lanzeou-大赛人网-第78页
lanzeou的头像-大赛人网
lanzeou管理员超级版主
这家伙很懒,什么都没有写...
5.3 Node-style hooks函数用法-大赛人网

5.3 Node-style hooks函数用法

支持两种用法 装饰器是函数式挂载,把一个hook快速挂载到Agent的某个节点。 类写法是对象化中间件,把中间件封装为一个可配置、可复用、可扩展的组件。 5.3.1 基本用法 基于装饰器实现 观察Huma...
模型解耦:设计自己的 LLM Provider-大赛人网

模型解耦:设计自己的 LLM Provider

前面三节,我们已经把 Agent 最基础的运行骨架搭起来了。 先是知道 Agent 和 Workflow 的区别,然后手写 Main Loop,再把 goal、messages、step、tool_history、status 这些信息收进 ...
2.3.3 接入 DeepSeek 的完整步骤-大赛人网

2.3.3 接入 DeepSeek 的完整步骤

Claude 系列模型受限、GLM 套餐难抢时,DeepSeek 是一个值得考虑的国内直连方案。 DeepSeek 是国内极具性价比的 AI 模型,代码能力强。官方为 Claude Code 专门提供了 Anthropic 兼容端点,不需...
2.7. 列表的循环遍历-大赛人网

2.7. 列表的循环遍历

所谓遍历,就是将列表的每个元素依次取出进行处理,代码如下: # 定义一个成绩列表 score_list = [62, 50, 60, 48, 80, 20, 95] # 使用while循环遍历列表 index = 0 while index < len(s...
案例分析二:Data Analysis Agent 被另一个后端服务调用,为什么 run_id 从第一版接口就值得保留?-大赛人网

案例分析二:Data Analysis Agent 被另一个后端服务调用,为什么 run_id 从第一版接口就值得保留?

这一节里 run_id 看起来只是多返回了一个字段,但它背后其实对应的是一个非常重要的分离:会话连续性和单次执行生命周期,不应该混为一谈。先配合下面这张图理解一下,会更顺。 如图能一眼看...
7.2 参数初始化和正则化-大赛人网

7.2 参数初始化和正则化

7.2.1 全连接层(nn.Linear) 在神经网络中,参数主要位于全连接层(仿射层Affine)中。 PyTorch提供了torch.nn模块,专门用于神经网络的构建和训练。其中全连接层被实现为Linear类,内部有两个...
小节五:SubAgent 与 DAG 到底有什么区别——不要只看“有几个节点”,要看控制权-大赛人网

小节五:SubAgent 与 DAG 到底有什么区别——不要只看“有几个节点”,要看控制权

现在我们正式回答本章最重点的问题。 SubAgent 与 DAG 到底有什么区别? 先说结论: SubAgent 是执行单元,DAG 是控制结构。 它们甚至可以一起使用。 DAG 是什么? DAG 关注: 节点 依赖 顺序 ...
4.2.2 一元线性回归解析解-大赛人网

4.2.2 一元线性回归解析解

# 自变量,每周学习时长 X = [[5], [8], [10], [12], [15], [3], [7], [9], [14], [6]] # 因变量,数学考试成绩 y = [55, 65, 70, 75, 85, 50...
小节一:Context Compaction 到底压缩什么——先区分“历史细节”和“当前决策所需信息”-大赛人网

小节一:Context Compaction 到底压缩什么——先区分“历史细节”和“当前决策所需信息”

Context Compaction 最容易犯的第一个错误,就是把所有内容一视同仁。 但实际上,Context 里的不同信息生命周期完全不同。 第一类:绝对不能因为历史太长就随便删掉的内容 这类通常包括: Syste...
8.3. 字典的增删改查-大赛人网

8.3. 字典的增删改查

1️⃣新增 新增语法:字典[key] = 值 # 新增 d1 = {'张三': 72, '李四': 60, '王五': 85} d1['赵六'] = 100 print(d1) 2️⃣删除 # 删除 d1 = {'张三': 72, '李四': 60, '王五': 85} # 删除...