Dify 深度实践:从 RAG 到 Agent 工作流的全流程低代码平台
Dify (145k Stars, $30M Pre-A) 是开源 LLM 应用开发平台的标杆。从 Docker 部署、RAG 管线、Agent 编排到 MCP 集成,本文带你全流程上手。
Dify (145k Stars, $30M Pre-A) 是开源 LLM 应用开发平台的标杆。从 Docker 部署、RAG 管线、Agent 编排到 MCP 集成,本文带你全流程上手。
传统向量 RAG 只能找到"相似的块"。GraphRAG 提取实体关系构建知识图谱,让 Agent 理解"谁、在哪、什么时候、和什么有关"。对比 Microsoft GraphRAG 和 LightRAG 两条技术路线。
语音 Agent 是下一个爆发点。LiveKit(11k Stars, 支撑 ChatGPT 高级语音)提供完整框架,本文从 pipeline 拆解到生产部署,手把手搭建可商用的语音 Agent。
从 CLI、VS Code 扩展到 Kanban 多 Agent 看板,系统讲解 Cline 三大部署形态与 MCP 集成实践,打造人机协作的 AI 编码工作流。
基于 LiteLLM 官方文档与 51k Star 仓库,深入讲解 Virtual Key、Proxy Guardrails、复杂路由和数据库成本治理,把团队 LLM 调用从"散装"升级为可审计平台。
基于 OpenManus 官方仓库实际代码,解读其简洁架构、工具层、浏览器自动化与 MCP 扩展方式,并给出本地部署与竞品对比。
利用 Ray 的分布式运行时能力,讲解如何将单机 Agent 原型扩展为可水平缩放的集群部署方案。
五款主流沙箱技术横评,给出 E2B / Modal / Firecracker / gVisor / Kata 的延迟、安全、运维成本对比。
五层防御 + 红队闭环,5 个开源项目落地可复制方案,避开 prompt 越狱与 PII 泄露。
拆解五个开源 Deep Research 项目的迭代检索、事实验证、报告生成三大子阶段,附可复制的 query 改造代码。
四款主流 LLM 网关横评,多模型 fallback / 智能路由 / 成本观测 / 场景调度四大模式落地。
大多数团队靠"看起来对了"来判断 Agent 质量。真正的评估需要三层指标、不腐烂的数据集、以及不会什么都同意的评判器。本文给出可运行的代码和可落地的决策框架。
多数 Agent 工作流并非败在模型能力,而是败在编排层。对比 DAG、状态机、可视化构建器三种编排范式,给出可复制的生产级错误处理、人工审批和条件分支代码。
从 CLI-first、IDE-集成到完全自主三种架构出发,对比七款主流编程 Agent 的上下文管理、工具访问和自主度,帮你为每个开发场景选对工具。
从裸 Playwright 到结构化提取,拆解三层浏览器自动化抽象的适用场景、生产模式和常见踩坑。
深入解析 Agent 记忆的四层架构,结合向量检索和记忆压缩的实战代码,帮你构建可扩展的 Agent 长期记忆系统。
系统讲解 Agent 可观测性的三大支柱——链路追踪、指标监控和自动评估,帮你构建生产级 Agent 监控体系。
系统梳理 AI Agent 面临的三大攻击面,结合实战代码讲解提示注入防御、工具权限隔离和输出过滤的纵深防御策略。
对比容器、WebAssembly、进程级隔离三种沙箱方案,结合实战代码讲解如何安全执行 Agent 生成的代码。
从零构建生产级 MCP Server,涵盖工具定义、鉴权设计、流式响应和测试策略,帮你把任何 API 变成 Agent 可用的工具。
从协议模型、服务端设计到权限隔离,系统讲解如何用 MCP 为 AI Agent 构建稳定的工具接入层。
结合真实落地经验,介绍如何用 Langfuse 搭建 Agent 追踪、评估与成本分析闭环。
聚焦结构化输出、工具调用和错误恢复,介绍 PydanticAI 在生产环境中的实用设计模式。
详解 browser-use 在网页任务自动化中的优势与限制,并给出稳定执行和失败恢复策略。
深入介绍 MetaGPT 如何通过角色扮演实现软件开发全流程自动化,包括产品经理、架构师、工程师等角色协作的实践指南。
学习如何使用 Ragas 和 DeepEval 评估 RAG 系统的质量,包括忠实度、答案相关性、上下文精确度等关键指标的测量方法。
深入学习如何使用 Letta(原 MemGPT)构建具有长期记忆的有状态 AI Agent,解决 LLM 的上下文窗口限制问题。
深入对比 LangChain、LangGraph、CrewAI、AutoGen 等主流 AI Agent 框架,帮助你选择最适合的开发工具。
手把手教你从零开始构建一个完整的 AI Agent,涵盖环境配置、核心组件开发、工具集成等完整流程。
深入探讨多智能体(Multi-Agent)系统的设计原则、架构模式和最佳实践,帮助你构建高效的协作系统。
深入解析检索增强生成(RAG)技术,教你如何为 AI Agent 构建私有知识库,提升回答的准确性和可靠性。