI快速生成。TailwindCSS开发商的困境，为前端开发者敲响警钟：固守传统技能终将被动。依托Next.js与Vercel生态，转型AI Agent开发，是前端全栈工程师突破瓶颈、抢占新赛道的最优解。本文将从AI挤压、开发优势、转型路径三方面，提供可落地的转型指南。
一文读懂大模型 Agent 与 MCP：从概念到协同逻辑
随着大模型技术从"文本生成"向"自主执行"演进，Agent 和 MCP 逐渐成为连接大模型与实际应用的核心载体。很多开发者在接触相关技术时，容易混淆两者的定位——Agent 是面向用户的"智能执行者"，MCP 是支撑其高效运作的"标准化协议"，二者相辅相成，共同推动大模型从"被动应答"走向"主动服务"。本文将从基础概念、核心特征、工作逻辑及协同价值四个维度，帮你理清 Agent 与 MCP 的关系，快速掌握这两个关键技术的核心要点。
【深度评测】OpenClaw 风险批判：一款开源AI框架的系统性安全隐患解析
作为近期热度较高的开源AI执行框架，OpenClaw以“高效执行、多场景适配”为卖点，吸引了个人开发者与部分企业的关注。但从专业技术评测视角来看，这款框架的安全设计存在诸多底层缺陷，甚至可以说，其“高效”的背后，是对安全的严重妥协。本文将从架构、语义安全、漏洞、供应链等多个维度，批判式解析OpenClaw的核心风险，为开发者与部署者提供理性参考。
为什么我们应该选择Dify工作流
为什么我们应该使用Dify来搭建工作流，Dify与其余工作流系统的区别。Dify工作流的能力，适配场景。