0%
Plan-and-Execute 架构详解：先规划，再执行
发表于：
分类于：
人工智能/智能体
系列文章第 2 篇 · AI Agent 六大主流架构拆解
本篇拆解 Plan-and-Execute，把“规划”与“执行”分离，并把它落到油菜新品种区域试验评价这一长周期多阶段任务上(场景与第 1 篇的「种质性状查询」互补)。
ReAct 架构详解：让大模型学会“边想边做”
发表于：
分类于：
人工智能/智能体
系列文章第 1 篇 · AI Agent 六大主流架构拆解 本篇拆解最经典的 ReAct(Reasoning + Acting)，并把它落到一个真实场景——油菜育种种质助手。
什么是 ReAct
ReAct 由姚顺雨等人在 2022 年论文《ReAct: Synergizing Reasoning and Acting in Language Models》中提出的 AI Agent 框架，其核心思想是:让大语言模型把"推理(Reasoning)“和"行动(Acting)“交错成循环 —— 每一步先想清楚下一步该做什么(Thought)，再去真正调用一个外部工具(Action)，拿到工具返回的结果(Observation)，再回想，如此往复，直到信息足够给出最终答案。
Airflow 是怎么把 DAG 跑起来的
发表于：
分类于：
后端技术/Airflow
这是 Airflow 学习系列的第 2 篇。上一篇讲了 Airflow 是什么、为什么需要它、核心概念词汇表。这一篇钻进内部，把"齿轮怎么转"讲透——你看完之后，第 3 篇上手写 DAG 时，每一步操作都不会是黑盒。
Airflow 是什么，以及为什么你大概需要它
发表于：
分类于：
后端技术/Airflow
模型 LoRA 微调示例：油菜品种信息查询助手
发表于：
分类于：
人工智能/大语言模型
在 Apple Silicon（M 系列芯片）上，用 MLX-LM 对一个开源大模型做 LoRA 微调， 把它变成一个"油菜品种信息查询"垂域助手，并对比微调前后的效果。 本文记录了从环境准备、数据构造、微调到评测的完整过程，以及踩过的几个版本坑。
Neo4j 搭建（Docker）与数据备份还原实战
发表于：
分类于：
后端技术/数据库
Neo4j 教程：处理数据库一致性错误
发表于：
分类于：
后端技术/数据库
Neo4j 是领先的开源图数据库管理系统，并且完全符合 ACID 标准。然而在真实的运维环境中，像一致性错误这样的意外问题依然可能发生——尤其是在非正常关机、崩溃或磁盘故障之后。
Neo4j 教程：Neo4j 索引全面指南
发表于：
分类于：
后端技术/数据库
Neo4j 教程：掌握变长关系与路径算法
发表于：
分类于：
后端技术/数据库