长路的AI领域技术博客汇总文档

AI领域 8 次阅读 12660 字 约 63 分钟

coverImg

文章目录

我的Agent开源项目

基础设施 & skill类目

openreach（面向 AI Agent 的开源 Web 访问基础设施）

文章链接 文章内容
我开源了 OpenReach：给 AI Agent 补上一层免费的 Web 访问基础设施 本文介绍开源项目 OpenReach，面向 AI Agent 提供 Web Search、Image Search、Read 等免费可自部署的网页访问基础设施，支持多 Provider 自动降级，帮助 Agent 稳定获取最新网页信息并降低厂商绑定。

AgentForge（Agent框架，模型协议层->Agent）

1）统一模型协议层

ChatModel

文章链接 文章内容
统一ChatModel协议层01、ChatModel 核心协议层设计：统一 API 契约封装与多协议扩展实现 基于 AgentForge 开源项目，讲解如何用一套 Provider-neutral 的 ChatModel 协议层统一封装请求与响应，涵盖 ChatModel、ChatRequest、ChatResponse、HttpTransport 等核心契约，并给出多协议扩展与工具调用落地要点。
统一ChatModel协议层02、Function Calling 工具调用转换与执行扩展实现：Tool 契约 + ToolService 执行循环 讲解 Function Calling 工具调用层的设计：从 @Tool 方法声明到工具规范转换，再到 ToolService 推理-执行循环、参数自动合并与错误处理，并用真实 curl 演练 OpenAI 与 Anthropic 的工具调用闭环。

OpenAI协议

文章链接 文章内容
OpenAI协议01、OpenAI底层协议快速理解 快速拆解 OpenAI Chat Completions 底层协议：messages 请求体、chat.completion 响应、finish_reason、SSE 流式增量及 function calling 的 tool_calls 细节，并用 curl 演练两轮工具调用。
OpenAI协议02、AgentForge 适配OpenAI接入核心实践 记录 AgentForge 适配 OpenAI 的接入实践：基于统一 ChatModel 协议，讲解 Headers、消息、参数、响应与 finish_reason 的映射规则，并覆盖流式实现、OpenAI-compatible 服务与错误处理。

Anthropic协议

文章链接 文章内容
Anthropic协议01、Anthropic底层协议快速理解 快速拆解 Anthropic Messages API 的底层 wire 协议：system 顶层字段、content block 消息结构、SSE 流式事件，以及 tool_use / tool_result 工具调用细节，并用 curl 演练两轮工具调用。
Anthropic协议02、AgentForge 适配Anthropic接入核心实践 记录 AgentForge 适配 Anthropic 的接入实践：基于统一 ChatModel 协议，讲解 Headers、SystemMessage、User/AI 消息、工具调用、参数与 stop_reason 的映射规则，以及流式实现与错误处理。

2）通用ReAct Agent层

Function Calling 核心扩展业务 Tool

MCP协议

文章链接 文章内容
MCP 协议详解：历史演进、协议设计与 Client/Server 底层原理 系统讲解 MCP（模型上下文协议）的历史演进与底层原理：从 M×N 集成难题与 LSP 类比讲起，展开 JSON-RPC 消息模型、Host/Client/Server 三角色、能力协商、传输与生命周期设计，并给出 Java 快速搭建与对接 Agent 的完整流程。
MCP 框架调研与 AgentForge 接入实现 对比 MCP 主流 Java 框架（LangChain4j、Spring AI、AgentScope）的协议实现路线，剖析 AgentForge「核心自研协议栈 + 官方 SDK 可选桥接」的选型依据，并给出 stdio/HTTP 双传输接入与 ToolExecutor 映射的落地实践。

Local工具（Java代码转换）

文章链接 文章内容
AgentForge Local 工具模块核心设计原理 讲解 AgentForge Local 工具模块的核心设计：通过 @Tool / @P 注解与反射把普通 Java 方法自动扫描为 ToolSpecification，并完成 JSON 参数到方法入参的类型转换与反射调用。

HTTP工具（REST接口适配）

文章链接 文章内容
AgentForge HTTP 工具模块核心设计原理 讲解 AgentForge HTTP 工具模块的核心设计：把一组 REST 接口声明式映射为 ToolSpecification 与 ToolExecutor，涵盖参数四维模型、请求体智能判断、重试容错与 curl 解析互转。

