![[实战] 想让 Agent 真的“记住”你？先把记忆模式设计好](/media/storage/sites/1/remotedown/remote-nndnsot7.jpg)
AI教程[实战] 想让 Agent 真的“记住”你？先把记忆模式设计好
深入拆解如何用模式设计，把 Agent 记忆从“向量黑盒”升级为可多跳推理、可审计的生产级系统。
#大模型应用
按标签聚合查看文章内容。
AI教程
AI教程智能体框架的构成解析：从“模型好不好用”到“框架搭得对不对”
深入拆解Anthropic、OpenAI、Perplexity和LangChain等在生产环境中真正构建的智能体框架，11个核心组件、7个关键架构决策，以及为什么同一个模型在不同框架下表现可以差出一个数量级。
AI教程我们如何用后端上下文工程，把 Claude Code 的令牌砍掉 2.8 倍
同样是用 Claude Code 搭建 DocuRAG，换一套“后端上下文工程”思路，令牌从 1040 万直接降到 370 万，成本差了 3 倍不止。关键不在模型，而在你怎么把后端状态、文档和错误暴露给代理。
AI教程DeepSeek 上 Amazon Bedrock 全指南：模型、价格、API 与实战配置
DeepSeek 已正式登陆 Amazon Bedrock，支持 V3.2、V3.1 与 R1 等多款模型，通过 Invoke、Converse 与 Chat Completions 等接口即可在 AWS 环境中安全调用。本文用实战视角拆解可用模型、API 兼容性、价格测算、安全与 Guardrails 配置，并给出 Python、OpenAI SDK 与 AWS CLI 的完整示例，帮助团队快速在 AWS 体系内落地 DeepSeek。
AI教程Agent Harness 的解剖：从无状态大模型到真正智能体
深入拆解 Anthropic、OpenAI、Perplexity、LangChain 等在构建的“Agent Harness”：它如何通过编排循环、工具、记忆、上下文管理等基础设施，把一个无状态的大模型变成可用的智能体。