津云
2026-03-14
阅读: 5
针对AI Agent原生联网能力的局限，文章梳理了一套涵盖搜索、阅读、浏览器及采集的四层工具图谱。通过整合Tavily、Playwright、Apify等MCP生态工具，实现了Agent从基础检索到复杂动态交互与大规模数据采集的全面能力升级。
要点:
- 原生工具存在JS渲染与登录墙等局限
- Tavily与Perplexity作为搜索层进阶方案
- Agent-Reach与x-reader打通全平台阅读壁垒
- Playwright与Chrome DevTools解决动态交互难题
- Apify提供工业级结构化数据采集方案
津云
2026-03-14
阅读: 5
文章针对新手学习 AI Agent 的痛点，推荐了 6 个优质 GitHub 项目，涵盖底层范式解析、海量案例复现及企业级实战，并规划了一条从原理到落地的具体学习路线。
要点:
- 推荐 Hello-Agents 项目从原生 API 吃透底层范式
- 利用 500+ 案例库快速了解行业落地应用场景
- 提供多流派实战教程，覆盖 Notebook 到企业级开发
- 建议学习路径：先懂范式，再复现案例，后做项目
长沙
2026-03-10
阅读: 4
文章介绍了OpenViking作为OpenClaw的“外挂记忆体”，通过虚拟文件系统范式解决Agent长期记忆遗忘、检索低效及成本高昂等问题。实验表明，集成后任务完成率提升超40%，输入Token成本降低最高达96%。
要点:
- OpenClaw面临长程记忆遗忘与成本激增痛点
- OpenViking首创虚拟文件系统管理Agent上下文
- 集成后任务完成率相比原生提升49%
- Token成本相比LanceDB方案降低最高96%
- 具备技能经验沉淀能力，避免重复犯错
卿羽飞
2026-03-03
阅读: 6
本文探讨了RAG与Agent的深度融合，分析了Agent需要RAG来解决长期记忆、领域知识和情景记忆等需求，介绍了Agentic RAG的主动检索机制，并提出了生产级Agent记忆系统的三层架构设计。
要点:
- Agent面临三类记忆需求
- Agentic RAG实现主动迭代检索
- 记忆系统分为三层架构
- 实战代码展示记忆系统构建
中国网湖北
2026-03-03
阅读: 6
本文是AI Agent系列教程的第五篇，重点讲解AI Agent的记忆机制及其重要性。文章介绍了记忆的分类（短期记忆和长期记忆），并通过代码示例展示了短期记忆的实现方法，包括基础对话历史和LangChain内置记忆组件的使用。
要点:
- AI Agent需要记忆以支持多轮对话
- 记忆分为短期记忆和长期记忆
- 短期记忆存储对话历史和上下文
- 长期记忆使用向量数据库和知识库
- 提供了LangChain记忆组件的代码示例
新民晚报
2026-03-03
阅读: 11
本文是AI Agent系列教程的第一篇，系统介绍了AI Agent的核心概念、与传统LLM的区别、四大核心组件（记忆、工具、规划、行动）、工作原理、主流框架对比以及典型应用场景。文章旨在为零基础开发者提供全面的入门指导。
要点:
- AI Agent能自主感知、决策与执行
- 与传统LLM相比，AI Agent具备主动规划能力
- 核心组件包括记忆、工具、规划与行动
- 主流框架有LangChain、AutoGen等
- 应用场景涵盖个人助手、数据分析等