Tian Lejin's Site

AI Agent的定义AI Agent是一种能够自主感知环境、制定决策并执行行动以实现特定目标的智能系统。在大模型时代，AI Agent通常由大语言模型驱动，具备以下四大核心要素： 规划（Planning）：能够分解复杂任务，制定执行计划 记忆（Memory）：具备短期和长期记忆能力，能够学习和积累经验 工具（Tools）：能够调用外部工具和API，扩展自身能力 执行（Action）：能够在环境中执行具体的行动 AI Agent开发工具分类根据功能特点、技术架构和应用场景，我们将当前主流的AI Agent开发工具分为以下几个类别： 编程框架类： LangChain、LangGraph、CrewAI、Semantic Kernel、AutoGen、Phidata 无代码/低代码平台类：Coze、Dify、星辰Agent、Trickle AI、AgentGPT、Gumloop、FlowiseAI 专业化工具类：AutoGPT、GPT Engineer 企业级解决方案类：Superagent、Reworkd AI 集成平台类：Zapier AI Actions 1...

1. 启用镜像网络模式默认情况下，WSL2 的网络行为与传统虚拟机不同，其内部 IP 地址与宿主 Windows 不同，导致无法直接通过 IP 访问 WSL2 服务。 解决方法是开启镜像网络（mirrored networking），这样 Windows 和 WSL2 将共享同一个 IP 地址。 步骤：在 Windows 用户主目录（如 C:\Users\你的用户名）下新建或修改 .wslconfig 文件，添加如下配置： 1234567[wsl2]networkingMode=mirrored # 开启镜像网络dnsTunneling=true # 开启 DNS Tunneling，解决 DNS 问题autoProxy=true # 自动同步代理设置# firewall=true # 可选，启用 Windows 防火墙# [experimental]# hostAddressLoopback=true # 可选，允许 WSL2 主动访问宿主 编辑完成后，执行以下命令重启 WSL： 1ws...

引言如果我在十几年前跟你说「Microsoft Love Linux」，你肯定觉得我鬼打墙了，Windows 和 Linux 可一直都是竞争对手。时任微软 CEO Steve Ballmer 还曾公开宣称 Linux 是「癌症」，毕竟 Linux 作为免费、开源的 Windows 替代品，抢走了微软不少的市场份额和营收。 后来，可能是为了与 VMware 等虚拟化厂商竞争，以及发展云计算平台的需要，微软在 Hyper-V 虚拟化平台上增加了对 Linux 的原生支持，让 Windows 也可以在 Hyper-V 虚拟机中运行 Linux 系统。但是，在 Hyper-V 中运行 Linux 虚拟机需要消耗大量的系统资源，而且宿主机（Host OS）与虚拟机（Guest OS）之间的交互也比较麻烦。 什么是 WSL 2?时间来到 2017 年，事情正在起变化🤣。微软正式发布了「适用于 Linux 的 Windows 子系统」，即人们熟知的 Windows Subsystem for Linux，简称 WSL。 在 2019 年，微软又基于 Hyper-V 架构的部分功能，推出了全...

引言在人工智能领域，AI Agent（智能体）是一种能够感知环境、做出决策并执行行动的系统。随着大语言模型（LLMs）的快速发展，AI Agent在自然语言处理、问答系统和交互式决策任务中的能力显著提升。然而，传统LLMs在推理（如链式思考提示，Chain-of-Thought, CoT）和行动（如调用外部工具或API）方面通常被分开研究，导致在处理需要两者结合的复杂任务时效率低下。ReAct（Reasoning and Acting，推理与行动）模式应运而生，通过将推理和行动交织在一起，使AI Agent能够更智能、更高效地完成任务。 本文将详细探讨ReAct模式的起源、其在AI Agent中的作用，以及基于ReAct的扩展和最新发展。我们将通过清晰的逻辑和示例，帮助读者理解这一技术如何推动AI Agent的进步。 ReAct模式的起源背景与动机ReAct模式最早由Shunyu Yao等人于2022年10月在论文《ReAct: Synergizing Reasoning and Acting in Language Models》中提出（论文链接）。该论文由谷歌研究团队和普林...

概念知识图谱（Knowledge Graph, KG）：将知识进行结构化表示。具体来说，知识图谱是一种以实体（Entity）和关系（Relation）为核心的语义网络，通常以三元组 (head entity, relation, tail entity)，即 ⟨h, r, t⟩ 的形式表示结构化知识。 核心组成： 实体（Entity）：现实世界中具有唯一标识的对象，如人、地点、公司等。 关系（Relation）：实体之间的语义连接，如“属于”、“位于”、“担任”。 属性（Attribute）：实体的静态信息，如“出生日期”、“公司市值”。 本体（Ontology）：定义实体类别、关系类型及其约束的元知识结构。 发展大模型时代之前：知识图谱是主力军在传统NLP时代（大约2010-2020），模型的表达能力有限，缺乏世界知识、语义理解和推理能力。此时知识图谱被广泛用于补足模型缺陷： 任务 知识图谱的作用 语义搜索 弥补关键词搜索的不足，实现“概念级”搜索 问答系统 结构化知识可支持精确匹配和逻辑推理 对话系统 用于保持上下文一致性，引导对话流程 推荐系统...