3）Harness Agent层

Agent应用

AI后端技术博客体系学习

0）AI理论基础篇

MCP服务

skill技能

1）AI大模型层

本地化部署

LM Studio

文章链接 文章内容
LM Studio 本地部署大模型 详解如何在Mac（M1/M2/M3/M4）用LM Studio零配置本地运行Llama、DeepSeek、Qwen等开源大模型，支持MLX极速格式与OpenAI兼容API，16GB内存即可流畅体验，全程离线保护隐私。
部署模型平台选型指南：LM Studio vs Xinference 对比LM Studio与Xinference在大模型商业部署中的许可证、性能与扩展性差异，指出LM Studio因禁止大规模商用及缺乏生产级功能而不适合商业场景，Xinference凭借Apache 2.0协议与分布式架构成为企业安全高效部署开源大模型的首选，同时提醒务必审查模型许可证以确保合规。

VLLM

文章链接 文章内容
快速了解VLLM推理引擎 本文详细解释了Xinference作为模型部署平台与vLLM高性能推理引擎的关系。Xinference支持多种推理引擎（包括vLLM、SGLang、llama.cpp），通过统一的OpenAI兼容API提供灵活的模型服务。文章介绍了Xinference的工作原理、引擎选择策略及实际使用方法，并提供了完整的API测试命令和响应示例，帮助开发者在不同场景下选择最优推理方案。

LocalAI

文章链接 文章内容
LocalAI快速本地部署大模型 LocalAI是一款开源AI框架，可在本地电脑部署运行各类AI模型。文章介绍了其核心特点：隐私安全、成本效益、离线运行、兼容OpenAI接口、低硬件要求及多模型支持。详细说明了快速一键部署、Docker部署及Mac电脑部署方式，并提供了CPU机器全流程部署教程，帮助用户在消费级硬件上轻松运行大模型。

2）AI应用层框架（脚手架）

向量数据库

Milvus

文章链接 文章内容
Milvus向量库Java对接使用指南 系统梳理Milvus向量数据库的核心概念与实战技巧，涵盖Collection Schema设计、索引类型选型、内存估算、过滤/分组/混合搜索调优及MilvusClientV2升级注意事项，助力高召回低延迟的向量检索落地。
快速本地部署搭建milvus向量数据库 本文详细介绍了Milvus向量数据库的完整部署流程，包括Docker镜像代理配置、docker-compose.yml文件下载、密码设置、服务启动及可视化工具Attu的安装使用。文章提供了具体的配置步骤和命令，涵盖了Web UI访问、数据管理操作以及查询表达式编写，帮助开发者快速搭建和管理向量数据库环境。
Milvus系列之01、Spring boot快速集成Milvus 本文详细介绍了如何在SpringBoot项目中快速集成Milvus向量数据库，实现RAG（检索增强生成）应用。内容涵盖Milvus集合加载、Schema定义、向量索引配置及完整的CRUD操作实现，提供了从基础搭建到实战应用的完整技术方案。
Milvus系列之02、Spring+Milvus实现RAG检索增强 本文详细介绍了企业知识库构建中的关键步骤：使用Apache Tika解析多格式文档，通过HanLP和LangChain4j实现智能文本分片，最终将分割后的文本向量化存储到Milvus向量数据库。同时介绍了Spring AI的Advisors API在RAG（检索增强生成）中的应用，实现大模型与向量数据库的无缝集成。

