从零开始构建 AI Agent：核心概念与架构浅析
本文带你理解 AI Agent 的核心组成——感知、推理、行动循环，并梳理主流 Agent 架构的设计思路与适用场景。
Agent框架
探讨各类 AI Agent 框架的设计思想、核心概念与架构对比，帮助理解 Agent 的工作原理。
相关文章
深入理解 Function Calling：让 LLM 具备调用外部工具的能力
Function Calling 是实现 Agent 自主行动的关键机制。本文讲解原理，并给出 OpenAI 与开源模型的调用对比。
多 Agent 协作模式解析：规划、编排与通信
当多个 Agent 协同工作时，如何进行任务规划与结果聚合？本文分析几种常见的多 Agent 协作架构。
Prompt 工程在 Agent 中的高级应用：角色设定与思维链
如何通过精心设计的 Prompt 让 Agent 表现出更强的推理能力？详解角色提示与思维链技术的实际用法。
ReAct 模式详解：推理与行动的结合
ReAct（Reasoning + Acting）是 Agent 设计的经典范式。本文深入剖析其工作原理，并通过示例展示实现方式。
开源 Agent 框架对比：AutoGPT、CrewAI 与 Hermes
横向对比当前主流的开源 Agent 框架，从架构设计、扩展性、易用性等维度分析各自的优劣势。