背景大语言模型在训练阶段通常基于大规模语料（如 Common Crawl、Wikipedia、Books、Code等）进行离线学习，因此它们的知识存在以下问题： 静态性：一旦模型训练完毕，知识无法动态更新。 封闭性：模型只能生成其“知道”的内容，对未见信息无法准确回答。 幻觉性（Hallucination）：即使模型生成看似合理的内容，也可能完全不符合真实事实。 为此，RAG（Retrieval-Augmented Generation，检索增强生成）框架被提出，用于将外部知识库引入到生成模型推理流程中，通过“检索 → 生成”的两阶段架构，让模型“读过资料再作答”。 RAG 的优势 ✅ 知识实时更新：只需更新知识库，无需重新训练大模型。 ✅ 降低幻觉风险：模型有“证据”可依，减少无中生有。 ✅ 适用于私有数据：支持接入企业文档、数据库、网页等作为知识来源。 ✅ 可控性强：检索模块可以人为控制，比如只让模型访问合规内容。 RAG 的工作流程一个典型的 RAG 系统包含两个核心模块： 检索器（Retriever）：从外部知识库（Knowledge Base）中找出与问题最相关...

📌 什么是 Slurm？ 在使用高性能计算（HPC）集群时，Slurm 是最常见的任务调度器之一。 Slurm（Simple Linux Utility for Resource Management）是一个开源的集群资源管理和作业调度系统，用于管理节点资源、调度任务执行，广泛用于科研计算和深度学习训练 🧰 常用命令一览 命令 作用 示例 sinfo 查看当前集群节点状态 sinfo squeue 查看正在运行或排队的任务 squeue -u $USER srun 启动一个交互式任务或直接运行命令 srun --pty bash sbatch 提交一个批处理任务脚本 sbatch job.sh scancel 取消任务 scancel 123456 📝 1. sinfo —— 查看节点状态1sinfo 这个命令可以看到所有节点的状态，如哪些是空闲（idle）、正在使用（alloc）、维护中（down）等。例如： 1234PARTITION AVAIL TIMELIMIT NODES STATE NODELISTcpu* ...

大模型的分类混合推理模型（Hybrid Reasoning Model） 混合推理模型是指结合多种推理方式（如神经网络+符号推理、检索+生成）的语言模型架构，用于提升模型的准确性和复杂任务处理能力。 常见的混合推理方式： 类型 描述 示例 🧠 神经 + 符号推理 结合大模型与符号逻辑系统（如规则树、规划器） 解决数学题、写代码 🔍 检索 + 生成（RAG） 模型先从知识库中检索相关信息，再生成回答 Bing Copilot、GPT+文档上传 🪜 逐步思考 + 工具调用 模型模拟人类逐步思考（CoT），中间步骤可调用外部API、计算器、代码解释器等 AutoGPT、Toolformer、OpenAI GPT-4o 🧭 多模型协同 使用多个模型分工处理子任务，例如一个负责理解，一个负责生成 LLM Agents、多模态推理系统 🎯 举例： 你问模型“上海到北京有多少公里？” 裸模型：根据训练时看到的语料“猜”一个数字（可能错）。 混合推理模型：先调用地图接口查询，再告诉你准确答案。 Retrieval-Augmented Gene...

Linux笔记Linux系统相关 Linux文件系统 Linux环境变量 Linux设定定时程序 Linux文件操作 Linux重定向和管道命令 Linux手动编译软件 grep的用法 Linux创建账户并赋予管理员权限 Linux更改用户/组id Linux挂载命令mount详解 Linux修改MAC地址 Linux软件 终端复用神器tmux的使用 anaconda3的安装和使用 jupyter notebook的安装和使用 Linux安装JupyterLab conda打包环境并迁移 使用jupyter nbconvert后台执行jupyter notebook Slurm任务调度系统的使用 环境配置笔记Linux相关 CentOS 7升级gcc版本 yum安装软件报错lvm.LibLVMError: (0, ‘’) linux编译编译错误‘GLIBCXX_3.4.20’ not found linux升级cmake Ubantu安装深度学习环境全记录 R语言相关 R语言安装外源包编译报错：‘for’ loop initial declarations ar...

在整理博客配图、摄影照片或网页图片素材时，图片太大不仅拖慢加载速度，还会占用大量空间。今天介绍一个超级实用的命令行工具：ImageMagick，可以快速、批量压缩或缩放图片 🧰 安装 ImageMagick（macOS）1brew install imagemagick ✂️ 操作示例将图片质量到 50%1234# MacOSmagick input.jpg -quality 50 output.jpg# Ubantu的旧版命令是mogrifymogrify 202505_front.JPEG -quality 30 202505_front.JPEG 将/Users/tianlejin/Desktop/2025-03里的所有图片都压缩到原来质量的50%假设你有一堆 .JPEG 图片在目录 /Users/tianlejin/Desktop/test/，可以这样压缩并输出到 resized 子文件夹： 1234# MacOSmagick mogrify -quality 50 /Users/tianlejin/Desktop...

在整理照片时，通常会遇到一堆混乱命名的文件，例如 IMG_1234.JPG、DSC0001.JPG……我们可以用一行命令，就把所有照片按「拍摄时间」重命名。 本文介绍一个强大却小巧的命令行工具：ExifTool，让你的照片重命名井井有条～ 💡 什么是 ExifTool？exiftool 是一个跨平台的命令行工具，可以读取和写入媒体文件中的元数据（如照片的拍摄时间、设备信息、GPS 等）。我们可以用它从 EXIF 中提取拍摄时间并重命名文件。 🛠 安装 ExifTool（以 macOS 为例）官网下载：https://exiftool.org/ 🌰 例子：将2025-03文件夹内的所有文件按时间戳重命名，精确到秒以下命令将当前目录下的所有 JPG 文件，重命名为拍摄时间的格式，例如 20250312_153045.jpg： 12cd /Users/tianlejin/Desktop/2025-03exiftool '-FileName<CreateDate' -d "%Y%m%d_%H%M%S%%-c.%%e" *.JPEG 参...