AI 原生架构设计
AI 原生应用的架构设计：模型网关与统一接入、多模型路由与降级、RAG 与向量检索的服务化、Agent 编排与工具调用的可靠性保障，以及推理成本归因、TPM 配额限流与两层缓存优化的完整方案，并附常见踩坑清单，帮助团队把概率性的模型调用纳入确定性的工程治理。
tag
Agent
共 13 篇文章。
多智能体编排与工作流引擎
多智能体不是把多个 Agent 拼起来就完事，编排结构决定了系统的可控性、成本与可调试性。本文对比单体 Agent 与多 Agent 的取舍，拆解 ReAct、Plan-Execute、Reflexion 三种范式，深入 LangGraph 的状态、检查点与图式编排，给出子 Agent 委派、共享记忆、失败重试、人机协同与成本控制的工程方案，附可运行的状态图代码。
Agent 服务的可观测性与链路追踪
本文解决 Agent 上线后黑盒不可诊断的问题：讲清 Agent 与单次 LLM 调用在多步循环、工具调用上的可观测差异，给出 OpenTelemetry GenAI 语义约定的 span 层级与属性清单，并落地 Langfuse 与 OpenLLMetry 接入代码。文中给出每会话步数、工具成功率、P95 延迟等指标口径与阈值，并列出把 span 打爆、敏感内容入库、异步丢 trace 等坑。
GraphQL 与 LLM/Agent 集成：工具调用、结构化输出与 MCP 对比
GraphQL 与 LLM/Agent 集成深度：Function Calling 工具定义、结构化输出、Schema 作为工具契约、GraphQL MCP Server 与 MCP 协议对比，帮助 AI 应用安全高效地调用数据层。
AI 智能体与可观测性：MCP 工具接入与智能排障
深度讲解 AI 智能体如何通过 MCP 协议接入可观测性数据：智能体需要什么观测数据、MCP 工具与 schema 定义、让 Agent 查询指标/日志/trace（PromQL 沙箱/日志检索/trace 分析）、结构化工具响应与置信度、权限与安全边界（只读/范围/审计）、从辅助排障到自动修复的落地路线。
MCP 与 LLM Agent 编排模式：多 Agent 协作、工具路由与状态传递
系统讲解基于 MCP 的 LLM Agent 编排：多 Agent 协作模式（编排者-工作子、流水线、群聊）、工具选择与路由策略、并行/串行与循环执行、跨步骤状态传递（上下文 + 结果缓存）、编排反模式，以及多 MCP 服务器的资源调度与失败恢复。
Lua 与 AI/LLM：Agent 脚本、NPC 智能与动态内容
探索 Lua 在 AI 时代的角色：Lua 作为 Agent 脚本语言与 LLM 调用封装、基于协程的多步工作流编排、游戏 NPC 行为树与 LLM 驱动动态内容生成，以及成本、延迟与安全的工程实践。
MCP 与 Agent 框架集成：工具调用编排实战
MCP 只是定义了工具的统一接口，真正让模型学会「什么时候调、调完怎么继续」的是 Agent 框架。本文详解 MCP 与 ReAct / Function Calling 的结合方式，LangChain 与 LlamaIndex 适配层实现，工具选择置信度、多步调用状态管理以及 Claude / OpenAI 的集成实践。
Agent 记忆系统实战：从上下文窗口到长期记忆的持久化架构
LLM 本身没有记忆——每次调用都从空白上下文开始。但真实的智能应用需要跨会话记住用户偏好、任务进度与历史事实。Agent 记忆系统正是为了解决"上下文是易失的、知识是永恒的"这一矛盾而生的工程领域。本指南从记忆的类型学出发，系统覆盖短期工作记忆、长期语义记忆、情景记忆与程序性记 …
13. 大语言模型应用开发
大语言模型 LLM 应用开发：Prompt Engineering、RAG 检索增强生成、Fine-tuning 微调、Function Calling 与 AI Agent 架构设计
Vercel AI SDK 指南：构建 AI Chat、Agent 与 RAG 应用
以 Vercel AI SDK 为核心，讲解如何在 Vercel 平台上构建完整的 AI 应用：AI SDK Core 与 UI 模块、流式响应聊天界面、工具调用与 Agent 工作流、RAG 向量检索、配合 Edge Functions 实现低延迟 AI 推理。含完整代码示例与 v0 协同开发。
Clojure 并发设计模式：STM、core.async 与 Agent 实战
深入 Clojure 并发编程三大支柱：STM 软件事务内存（ref/dosync/alter/commute）的一致性保证、core.async CSP 通道与 go-block 的异步编排、Agent 的异步队列更新模型，附生产者-消费者模式、管道流水线、背压控制与超时策略等完整实战案例。
Go 与 AI：构建智能应用
深入探索如何用 Go 构建 AI 驱动的应用程序。从调用 OpenAI/Claude API、流式响应处理、Function Calling，到向量嵌入、RAG 实现、AI Agent 构建，全面覆盖 Go 与 AI 结合的最佳实践。