ai框架

langchain4j（Java实现）

文章链接 文章内容
01、LangChain4j 系统化知识学习笔记（接入模型、AiService、持久化记忆、增强RAG） LangChain4j简化大语言模型与Java集成，支持多种大模型，提供便捷API，助力智能应用开发。
02、Langchain4j tools原理与核心实践（含自定义http插件） 本文详解LangChain4j中Function Calling的四种实现方式：注解快速集成、手动注册Tools、自定义ToolSpecification及HTTP插件扩展。涵盖Spring Boot整合、源码原理剖析与Serper搜索插件实战，提供完整代码示例与前端对接方案，助力开发者构建具备工具调用能力的AI智能体。
03、LangChain4j的stream流式tool前后机制调用 深入解析LangChain4j流式调用场景下的Tool工具调用机制，涵盖AiServiceStreamingResponseHandler执行逻辑、同步/异步执行模式、beforeToolExecutionHandler与toolExecutionHandler前后钩子处理流程及Handler初始化机制。
04、LangChain4j快速对接VL视觉理解模型 本文详细介绍了如何使用LangChain4j框架对接阿里云qwen3-vl-plus视觉理解模型，支持图片URL和本地文件两种多模态交互方式，包含完整的Java代码示例与iflow平台免费模型调用实践。
05、LangChain4j快速对接生图模型（百炼平台、智谱） 本文详细介绍了Java开发者如何使用LangChain4j框架对接国内主流AI生图模型，包括阿里云百炼通义万相和智谱GLM的SDK集成、API调用实战及开源协议对接方案，提供完整的代码示例与免费额度使用指南。

Spring AI（Java框架）

文章链接 文章内容
SpringAI快速搭建mcp sse client & server服务 本文详细介绍了基于Spring AI的MCP（Model Context Protocol）SSE Server服务构建方案，重点介绍了如何快速搭建基于WebFlux的MCP Server与Client服务。详细展示了Tools工具实现、配置文件设置、以及完整的链路追踪验证过程，为Java AI Agent系统提供了MCP协议集成的完整技术方案。

Spring Ai alibaba（Java框架）

jmanus：

文章链接 文章内容
spring ai alibaba-jmanus 智能体动态问答全流程梳理 本文详细解析了JManus智能体平台的架构与实现原理，重点介绍了基于Spring AI Alibaba的OpenManus Java实现。详细梳理了计划创建、任务执行和链路追踪的完整流程，包括DynamicAgent的think/act循环机制、工具调用策略以及terminate终止条件，为AI Agent系统的开发提供了完整的参考架构。

langchain（Python实现）

Qwen-Agent（Python实现）

文章链接 文章内容
Qwen-Agent 开源项目理解学习 本文深入探讨了Qwen3-14B-AWQ量化模型的function calling实现问题，分析了AWQ量化技术对模型精确格式输出的影响，并提供了基于xinference和LocalAI的部署方案对比。重点介绍了如何通过正确的参数配置和prompt设计实现可靠的工具调用功能，为中文大模型应用提供了实践指导。

开发应用平台

dify（开源平台）

文章链接 文章内容
dify系列之01、快速本地一键搭建dify 本文详细介绍了Dify AI工作流平台的部署方案，包括不同配置级别的资源需求、Docker环境配置、国内镜像优化以及快速启动步骤。重点讲解了如何在本地或云服务器上搭建Dify环境，实现LLMOps全流程管理，适用于企业团队协作和生产环境部署。

openclaw

理论使用篇
文章链接 文章内容
OpenClaw理论使用01、初体验快速入门学习与安装OpenClaw篇 本文详细介绍了OpenClaw个人AI助手的安装配置、多渠道对接、Skills技能系统和应用场景，涵盖飞书、钉钉等平台的集成方法，以及本地快速部署指南，帮助开发者构建自托管的智能聊天网关系统。
源码分析篇
文章链接 文章内容
一站式了解openclaw的底层原理设计实现

3）AI Agent

理论篇

文章链接 文章内容
何为ReAct模式 & Plan+Act框架 深度解析Manus多智能体框架如何借ReAct模式破解复杂任务“工具乱舞”难题，实现Thought-Act-Observation循环，端到端成功率提升4-6倍，并给出LangChain4j落地示例与开源替代方案。

造轮子篇

AI Chat项目

调研篇

channel通道对接渠道：

钉钉篇：

文章链接 文章内容
钉钉openclaw插件调研及本地案例学习系列-消息表情反馈功能 本文详细介绍了钉钉openclaw-connector项目中表情反馈功能的实现方案，包括贴表情、撤回表情的核心代码逻辑和API调用方式，以及在队列繁忙场景下的优化处理策略，为AI聊天机器人提供即时用户反馈的完整解决方案。
前端优化篇
文章链接 文章内容
优化篇之AI Chat响应换行渲染效果不生效 本文解决了AI对话框中JSON内容展示时换行失效的问题，通过在前端对换行符进行处理，确保JSON格式在Markdown渲染器中正确显示，提升用户体验。

