当前位置: 首页 > news >正文

工具要工程化。

从 LangGraph 回到 Model-Tool Loop:更聪明的模型,正在让 Agent 架构重新变简单

这两年 Agent 框架的发展,有一个很有意思的反转。

一开始,大家觉得只靠大语言模型和工具调用不够可靠,于是拼命发明各种 Agent 架构:Planner、Executor、Router、SubAgent、Workflow、State Machine、LangGraph、多 Agent 协作、人工审批节点、条件边、状态持久化……

看起来越来越工程化,也越来越像传统软件系统。

但现在,一个相反的趋势正在出现:

模型越来越强之后,很多复杂 Agent 架构反而显得多余。最终最通用、最强大的形态,可能又回到了最经典的 Model <> Tool 循环。

这听起来有点反直觉。毕竟过去一两年,很多人都在强调:Agent 不是简单的工具调用,真正的 Agent 应该有规划、有状态、有图、有工作流。

但问题是:这些复杂结构到底是在增强模型,还是在束缚模型?

我越来越倾向于后者。


1. 早期 Agent 框架为什么会走向 LangGraph?

我们先不要急着批评 LangGraph。

早期显式 Agent 框架的出现是合理的。

在大语言模型能力还不稳定的时候,企业级应用最怕的不是模型不够聪明,而是模型不够听话。

它可能不按格式输出,可能跳过步骤,可能忘记系统提示,可能随便编工具参数,可能在应该调用工具的时候直接胡说,可能在应该等待人工确认的时候擅自执行。

那时候,如果你只是写一大段 prompt:

You are a helpful enterprise assistant.
Please follow these rules...
Step 1...
Step 2...
Step 3...
Never do X...
Always do Y...

结果很可能是:今天能用,明天崩;简单任务能用,复杂任务崩;demo 能用,生产环境崩。

于是工程师自然会想:

既然模型不可靠,那就不要让它决定流程。我们把流程写死。

这就是 LangGraph 这类框架的土壤。

它们本质上是在用传统软件工程的方式约束 LLM:

分类节点 -> 路由节点 -> 工具节点 -> 审批节点 -> 总结节点 -> 输出节点

每一步都有明确状态,每条边都有条件,每个节点都可以独立测试。

从企业工程视角看,这很诱人。因为它看起来可控、可观测、可审计、可恢复。

所以早期 Agent 框架不是错的。它们是在特定历史阶段,对“不可靠模型”的一种工程补丁。


2. 但问题来了:Prompt 爆炸被转移成了 Graph 爆炸

早期大家抱怨 prompt 爆炸。

所有规则都塞进 system prompt,最后 prompt 越来越长,越来越难维护。不同业务逻辑、工具说明、安全策略、输出格式、异常处理,全都混在一起。

于是我们引入了 graph,希望把逻辑拆开。

但拆着拆着,新的问题出现了:

Prompt 爆炸没有消失,只是变成了 Graph 爆炸。

原来一个自然语言很容易表达的规则:

当用户要求发邮件时,如果意图明确且收件人明确,可以发送;
如果用户只是让你帮忙写一封邮件,就只创建草稿;
如果内容敏感,需要人工确认。

如果写成图,就可能变成:

intent_detection_node
recipient_validation_node
sensitivity_check_node
draft_or_send_router
human_approval_node
send_email_node
final_response_node

然后你还要定义 state schema、edge condition、error branch、retry branch、fallback branch。

这时候系统看起来很工程化,但也开始变得僵硬。

更讽刺的是,很多这种规则,本来正是 LLM 最擅长理解的东西。我们却用一堆代码节点把它提前硬编码了。

这就引出一个核心问题:

你到底是在利用 LLM 的智能,还是在努力绕开 LLM 的智能?


