AI.x社區
- 登錄/注冊
告別上下文溢出！用DeepAgents+DeepSeek快速構建具備網絡搜索能力的AI研究助手
原創概述在人工智能快速發展的今天，構建智能代理系統已成為開發者關注的焦點。DeepAgents作為LangChain生態系統中的重要組成部分，為開發者提供了一個強大而易用的代理工具包。本文將從概念理解到代碼實踐，全面解析DeepAgents的技術特性與應用場景。DeepAgents核心概念DeepAgents是由LangChain團隊開發的開源Python工具包，專門用于構建能夠處理復雜任務的智能AI代理。它基于LangGraph構建，并受到ClaudeCode、DeepResearch和Manu...DeepAgentsDeepSeekDeepSeek整合多模態文檔解析與DeepResearch的框架：Doc-Researcher思路
原創
社區頭條整體偏向工程實現，DocResearcher從名字可以看出，首先這個框架需要進行文檔解析提取文檔的圖文多模態元素，文檔解析相關技術鏈路《??文檔智能??》。其次是多模態深度研究（通過迭代分解問題、積累證據、驗證信息，實現多文檔、多跳、多輪的深度推理。）和銜接兩者的多模態檢索架構。DocReseaRcHeR架構多模態文檔深度研究的典型應用場景。用戶在多輪對話的上下文中提出一個需要多跳推理的問題，其中真實證據跨越多個文檔和...多模態文檔解析DeepResearchDeepSeek在自動駕駛場景下的應用
原創深度解讀DeepSeek在自動駕駛場景下的應用，這并非指DeepSeek直接控制車輛，而是作為自動駕駛系統的“超級大腦”和“全棧協作者”，在研發、測試、運營及人機交互等關鍵環節發揮革命性作用。核心定位：自動駕駛的“認知引擎”與“專家團隊”DeepSeek的核心能力——復雜邏輯推理、代碼生成、多模態信息處理與超長上下文理解——使其能夠穿透自動駕駛技術棧的多個層面。典型應用場景深度解讀1.研發與測試：全天候“首席工程師助理...DeepSeek自動駕駛推理成本吞噬AI未來，云計算如何平衡速度與成本的難題？
原創當前AI規模化應用正面臨著核心困境：在追求極致響應速度的同時，如何控制呈指數級增長的計算成本？ 過去一年，生成式AI模型吸引了無數關注，但與之對應的訓練和推理計算系統卻面臨著成本與效率的雙重挑戰。 根據Mavvrik和Benchmarkit合作創建的《2025年人工智能成本治理狀況報告》，絕大多數公司正在承受AI對利潤的侵蝕——84%的企業表示AI成本導致毛利率下降超過6%，這意味著近三分之一的企業毛利率損失高達16%以上...云計算人工智能模型訓練算家計算算家云多智能體系統大多只是表演！做了25+個Agent的開發老鳥警告：成本爆炸，延遲增加，Agent不是越多越好！
原創 社區頭條出品51CTO技術棧（微信號：blog51cto）今年以來，多智能體（MultiAgents）頻頻成為AI領域的熱點話題。但現在，越來越多開發者發現，“多智能體協作”的酷炫演示，很多只是AI的一場秀，并非切實可靠。這兩天，Reddit、X平臺上關于多智能體的討論再次甚囂塵上。小編刷到一篇網友的帖子，他說自己做了超過25個Agent，為客戶服務已經兩年多，最后得出的結論是：很多人做的多智能體系統，看起來復雜、炫技，卻沒什么必要。許多開發者...多智能體系統Agent一夜之間，Claude猛轉向！Anthropic內部負責人自曝設計思路，開發只是小切片，目標是所有復雜領域
原創 社區頭條編輯云昭出品51CTO技術棧（微信號：blog51cto）好家伙，一覺醒來，Claude要從Coding的程序員轉向辦公白領了！就在幾個小時前，Anthropic的一則新發布“ClaudeforExcel”直接引爆了Hackernews上的用戶，目前評論已經高達348條。圖片從coding賽道拓展到office，雖然說已經是業界共識，但Anthropic這一突然的行動，還是讓業界為之一震。從官方放出的界面和資料來看，看來又是一項堪比ClaudeCode的實用神器。整體感覺，跟兩年前的Ex...AnthropicClaudeCoding如何利用OpenCode將AI集成到終端中使用
