AI 写代码还不够!Harness Engineering,才是智能体真正落地的关键
模型越来越强,AI 编程为什么仍会翻车?答案可能藏在 Harness 工程里。
AI 与大模型:模型能力评测、本地部署、多模态应用与行业观察。
模型越来越强,AI 编程为什么仍会翻车?答案可能藏在 Harness 工程里。
智能体(Agent)到底是什么?从一段提示词到多智能体商用,讲清简单、中等、复杂智能体的演进与制作逻辑。
这篇文章断断续续,拖拉了一个多月才成稿。刚开始写的时候,谷歌Nano Banana刚上线,现在估计小孩子都知道了。
当今世界,大模型哪家强?我认为现在是群雄逐鹿的时候,虽然编程等一些垂直领域,Claude-4稳坐第一把交椅,但是最后三分天下有其一的,未必就是它。
今天跟大家分享一下,我是如何用知识库,搭建一个能够给我提供智能体编排建议的Agent的。全部操作都在Coze上完成。
我最近把市面上的可视化编程软件都体验了一番,什么豆包的AI编程、扣子空间的网站开发专家、美团的NoCode、百度的秒哒、Poe的AppCreator,整体来说,各有各的优点,也都也明显的不足。
这两天前前后后把火山引擎原动力大会的直播回放整理了一下,感觉信息量还是非常大的。先谈谈最感兴趣的地方——智能硬件。
今年的新词特别多,AI编程这个叫法都out了,fashion 的说法是vibe coding(氛围编程)。
周末的时候,刷短视频看晓辉博士聊参加新加坡的一个AI国际会议的收获,同时提到了Agent和Web3,顿时让我来了兴趣和灵感。
今天看了火山引擎Data Agent相关的直播,觉得受益匪浅,特别是第一个项目负责人海书山的发言,适合多次回味,大厂的同志对智能体的认知,就是有深度,不得不服。
做智能体最难的事情,并不是如何怎么学会做智能体,工具的学习往往是简单的,如何找到智能体真正有用的应用场景和业务需求才是核心能力。
做智能体最难的事情,并不是如何怎么学会做智能体,而是如何找到智能体真正有用的应用场景和业务需求。基于垂直行业或者岗位的相关智能体,只属于精通业务的人。
最近刷到最多的AI相关文章,就是一路好评的DeepWiki了!手痒难耐的我,也早早就上手体验了一下。
今天我们聊一聊使用大模型进行数据分析。AI数据分析作为大模型应用的刚需,在各大平台上的表现却大相径庭。
在前几天的文章《论MCP Server与工作流在智能体开发场景中的作用和区别》,我提到了一个观点,MCP和工作流的关系将是你中有我,我中有你。
今天集中精力,花2个多小时把Dify Sandbox官方源码研究了一下,终于理清了Sandbox 执行代码的逻辑,顺便实现了在不修改官方dify-sandbox docker镜像,用户上传文件后路径的获取和对Excel文件的数据处理。
今天讨论的是个很无聊的话题—意义,但是却困扰我很长时间,下面我把最近关于智能体开发中工作流、Mcpserver的一些思考分享给大家。
我们都知道智能体开发的平台非常多,Dify是开源的智能体开发平台中用户比较多的一款。但是跟Coze平台相比,很多想使用Dify的用户,第一个难关就是Dify的本地部署。
在上一节《什么是简单、中等、复杂的智能体》一文中,通过对智能体组成的解构,相必大家对智能体已经有了一个比较粗浅的认知。
前几天《人人都会做智能体》社区的成员提问,OA请假可以用智能体实现吗?
今天我又手痒了,看到一条消息,谷歌直接把Gemma3全家桶都开源了!在巴黎开发者日上,开源Gemma系模型正式迭代到第三代,原生支持多模态,128k上下文。
前几天写的文章《Trae + Dify 10分钟构建 Data McpServer 与 Agent ,和 Excel 说再见!
这两天AI产品的频繁出圈,都把大家整焦虑了,我朋友圈有同学宣布一个月不看AI新闻,闭关了。为啥,都是Manus闹的。
今天手痒痒,想折腾一下本地部署了,主要是通义千问 QwQ-32B对我太有吸引力了。只有 320 亿参数,性能确可与具备 6710 亿参数的 DeepSeek-R1 媲美。
今天手把手教大家使用AI编程工具+Dify构建一个能根据大模型对话处理Excel的智能体。当然,全程下来10分钟是不可能的,代码确实是Trae 几分钟就生成的,但是我调Bug就花了2个小时啊!
今天我摊牌了,我以前的文章都是让 AI 写的!当然,这篇文章是纯手敲的 !独乐乐不如众乐乐,我觉得将自己编写文章的智能体及其使用的工具方法无偿分享给大家。
为什么写这篇文章,因为见过太多人,在复制大模型回答的时候,连格式都没有调一下,而是直接就用了。每次看到下图这样的格式,出现在正式的文件或者报告中,竟有点忍俊不禁。
如果把大模型比作「大脑」,那 AI Agent 就像个装满工具的万能背包:订外卖、查天气、写周报…每个技能都对应一个功能模块(function)。
想象一下,如果普通AI是一个只会机械执行指令的机器人,那么采用ReAct策略的智能体就像是一个会先思考后行动的侦探。