Tag: LLM
All the articles with the tag "LLM".
-
Harness 沙盒机制：大模型操作的安全护栏
Harness 沙盒机制通过预定义动作与参数拦截，隔离物理环境，防止大模型越权执行高危财务操作。
-
LangChain vs LangGraph：谁更适合LLM应用开发？
本文深入探讨了LangChain和LangGraph在大型语言模型 (LLM) 应用开发中的核心差异、最佳应用场景及2026年的实战开发挑战与解决方案，帮助开发者在实际项目中做出更明智的选型。
-
多Agent系统实战评估：生产环境下的四大核心考察点
本文介绍了在生产环境下评估多Agent系统性能时，如何从规划器、工具调用器、内存和反思模块四大核心维度进行全面考察，并强调了分层评估流水线和真实业务指标的重要性。
-
LLM生成树：多任务多步骤调度新范式
LLM生成树（LLM-Generated Tree）系统展示了大型语言模型如何通过分层任务、计划和步骤调度，实现复杂任务的自动化处理。
-
Agent的意图识别：并行化多专家网络
大型语言模型（LLM）的Agent意图识别不应仅依赖单一模型，而应采用并行化专家网络架构，兼顾效率、精准度和安全性，将复杂问题拆解为多维度独立判断。
-
LangChain与LangGraph的场景选择与高级应用
LangChain和LangGraph作为大模型应用开发的两种主流框架，分别适用于不同复杂度的任务场景，理解其核心差异和技术应用至关重要。
-
从外向里解读PiAgent架构
本文深入解读了PiAgent的极简主义架构，包括其核心组件AgentLoop、Context、Memory和Tools，以及扩展机制和系统消息管理，帮助开发者理解并构建自己的Agent。
-
Agent死循环排查与解决：四重关卡，构建稳定系统
本文深入探讨了Agent陷入死循环的典型场景，并提供了从检测、打破循环到根因修复和兜底处理的四重解决方案，旨在帮助开发者构建一个稳定可靠的Agent系统。
-
Agent的可靠性与安全性：面面俱到
本文深入探讨了Agent在设计与部署中面临的可靠性与安全挑战，并提供了详细的应对策略，涵盖死循环处理、输出稳定性、LLM服务故障、Prompt注入攻击及危险操作防护等多个方面。