在每周保持进度的过程中，总结、汇报是比较重要的事情。尤其是当要自己主导项目的推进、论文框架规划与展示，有成熟的技术栈对于进一步深造硕士/博士有重要的影响。 在这里记录目前我作为新手的技术栈，并在之后观察学长、老师等更资深研究者的习惯来优化我的技术栈。 展示PPT：LaTex Beamer(简约，而且不用花过多精力在排版上) PowerPoint 的功底其实也需...

2024年11月25日，Antrophic 提出 MCP（Model Context Protocol，模型上下文协议），提供Agent Tool call（工具调用）的统一格式。直至2025年4月9日，Google 官宣另一个Agent领域的协议A2A（可参考笔者另一篇介绍 A2A——Agent2Agent 的文章），并正式官宣支持 MCP，至此，MCP已成为业界公认的范式，一定程度上实现...

2025年4月9日，Google提出Agent领域又一个重磅的协议A2A(Agent2Agent)。 面向场景：多智能体交互的对话框架。值得注意的是，Google突出强调这一协议的ToB前景——Enterprise Readiness。 A2A具体是什么，它与当前炙手可热的MCP(Model Context Protocol)又有怎么样的关联呢？ A2A 与 MCP A2A的官方文档...

汇报内容：各种强化学习方法对比 科研中常见的强化学习算法主要可以分为以下几类： 基于值函数的方法 例如传统的 Q-learning 和 SARSA，以及它们的深度版本——深度 Q 网络（DQN）。在 DQN 基础上，还有 Double DQN、Dueling DQN 和 Prioritized Experience Replay 等变体，这类方法主要适用于离散动作空间，通过迭代更新...

（持续更新中…) 目前两个主流的多智能体开发框架，其中langgraph是langchain的原生团队扩展开发而来，基础版本诞生于2024年6月，在7月进行的暑假实训，我们使用还未发布正式文档的langgraph开发了一个面向软件开发场景的多智能体应用，主要功能为引导用户描述需求并使用多个智能体：项目经理、技术架构师、多个工程师协同给出一个初步的完善开发文档。项目仓库：LangGraph-...

Agent 的核心概念 PPA（Perception，Planning，Action） 区别 Agent 与常规 LLM 直观表现在： Agent 面向任务，循环执行 LLM 面向问题，单词执行 Agent prompt format: ReAct 循环的 Prompt：CoT，目前主流使用的 Prompt 格式：ReAct Input: Question Step ...

RAG 的全称是 Retrival-Augumented Generation. Retrieval 检索外部知识库（文档、网页、数据库等）。 加载网页时，主要关注两点： PageRank，基于链接分析，网页的重要性 BM25/TF-IDF，基于内容，查询与网页内容的匹配度 检索的主要方式 向量检索：文本转换为向量（Embedding），通过向量相似度（余弦相似度）匹...

有多种安装部署方式 Windows / Linux / Docker 这里出于便捷，直接使用 Windows 的安装方式 官网下载安装 Ollama 官网：https://ollama.com/ Windows 下载安装 设置模型存储路径 系统变量里新建 OLLAMA_MODELS， 赋值为你设定的模型存储路径，这里我放在 Y:\LLM\Ollama ...

初始化仓库 准备条件 本地创建文件夹，git bash 进入文件夹目录 Github 仓库创建完成，获取 <URL> // 初始化 git init git remote add origin <URL> git branch -m master main git pull origin main //更新链接 git remote set-u...