AI Agent通关秘籍

📄️ 01-AI Agent 开发要学什么？

前言

📄️ 02-从 Tool 开始：让大模型自动调工具读文件

前言

📄️ 03-实现 mini_cursor：大模型自动调用tool执行命令

前言

📄️ 04-MCP可跨进程调用的Tool

前言

📄️ 05-高德 MCP + 浏览器 MCP：LangChain 复用别人的 MCP_Server 有多爽

前言

📄️ 06-RAG：把文档向量化，基于向量实现真正的语义搜索

大模型幻觉

📄️ 07-知识库的loader和splitter：从各种来源加载文档并分割成小块

前言

📄️ 08-LangChain全部Splitter，其实只需要其中的一个

上节回顾

📄️ 09-向量数据库Milvus：做 AI Agent开发必备技术

前言

📄️ 10-Milvus + RAG 实战：电子书语义检索助手

前言

📄️ 11-Memory 管理的三大策略：截断、总结、检索

Memory

📄️ 12-结构化大模型输出：Output Parser 还是 tool？

前言

📄️ 13-Output Parser 实战：智能录入 + 流式版 mini curosr

前言

📄️ 14-Prompt Template：组件化管理 prompt

前言

📄️ 15-Runnable：把写逻辑变成组装 chain

前言

📄️ 16-实战练习 LCEL 组装 chain

前言

📄️ 17-LangChain 整体总结：AI Agent 第一阶段学习完成

为什么要用 LangChain

📄️ 18-Nest + LangChain 实现基于 SSE 的流式 ai 接口

前言

📄️ 19-Nest + tool 实现 OpenClaw 同款定时任务功能（上）

📄️ 20-Nest + tool 实现 OpenClaw 同款定时任务功能（下）

📄️ 21-给 Agent 加上语音交互：ASR + 流式TTS

前言

📄️ 22-AGUI 协议：Vercel AI SDK + LangChain 实现流式组件渲染

📄️ 23-图编排引擎：LangGraph和多Agent架构

📄️ 24-Agentic RAG：基于 LangGraph 实现大模型自主决策的 RAG 闭环系统

📄️ 25-基于 Docker Compose 的本地开发提效和生产环境部署

📄️ 26-ElasticSearch 全文检索：倒排索引表 + IK 分词器 + BM25 算法

📄️ 27-混合检索 RAG：多路召回 + 重排模型

📄️ 99-即将

- 了解skill，写skill