3. 严格代码流程的泛化能力,很多时候不如 LLM

传统软件工程有一个默认假设:明确流程优于模糊推理。

这在普通业务系统里当然成立。银行转账、库存扣减、权限校验、订单状态机,都应该由确定性代码控制。

但 Agent 面对的问题不完全一样。

Agent 经常处理的是半结构化任务:

帮我整理这批邮件
看一下这个项目有没有风险
帮我分析这些日志
根据这几份文档写个回复
检查这段代码哪里可能有问题

这类任务的难点不在于“流程不够确定”,而在于“情况太多,无法提前枚举”。

如果你用 graph 强行拆流程,就会遇到一个问题:

你写下的每一条边,都是对未来场景的一次假设。

假设越多,系统越脆。

而 LLM 的优势恰恰是能在没有完全枚举规则的情况下,根据上下文做出合理判断。

所以对于大量通用 Agent 场景,严格工作流并不会让系统更聪明,只会让系统更像一个复杂但笨重的表单流程。

这就是为什么很多看起来很漂亮的多 Agent / LangGraph demo,真实落地时会变得很尴尬:

图很复杂,效果一般。
节点很多,泛化很差。
架构很漂亮,维护很痛苦。

4. Skill 的出现,是一个关键转折

我认为 Skill 概念的出现非常重要。

因为它解决的是早期 Agent 框架真正想解决的问题:如何让模型稳定地执行某类任务。

但 Skill 的解决方式和 Graph 不一样。

Graph 的思路是:

你不可靠,所以我用代码管住你。

Skill 的思路是:

你已经足够聪明,所以我给你一份可执行的行为说明书。

这两者差别很大。

一个 Skill 可以包含:

任务目标
操作步骤
注意事项
工具使用规则
输入输出格式
常见错误
示例
边界条件

它不是简单 prompt,也不是硬编码流程。它更像一个“可加载的专业操作手册”。

关键是:模型现在越来越能读懂并遵守这种手册。

早期模型可能看完 Skill 也乱来,所以工程师必须写 graph。

但如果模型已经能比较稳定地遵循 Skill,那么大量显式 graph 就不再必要。

此时更好的结构是:

Model + Tools + Skills + Memory + Policy

而不是:

Model hidden inside a giant workflow graph

5. LangChain 的 Middleware,其实暴露了这个趋势

LangChain 现在引入 middleware,是一个很有意思的信号。

表面上看,这是为了增强 create_agent

但从架构角度看,它说明了一件事:

官方也意识到,不应该让用户为了扩展一个标准 Agent,就去手写完整 LangGraph。

create_agent 本质上是一个固定的标准 Agent loop。

大概就是:

model -> tool -> model -> tool -> ... -> final answer

而 middleware 负责处理横切逻辑:

before_model
after_model
wrap_model_call
wrap_tool_call
human-in-the-loop
PII detection
summarization
retry
fallback
logging

这其实很像 Web 框架。

在 Web 开发里,我们不会为了加日志、鉴权、限流、压缩、异常处理,就重新设计 HTTP 请求流程。我们会用 middleware、filter、interceptor。

Agent 也是一样。

如果标准 Model <> Tool loop 已经足够通用,那么大部分扩展都不应该改变图结构,而应该作为 middleware 插入运行时。

所以我甚至觉得 LangChain 现在的架构是在“去 LangGraph 化”:

LangGraph 仍然是底层运行时,
但普通用户不应该直接面对它。

这不是说 LangGraph 没用。

而是说:

LangGraph 不应该成为普通 Agent 扩展的默认接口。


6. “Email Agent” 是一个典型的抽象膨胀

LangChain 文档里有一类示例,会把 email 做成一个独立 agent,然后再放进 LangGraph workflow。

技术上当然可以。

但从抽象建模看,这很值得怀疑。

email 到底是什么?

如果只是发邮件、读邮件、搜索邮件,那它显然是 Tool 或 MCP Tool:

read_email
search_email
send_email
create_draft

如果是“如何写一封专业邮件”“如何回复客户投诉”“如何按照公司语气写邮件”,那更像 Skill。

只有当任务变成:

帮我处理今天所有邮件,判断哪些要回复,哪些要归档,哪些要提醒我。

这时候 email 才值得成为一个 Agent。

因为它有自己的目标、循环、判断、工具集合和中间状态。

所以问题不是“email agent 能不能做”。当然能。

问题是:

我们是不是太容易把一个能力域包装成 Agent 了?