社區頭條譯者劉濤審校重樓人工智能不再僅僅是輔助工具，它正逐步成為真正的編程伙伴。在過去一年中，開發者見證了GitHubCopilot和ChatGPT等工具的興起，這些技術徹底改變了代碼編寫的方式。然而，大多數此類工具主要運行于集成開發環境（IDE）或瀏覽器界面中。開源項目OpenCode則采取了不同的路徑。它將人工智能助手直接集成至終端環境，使用戶能夠通過自然語言完成代碼編寫、調試與重構等操作，全程無需離開命令行界面（CommandLineInt...OpenCodeAI終端導演之魂，端到端電影制作更進一步！港科大&螞蟻等最新HoloCine一鍵生成完整電影場景
論文鏈接：https:arxiv.orgpdf2510.20822項目鏈接：https:holocine.github.io圖1.僅憑文字提示，HoloCine就能整體生成連貫的電影多鏡頭視頻敘事。圖中展示了我們模型的多功能性，包括各種原創場景（前三行）和向《泰坦尼克號》致敬的電影場景（后三行）。所有場景都表現出卓越的角色一致性和敘事連貫性。最后一排的擴展畫面展示了流暢的鏡頭內運動和質量。亮點直擊HoloCine，這是一種通過兩個專門設計的架構解鎖整體生成潛力的...AI視頻生成模型大規模語言模型訓練后遺忘現象
社區頭條引言隨著大型語言模型（LLMs）在各個領域的廣泛應用，訓練后優化已成為提升模型能力的關鍵環節。然而，一個長期被忽視但至關重要的問題是：在訓練后階段，模型是否會遺忘其在預訓練期間獲得的知識？這一現象被稱為"災難性遺忘"，它可能嚴重影響模型的整體性能和實用性。本文基于最新研究成果，深入分析了大規模語言模型在訓練后階段的知識遺忘現象，提出了創新的樣本級遺忘度量方法，并通過大規模實驗揭示了不同訓練后策略對模...語言模型預訓練SFTW4S：弱對強強化學習框架的創新突破與技術深度解析
摘要在當前大語言模型（LLM）快速發展的時代，如何高效利用強大模型的能力成為了一個重要挑戰。來自斯坦福大學、洛桑聯邦理工學院和北卡羅來納大學的研究團隊提出了一種革命性的解決方案——弱對強利用框架（WeakforStrongHarnessing,W4S）。該框架通過訓練一個小型元代理來設計和優化調用更強執行器模型的工作流程，實現了在不直接微調強模型的情況下顯著提升性能的目標。引言傳統的大語言模型優化方法面臨著成本高昂和實施困...LLM模型架構ShinkaEvolve：革命性的程序進化框架——從樣本低效到高效科學發現的技術突破
引言在人工智能和科學發現的交叉領域，一個名為ShinkaEvolve的開源框架正在引發技術革命。由SakanaAI團隊開發的這一創新性框架，成功解決了傳統進化算法在程序優化中面臨的樣本效率低下問題，將所需評估次數從數千次大幅降低至數百次，實現了數量級的效率提升。ShinkaEvolve（"進化"在日語中的含義）不僅僅是一個技術工具，更是對傳統科學發現方法的根本性重新思考。該框架通過巧妙融合大型語言模型（LLM）的創造能力與進化搜索...ShinkaEvolve框架LLM阿里 Roll Flash：異步 RL，加速 RLVR 和 Agentic 訓練
一、背景筆者在之前的文章中介紹了一系列偏同步訓練方式的RL優化方案，最近出了一系列異步訓練工作，后續會逐步介紹。本文中先簡單介紹來自阿里等團隊的Roll系列中的RollFlash。對應的論文為：[2510.11345]PartII:ROLLFlashAcceleratingRLVRandAgenticTrainingwithAsynchrony對應的代碼庫為：GitHubalibabaROLL:AnEfficientandUserFriendlyScalingLibraryforReinforcementLearningwithLargeLanguageModels二、摘要同步RL后訓練...異步 RLRLVRAgenticMeta ScaleRL：40 萬 B200 GPU 小時，讓 RL 擁有“可預測 Scaling Law”
社區頭條一、背景之前已經介紹了一些了RL訓練優化的文章，它們往往針對特定場景或特定算法進行優化，而缺乏一些系統性的研究。正好看到Meta的ScaleRL，其對各種策略、技術進行了比較全面的消融實驗，并提供了最佳實踐，我們這里對其進行簡單介紹。對應的論文：[2510.13786]TheArtofScalingReinforcementLearningComputeforLLMs[1]二、摘要RL已成為LLM的核心技術，但是該領域還缺乏與預訓練相媲美的可預測ScalingLaw。為此，作者進行了大...RLLLMGPUDeepSeek-OCR實戰部署指南：視覺壓縮技術顛覆傳統OCR！
