从LLM自主探索到LangGraph流程驱动：深度研究的两种范式
1. 什么是Deep Research？为什么它值得关注Deep Research是一种面向“深度研究”任务的新型AI Agent能力。它不再只是被动地回答提问，而是具备主动探索、综合整合信息、产出可信且可追溯答案的“研究员式”智能。 简而言之：它让AI真正参与“调研”而非“聊天”。 下图展示了ChatGPT与Grok所提供的深度研究功能界面： ChatGPT运行深度思考 Grok DeepSearch 2. Gemini+LangGraph：一个全流程深度研究的范例gemini-fullstack-langgraph-quickstart是Google Gemini官方推出的开源示例，展示了如何基于 LangGraph+Gemini API构建一个具备“多轮推理”能力的AI Agen..
更多
深入了解 Redis 的 Pub / Sub
看到一篇深入讲解 Redis 中 Pub / Sub 的文章 Redis Pub/Sub In-Depth，所以打算将它翻译出来，顺便深化自己的理解。 Pub/Sub（即 publish/subscribe 的简称）是一个在分布式系统中给不同组件互相通信的一种消息传递技术。这种消息传递技术与传统的点对点通信（即一个服务直接向另一个服务发送消息）不同，它是一种异步且可伸缩的消息服务，并且它可以将负责发布消息的服务与负责处理消息的服务分隔开。 在这篇博客中，我们会探索 Pub/Sub 的原理，以及 Redis 是如何实现这个通信模型的。我们会分析 Redis 中错综复杂的实现，将目光聚焦并深入到内存级别的实现的细节上，来让我们完全理解 Pub/Sub 机制，以及通过 Redis 完成的项目实践。 Pub ..
更多
使用langgraph打造AI服务编排
LangGraph是什么？LangGraph是LangChain团队推出的流程编排工具，它基于状态机的思想，结合LangChain的Agent与Tool架构，允许我们以图的形式组织多个AI组件、服务调用、条件判断与上下文流转。 为什么只是给大模型Tools还不够？我们真正需要的是“编排”在大模型Agent系统中，一些入门教程或框架（包括LangChain早期版本）会鼓励用户把各种工具注册给模型，然后说： “你可以调用这些tools，自己决定该怎么完成任务。” 这听起来像是Agent的“智能体现”，但实际上它把复杂性全推给了语言模型本身，代价非常高。 低参数量模型在自主决策上效果不好。 流程逻辑是隐式的，决策都放到了prompt和模型权重中，而我们需要的是可靠、可复现、可维护的系统。从完全黑盒变成工程..
更多