这几年 Agent 框架里有一种抽象膨胀:

File Agent
Email Agent
Calendar Agent
Browser Agent
GitHub Agent
Database Agent
CRM Agent

听起来很高级。

但很多时候,它们只是工具集合外面套了一层 LLM。

真正的判断标准应该是:

这个东西是否需要独立的目标驱动循环?

如果不需要,它就是 Tool。

如果需要专业说明,它是 Skill。

如果需要连接外部系统,它是 MCP。

如果需要自治循环,它才是 Agent。


7. Model-Tool Loop 为什么又回来了?

最经典的 Agent 结构其实非常简单:

while not done:model reads contextmodel decides whether to call a tooltool returns observationmodel continues or answers

也就是:

Model <> Tool

早期大家觉得它太简单,不够工程化。

但现在回头看,它反而是最强的基本结构。

原因很简单:它保留了 LLM 的泛化能力。

你不需要提前规定所有分支。

你只需要给模型:

有哪些工具
什么时候可以用
什么不能做
相关 Skill 是什么
用户上下文是什么
权限边界是什么
观察结果是什么

然后让模型自己组合。

这听起来像“把权力交给模型”。

是的。

但这正是 Agent 的意义。

如果所有流程都已经被代码写死,那你需要的不是 Agent,而是 workflow engine。

Agent 的价值恰恰在于:

它能在未完全预定义的场景中,根据上下文选择行动。


8. Graph 没死,但它应该退回正确的位置

这里必须避免另一个极端。

我不是说 LangGraph、workflow、state machine 都没用。

它们当然有用。

只是它们不应该成为所有 Agent 应用的默认表达方式。

Graph 适合什么?

适合这些场景:

强合规流程
多阶段审批
确定性业务状态机
长周期任务恢复
人工节点
多 Agent 并行协作
需要审计和重放的企业流程

比如贷款审批、保险理赔、医疗流程、财务报销、企业采购,这些流程本来就应该被图化。

因为这里最重要的不是泛化,而是:

可审计
可恢复
可证明
可监管
可回滚

但大量通用 AI 助手任务不属于这个范围。

对于这些任务,强行画图只会让系统更复杂。

更合理的分层应该是:

Model-Tool Loop: 默认 Agent 运行时
Skills: 任务级行为说明
Tools/MCP: 外部能力接口
Memory: 长期和短期上下文
Middleware: 横切扩展
Graph: 例外情况下的外层编排

也就是说:

Graph 应该编排 Agent,而不是替代 Agent 的思考。


9. 更聪明的模型,会让框架更薄

这可能是接下来几年 Agent 架构最大的趋势。

当模型弱的时候,框架必须很厚。

框架要帮它规划,帮它路由,帮它记忆,帮它纠错,帮它拆任务,帮它决定下一步。

但当模型强的时候,框架应该变薄。

框架只需要提供:

上下文
工具
权限
记忆
技能
观察性
安全边界

至于如何完成任务,应该尽量交给模型。

这和传统软件架构有点反过来。

传统软件中,核心逻辑在代码里,模型只是一个函数。

而 Agent 系统中,模型越来越像核心 runtime,代码则变成它的工具、护栏和环境。

所以未来好的 Agent 平台,可能不是看它能画多复杂的图,而是看它能不能优雅地回答几个问题:

如何给模型正确的工具?
如何按需加载 Skill?
如何管理上下文和记忆?
如何控制权限?
如何观察和调试模型行为?
如何在人类需要介入时介入?
如何让模型在边界内自由泛化?