Agent业务层设计实现

文章链接 文章内容
Agent业务设计：应用多渠道发布数据收集监控 & 自动化ai分类分析实现 本文详细介绍了如何设计一套Agent业务监控系统，实现多渠道数据收集、AI自动分类归因和可视化大屏展示。通过数据收集中间件无侵入记录用户问答，利用AI自动化分析提升回答质量，形成数据驱动优化的闭环能力。系统包含消息表、分类归因配置表等核心设计，帮助运营人员实时监控Agent效果并持续优化。
Agent业务设计：应用钉钉发布实现问题对话点赞 & 数据收集实现 本文详细介绍了钉钉渠道Agent应用的数据收集与反馈系统设计，解决了数据黑盒、反馈缺失、问题堆积三大痛点。通过Middleware拦截、H5点赞点踩页面和监控大屏，实现了完整的数据闭环，包括数据库表结构、非流式响应时间计算、反馈提交等关键实现，助力企业优化AI对话质量。

Agent中间层设计实现

通用Agent设计：ReAct Agent设计
文章链接 文章内容
长任务场景下 ReAct Agent 的可靠终止机制设计与实现 本文深入剖析ReAct框架的历史设计缺陷，提出通过封装FinishTool优化长任务停止判断机制。详细讲解系统提示词设计、AI消息检测逻辑及AgentSettings参数配置，帮助开发者解决AI Agent在长任务场景中无法可靠终止的问题。
通用Agent设计：实现并发tools工具调用与AgentMiddleware补充 本文详细介绍了在钉钉机器人集成服务中如何通过并发工具调用和Agent中间件机制优化执行性能。通过对比传统串行执行与并发执行方案，展示了实际案例中性能提升效果，从3秒优化至1.4秒，同时保持了业务逻辑的灵活扩展性。
通用Agent设计：03、大模型Agent上下文压缩实战：从原理到CompactSummarizationMiddleware实现 本文深入解析了大模型Agent中上下文压缩的核心技术，重点介绍了CompactSummarizationMiddleware的混合压缩策略，包括Token估算、从后往前保留机制、摘要生成和智能截断等关键技术点，为开发者提供了完整的大模型上下文管理解决方案。

Agent插件设计实现

对接HTTP接口：

文章链接 文章内容
Agent插件设计：适配Agent的HTTP插件系统设计 本文详细介绍了基于LangChain4j的AI插件系统设计与实现，重点展示了如何通过HTTP接口快速构建插件工具并集成到AI大模型中。详细讲解了从语雀文档知识库对接到联网搜索插件的实战案例，包括插件配置、CURL解析器实现、以及与AI多轮对话的function calling机制，为AI Agent系统提供了完整的插件化解决方案。

实战项目篇

手写实战项目篇

文章链接 文章内容
langchain4j+ai模型 硅谷小智 智慧医疗实战项目案例 本文详细讲解基于Java+LangChain4j框架构建医疗AI智能体硅谷小智的完整实现，涵盖通义千问模型接入、MongoDB记忆持久化、Function Calling预约功能、Pinecone向量数据库RAG增强及流式输出等核心技术，提供从0到1的企业级大模型应用开发实战指南。

4）AI前置数据预训练处理

data-juicer

文章链接 文章内容
data-juicer篇-01、认识一站式数据处理系统 data-juicer 本文详细介绍了Data-Juicer多模态数据处理系统的设计原理与实现，对比了与火山引擎算子的定位差异，重点阐述了其在LLM训练数据准备中的核心价值。详细分析了系统架构、算子体系、分布式处理等关键技术，以及在ModelScope-Sora计划中的应用成效，为AI数据处理提供了完整的多模态解决方案。
data-juicer篇-02、初步使用data-juicer 本文详细介绍了Data-Juicer的安装配置和使用方法，通过创建虚拟环境、配置Python环境以及完整的Demo演示展示了数据清洗流程。重点介绍了如何通过配置文件定义数据处理流程，实现文本清理、去重、长度过滤和语言识别等功能，为LLM训练数据准备提供了完整的实践指南。

整理者：长路 时间：2026.2.16

Langchain4j向量数据库AI后端技术大模型部署智能体Agent

评论区请在客户端页面查看