引言 AI Agent、Agentic AI、Agent架构和Agent工作流等概念如今备受关注，但它们究竟是什么？它们能做什么？新技术常常伴随着混乱的术语和炒作。本文将深入解析代理型AI的关键概念——代理工作流（Agentic Workflows）。 AI代理本身并无太多实际用途，只有通过赋予其角

💡为什么你在AI时代焦虑、内耗、不知道做什么？微软CTO Kevin Scott 的一句话，也许能让你顿悟： “模型和产品的真实关系。” 一、当我边跑步边听 Kevin Scott 早上我跑步时听了一场播客访谈，嘉宾是微软的 CTO，Kevin Scott。

最近 Claude 3.7 风头大盛，各路豪杰纷纷展示自己的使用效果，我也心动不已。 说实话，我的思想还是偏保守的，AI 编程发展这么久，我也就仅限于查查问题，查查资料。 看到别人分享的，使用 Claude 3.7 做的精美天气效果，

简介 本文基于Andrej Karpathy(OpenAI 联合创始人，曾担任特斯拉的人工智能和自动驾驶视觉主管)在Microsoft Build 2023上的演讲整理而成（完整的视频在文末，直接拖到文章底部），主要分为2大部分： 如何训练GPT(可以理解为AI Assistant) 如何使用GPT

前言 如何从头训练一个基座大模型？ 今天介绍一篇文章，其没有更多的理论依据，一切都是一些实践经验。Weights & Biases是一个强大的用于深度学习可视化的工具，可以实现对深度学习各项参数的可视化，本篇介绍的文章也是从这些大量的日志中总结的一些经验。 如果正在做基座大模型预训练的同学可以看看～

01. 强化学习及语言模型技术回顾 强化学习的核心是 exploration and exploitation 强化学习的前置内容是机器学习（Machine Learning）。上一波的 AI 浪潮主要讨论的是 ML，它是通过人标注、给定任务，通过 AI 去学习的过程，这类方式十分任务导向。比如，标

dify的强大在于其灵活性，主要体现在智能体和工作流上。它可以让一个没有编程

本人也在AI agent领域浮沉了一段时间了，落地过几个Agent架构的产品，对Agent的认识逐渐清晰具象。当首次看到Google的Agent白皮书时（https://www.kaggle.com/whitepaper-agents），不觉间竟坐在咖啡厅里一口气读完了。期间不断赞叹你歌还是你歌，清

Claude 3.7 Sonnet 的核心优势在于其独特的双重模式。它既是一个普通的大型语言模型，也是一个强大的推理模型。用户可以根据需求选择模型是快速给出答案，还是经过深思熟虑后再作回应。在标准模式下，Claude 3.7 Sonnet 是 Claude 3.5 Sonnet 的升级版，表现更为出

1. 前言 作为一名从业13年的产品经理，最近听到很多产品经理朋友都喜提了n+1裁员大礼包。上周与老友聚会时，大家纷纷诉说着各自最近的遭遇，聚会气氛一度十分沉重。老Z感叹：“公司决定将部分业务外包，结果我被列入了裁员名单。”老L则无奈道：“市场竞争激烈，项目减少，团队预算被削减，前几天我也被裁掉了。