这些问题,比“我能不能画一个复杂的 Agent 图”更重要。


10. 结论:当模型弱时,框架替模型思考;当模型强时,框架给模型边界

我对 Agent 架构演进的判断可以总结成一句话:

当模型弱时,框架要替模型思考;当模型强时,框架应该给模型边界。

早期 LangGraph、多 Agent、Planner-Executor 这些设计,是为了弥补模型能力不足。

它们在当时很合理。

但随着模型越来越能遵循指令、理解 Skill、使用工具、处理长上下文,过度复杂的图结构会越来越像一种历史包袱。

最终,最经典的 Model <> Tool loop 可能重新成为主流。

不是因为大家放弃了工程化。

恰恰相反,是因为工程化成熟之后,我们终于意识到:

真正应该被工程化的,不是模型的每一步思考路径,而是模型周围的运行环境。

工具要工程化。

权限要工程化。

Skill 加载要工程化。

Memory 要工程化。

观测和审计要工程化。

安全策略要工程化。

但模型的泛化能力,不应该被过早写死在一张图里。

所以,未来的 Agent 架构也许不是越来越复杂,而是越来越克制:

一个强模型,
一组好工具,
一套清晰 Skill,
一个可靠运行时,
再加上必要的边界。
TEXT 复制 全屏

这可能比十几个 Agent、几十个节点、上百条边,更接近 Agent 系统的本质。

因为 Agent 的核心不是图。

Agent 的核心是:

在边界内,让模型行动。

本文来自作者自己的思考,由 ChatGPT 整理编写。

https://weibo.com/ttarticle/p/show?id=2309405301837737099323
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301837737099323
https://weibo.com/ttarticle/p/show?id=2309405301837820723240
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301837820723240
https://weibo.com/ttarticle/p/show?id=2309405301837900415275
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301837900415275
https://weibo.com/ttarticle/p/show?id=2309405301837984563360
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301837984563360
https://weibo.com/ttarticle/p/show?id=2309405301838047477865
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301838047477865
https://weibo.com/ttarticle/p/show?id=2309405301838135558346
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301838135558346
https://weibo.com/ttarticle/p/show?id=2309405301838256931069
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301838256931069
https://weibo.com/ttarticle/p/show?id=2309405301838370177390
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301838370177390
https://weibo.com/ttarticle/p/show?id=2309405301838449868894
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301838449868894
https://weibo.com/ttarticle/p/show?id=2309405301838567571660
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301838567571660
https://weibo.com/ttarticle/p/show?id=2309405301838647001170
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301838647001170
https://weibo.com/ttarticle/p/show?id=2309405301838752121275
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301838752121275
https://weibo.com/ttarticle/p/show?id=2309405301839108374678
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301839108374678
https://weibo.com/ttarticle/p/show?id=2309405301839183872265
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301839183872265
https://weibo.com/ttarticle/p/show?id=2309405301839250980899
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301839250980899
https://weibo.com/ttarticle/p/show?id=2309405301839339061257
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301839339061257
https://weibo.com/ttarticle/p/show?id=2309405301839406170147
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301839406170147
https://weibo.com/ttarticle/p/show?id=2309405301839573942417
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301839573942417
https://weibo.com/ttarticle/p/show?id=2309405301839657828395
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301839657828395
https://weibo.com/ttarticle/p/show?id=2309405301839716811046
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301839716811046
https://weibo.com/ttarticle/p/show?id=2309405301839854960945
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301839854960945
https://weibo.com/ttarticle/p/show?id=2309405301839917875255
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301839917875255
https://weibo.com/ttarticle/p/show?id=2309405301839976857840
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301839976857840
https://weibo.com/ttarticle/p/show?id=2309405301840136241703
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301840136241703
https://weibo.com/ttarticle/p/show?id=2309405301840203087922
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301840203087922
https://weibo.com/ttarticle/p/show?id=2309405301840266002574
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301840266002574
https://weibo.com/ttarticle/p/show?id=2309405301840328917362
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301840328917362
https://weibo.com/ttarticle/p/show?id=2309405301840391832038
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301840391832038
https://weibo.com/ttarticle/p/show?id=2309405301840458940696
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301840458940696
https://weibo.com/ttarticle/p/show?id=2309405301840526311433
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301840526311433
https://weibo.com/ttarticle/p/show?id=2309405301840589226084
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301840589226084
https://weibo.com/ttarticle/p/show?id=2309405301840656072724
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301840656072724
https://weibo.com/ttarticle/p/show?id=2309405301840718987716
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301840718987716
https://weibo.com/ttarticle/p/show?id=2309405301840945480153
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301840945480153
https://weibo.com/ttarticle/p/show?id=2309405301841020977458
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301841020977458
https://weibo.com/ttarticle/p/show?id=2309405301841092542530
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301841092542530
https://weibo.com/ttarticle/p/show?id=2309405301841159389258
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301841159389258
https://weibo.com/ttarticle/p/show?id=2309405301841222304259
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301841222304259
https://weibo.com/ttarticle/p/show?id=2309405301841444601882
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301841444601882
https://weibo.com/ttarticle/p/show?id=2309405301841511710756
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301841511710756
https://weibo.com/ttarticle/p/show?id=2309405301841574887762
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301841574887762
https://weibo.com/ttarticle/p/show?id=2309405301841641734325
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301841641734325
https://weibo.com/ttarticle/p/show?id=2309405301841704649069
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301841704649069
https://weibo.com/ttarticle/p/show?id=2309405301841771757820
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301841771757820
https://weibo.com/ttarticle/p/show?id=2309405301841834934442
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301841834934442
https://weibo.com/ttarticle/p/show?id=2309405301841998250164
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301841998250164
https://weibo.com/ttarticle/p/show?id=2309405301842065359121
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301842065359121
https://weibo.com/ttarticle/p/show?id=2309405301881135300826
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301881135300826
https://weibo.com/ttarticle/p/show?id=2309405301881848594641
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301881848594641
https://weibo.com/ttarticle/p/show?id=2309405301881911509120
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301881911509120
https://weibo.com/ttarticle/p/show?id=2309405301881974423657
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301881974423657
https://weibo.com/ttarticle/p/show?id=2309405301882037076213
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301882037076213
https://weibo.com/ttarticle/p/show?id=2309405301882121224196
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301882121224196
https://weibo.com/ttarticle/p/show?id=2309405301882183876689
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301882183876689
https://weibo.com/ttarticle/p/show?id=2309405301882335133719
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301882335133719
https://weibo.com/ttarticle/p/show?id=2309405301882469089289
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301882469089289
https://weibo.com/ttarticle/p/show?id=2309405301882544849235
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301882544849235
https://weibo.com/ttarticle/p/show?id=2309405301882645512241
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301882645512241
https://weibo.com/ttarticle/p/show?id=2309405301882733330491
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301882733330491
https://weibo.com/ttarticle/p/show?id=2309405301882809090169
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301882809090169
https://weibo.com/ttarticle/p/show?id=2309405301882884587857
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301882884587857
https://weibo.com/ttarticle/p/show?id=2309405301882989445325
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301882989445325
https://weibo.com/ttarticle/p/show?id=2309405301883068875119
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301883068875119
https://weibo.com/ttarticle/p/show?id=2309405301883131789498
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301883131789498
https://weibo.com/ttarticle/p/show?id=2309405301883203092496
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301883203092496
https://weibo.com/ttarticle/p/show?id=2309405301883266007336
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301883266007336
https://weibo.com/ttarticle/p/show?id=2309405301883333378121
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301883333378121
https://weibo.com/ttarticle/p/show?id=2309405301883429847176
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301883429847176
https://weibo.com/ttarticle/p/show?id=2309405301883505344553
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301883505344553
https://weibo.com/ttarticle/p/show?id=2309405301883643756713
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301883643756713
https://weibo.com/ttarticle/p/show?id=2309405301883798683939
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301883798683939
https://weibo.com/ttarticle/p/show?id=2309405301883916386491
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301883916386491
https://weibo.com/ttarticle/p/show?id=2309405301884004204596
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301884004204596
https://weibo.com/ttarticle/p/show?id=2309405301884113256450
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301884113256450
https://weibo.com/ttarticle/p/show?id=2309405301884176171021
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301884176171021
https://weibo.com/ttarticle/p/show?id=2309405301884243542156
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301884243542156
https://weibo.com/ttarticle/p/show?id=2309405301884310651066
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301884310651066
https://weibo.com/ttarticle/p/show?id=2309405301884381954083
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301884381954083
https://weibo.com/ttarticle/p/show?id=2309405301884448800809
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301884448800809
https://weibo.com/ttarticle/p/show?id=2309405301884511715594
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301884511715594
https://weibo.com/ttarticle/p/show?id=2309405301884578824546
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301884578824546
https://weibo.com/ttarticle/p/show?id=2309405301884646195266
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301884646195266
https://weibo.com/ttarticle/p/show?id=2309405301884713304135
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301884713304135
https://weibo.com/ttarticle/p/show?id=2309405301884780150796
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301884780150796
https://weibo.com/ttarticle/p/show?id=2309405301884843065634
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301884843065634
https://weibo.com/ttarticle/p/show?id=2309405301884910174340
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301884910174340
https://weibo.com/ttarticle/p/show?id=2309405301884981739636
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301884981739636
https://weibo.com/ttarticle/p/show?id=2309405301885044392435
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301885044392435
https://weibo.com/ttarticle/p/show?id=2309405301885111763049
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301885111763049
https://weibo.com/ttarticle/p/show?id=2309405301885186998313
https://weibo.com/ttarticle/p/show?comment=1&id=2309405301885186998313

