卿羽飞
2026-03-03
阅读: 2
本文探讨了RAG与Agent的深度融合，分析了Agent需要RAG来解决长期记忆、领域知识和情景记忆等需求，介绍了Agentic RAG的主动检索机制，并提出了生产级Agent记忆系统的三层架构设计。
要点:
- Agent面临三类记忆需求
- Agentic RAG实现主动迭代检索
- 记忆系统分为三层架构
- 实战代码展示记忆系统构建
中国网湖北
2026-03-03
阅读: 2
本文是AI Agent系列教程的第五篇，重点讲解AI Agent的记忆机制及其重要性。文章介绍了记忆的分类（短期记忆和长期记忆），并通过代码示例展示了短期记忆的实现方法，包括基础对话历史和LangChain内置记忆组件的使用。
要点:
- AI Agent需要记忆以支持多轮对话
- 记忆分为短期记忆和长期记忆
- 短期记忆存储对话历史和上下文
- 长期记忆使用向量数据库和知识库
- 提供了LangChain记忆组件的代码示例
中国网湖北
2026-03-03
阅读: 2
本文是AI Agent系列教程的第八篇，重点讲解如何将AI Agent从开发环境部署到生产环境。文章详细介绍了生产部署的关键考量因素，并提供了Docker容器化部署和FastAPI构建服务的具体实现方案。
要点:
- 生产部署六大考量因素
- Docker容器化部署方案
- FastAPI构建Agent服务
- 性能优化与监控配置
- 多服务Docker Compose编排
新民晚报
2026-03-03
阅读: 6
本文是AI Agent系列教程的第一篇，系统介绍了AI Agent的核心概念、与传统LLM的区别、四大核心组件（记忆、工具、规划、行动）、工作原理、主流框架对比以及典型应用场景。文章旨在为零基础开发者提供全面的入门指导。
要点:
- AI Agent能自主感知、决策与执行
- 与传统LLM相比，AI Agent具备主动规划能力
- 核心组件包括记忆、工具、规划与行动
- 主流框架有LangChain、AutoGen等
- 应用场景涵盖个人助手、数据分析等