熱門內容榜 ? 最近上榜在人工智能飛速發展的浪潮中，DeepSeek團隊再次帶來令人振奮的開源力作——DeepSeekOCR！這款基于“上下文光學壓縮”創新技術的模型，不僅在性能上全面超越之前爆火的Minuer，更重新定義了視覺文本處理的效率邊界。倉庫地址https:github.comdeepseekaiDeepSeekOCR模型下載地址https:huggingface.codeepseekaiDeepSeekOCR技術報告地址https:github.comdeepseekaiDeepSeekOCRblobmainDeepSeekOCRpaper.pdf技術突破：從Minuer到Dee...DeepSeek-OCR視覺壓縮DeepSeek基于加權RRF的混合檢索與RAG系統融合方法詳解
概述RRF基本原理傳統RRF公式改進的加權得分RRF方法1.直接得分融合法2.標準化得分融合法完整示例演示公式變量總結表權重策略設計基于算法特性的權重分配參數調優建議常數k的選擇示例方法選擇指南總結完整的代碼示例：概述在信息檢索領域，混合檢索（HybridSearch）通過結合多種搜索算法的優勢，提供比單一算法更準確、更全面的搜索結果。倒數排名融合（ReciprocalRankFusion,RRF）是一種簡單而有效的混合檢索結果融合方法，特別...RRFRAG系統談談上下文工程（Context Engineering）
大模型發展這兩年，應用型AI的焦點一直在“提示工程”（promptengineering），但隨著更強大的大語言模型（LLM）走向多輪、長時間的自主行動，一個更關鍵的概念開始走到臺前：上下文工程（contextengineering）。與其把精力放在如何雕琢每一句提示，不如把問題聚焦到：怎樣構造和維持“最可能讓模型產生期望行為”的上下文？本文是參考??Claude??官網博客的總結，文章原文：https:www.anthropic.comengineeringeffectivecont...上下文工程LLM提示工程談談 `Claude Skills`
最近Claude在??github???上有一個比較火的項目：??https:github.comanthropicsskills???，項目是圍繞新概念??Skills??，我覺得實際上是：通過工程化結構來實現智能體，用一種工程范式來完成子功能，就像C++代碼中提出一種更好的設計模式來解決通用問題。?1.什么是???Skills?????Skills???是一組由說明文檔、腳本與資源組成的“技能包”，Claude會在需要時動態加載，用于提升在特定任務上的一致性與表...SkillsMCP???Agent???從“提示詞工人”到“技能裝配師”：Claude 的 Agent Skills 正在重塑智能體時代
原創 社區頭條 熱門內容榜 ? 最近上榜一、提示詞的盡頭，是“技能”過去幾年，我們在用大模型時總逃不開一個詞：提示詞（Prompt）。從寫文案、寫代碼，到自動生成SQL，每一次交互都靠手動輸入復雜指令。問題在于——每次都要重新教一遍模型。哪怕只是重復的業務場景，也要重新描述“你是誰”“要干什么”“按什么標準執行”。這就像每次開機都要重新教電腦怎么打開瀏覽器一樣。這時候，Anthropic帶來了一個顛覆性的新概念：AgentSkills（智能體技能）。一句話解釋：...提示詞工人技能裝配師ClaudeAgent Skills智能體Meta 再出狠招：REFRAG，讓 RAG 長上下文提速 31 倍，還能看 16 倍更多內容
原創過去兩年，大語言模型（LLM）逐漸成為知識工作流的“新大腦”。但凡接觸過RAG（檢索增強生成）的人，大概率都遇到過這樣的問題：文檔越長，推理速度越慢；知識庫一大，延遲直接爆炸。甚至有時候，模型還沒輸出第一個字，用戶耐心就已經消耗殆盡。為什么會這樣？根源在于長上下文的計算成本。注意力機制的復雜度隨著輸入長度是二次增長的——文本翻倍，算力就要漲四倍。對于企業級應用來說，這幾乎等于“不可用”。這一次，MetaS...MetaREFRAGRAG銀行業的 AI 轉型：從對話到行動，2025 年屬于數字勞動力
原創過去幾年，生成式AI席卷全球。聊天機器人會說話，智能助手能寫報告，金融機構也迅速上馬了一批GenAI試點項目。無論是客服FAQ、風控報告，還是文檔摘要，都能看到它的身影。但很快，銀行業發現了問題：生成式AI很會“說”，卻不會“做”。它可以回答KYC（客戶身份識別）的提問，卻沒法幫你驗證文件、上報合規部門、同步核心系統。換句話說，GenAI更像是“聰明的分析師”，但沒有決策權，也無法真正執行任務。于是，AgenticAI（行...銀行業生成式AIAgentic AI