http://www.jsqmd.com/news/874042/

相关文章:

  • Codeforces Round 1057
  • 深度学习篇---图像分类、目标检测和图像分割任务对比
  • 多云安全态势:管理多个云环境的安全状态
  • 哪家工控一体机厂家专业?2026年5月推荐TOP5对比案例防尘防震评测特点 - 品牌推荐
  • 软考软件设计师 · 考前5天终极精炼
  • 211本科985硕拿下淘天AI二面!全程无代码,这面试题火了!
  • 2026年第二季度,如何甄选一家可靠的山地车制造合作伙伴? - 2026年企业推荐榜
  • Invoke-Obfuscation深度解析:PowerShell混淆技术的实战指南与防御策略
  • 畜牧场景电加热风机技术拆解与选型实操指南:养鸭专用风机/农业机械/农牧机械设备/冷风机/厂房降温风机/商品鸡平养自动料线/选择指南 - 优质品牌商家
  • 前端全流程求职Skill 攻略
  • 数据主权与伦理治理:构建下一代数字文明框架
  • 镜像视界浙江科技有限公司|数字孪生・视频孪生・无感定位・跨镜追踪 技术地位与核心优势
  • 3个PDF编辑痛点,用这个免费工具轻松搞定!PDF补丁丁全面解析
  • 政务管理领域大模型应用场景
  • Lindy自动化不是IT部门的事!CIO亲述:如何用“业务-技术-合规”三权制衡模型锁定首期300万降本收益
  • 2026年5月主流电竞鼠标品牌十大排行榜推荐:专业评测手型适配案例价格 - 品牌推荐
  • AI英语背单词APP 的开发费用
  • 开源AI Agent:OpenCode集成OMO原理及实践
  • 2026钻石回收技术解析:北京手表回收、北京老铺黄金回收、北京虫草回收、北京钻石回收、北京黄金回收、北京黄金抵押选择指南 - 优质品牌商家
  • 使用curl命令在无GUI环境中快速测试Taotoken API
  • Lindy流程自动化实施倒计时手册:仅剩最后23家企业获赠官方认证治理框架V2.3(含审计就绪检查表)
  • 使用Python为你的数据分析脚本添加Taotoken大模型智能总结功能
  • 我以为AI要淘汰程序员,直到我发现真正被淘汰的,是这3种人
  • 2026年湛江代理记账公司排行:湛江社保公积金代办、/湛江财税服务/湛江一般纳税人记账怎么做/湛江个体户记账报税/选择指南 - 优质品牌商家
  • 2026年5月北戴河民宿推荐:TOP5排名家庭出游防踩雷评测专业价格 - 品牌推荐
  • 2026年5月株洲二手房中介推荐:TOP5评测专业服务特点与价格分析 - 品牌推荐
  • AI医疗Agent如何72小时通过NMPA二类证审批:附2024最新审评问答清单与材料模板
  • 进程与线程:并发编程基础
  • RMAN 增量备份(Incremental Backup)
  • 2026年5月天津国际学校推荐:五所专业评测国际部课程价格与注意事项 - 品牌推荐