书生·浦语大模型实战营第二期-lesson6-笔记 lesson6的主角是agent框架，有lagent和agentlego两位。 通过lagent示例我们可以看到 agent的一条路径就是让llm生成参数，然后llm把参数传给函数，触发调用，调用结

OpenMMLab 书生·浦语大模型实战 笔记/作业6 agent智能体

用户输入任务，将任务发送给对应的agent，执行后将任务和结果存入记忆，发送给另一个agent用于创建新的子任务，如此循环直到任务完成。一个轻量级agent框架，高效构建LLM智能体，支持多种智能体范式（autogpu,react）和工具(搜索，python解释器)如果LLM决定需要调用工具，进入Lagent逻辑，调用工具，有的多模态工具可以由AgentLego工具箱提供，最后得到工具的输出。接收用户输入后，选择工具并执行，然后思考是否需要继续选择下一个工具，直到任务完成。大脑：控制器，记忆 思考 决策。

【NLP笔记】LLM应用之AI Agent & LangChain实战

AI Agent & LangChain

1.26 Function Call实战：让大模型调用函数，实现真正的AI Agent

本文深入解析Function Call技术如何赋能大模型成为真正的AI Agent。文章首先通过流程图和对比表展示了Function Call的核心概念与优势，包括扩展能力、获取实时数据和执行操作等。随后提供了两种实现方案：基础版FunctionCallAgent类和基于LLM的高级实现LLMFunctionCall类，均包含代码示例和运行逻辑说明。最后总结了最佳实践建议，如函数设计原则、参数验证和安全性考量，并抛出关键思考题。该技术使AI能够调用外部工具执行实际任务，为构建实用AI Agent提供了技术框

通信行业基于MongoDB的安全合规与性能优化：5G时序数据处理、可查询加密及窗口函数应用

内容概要：本文围绕MongoDB在通信行业的深度应用，系统讲解了可查询加密、时间序列集合、窗口函数与性能诊断四大核心技术。通过详实的代码案例，展示了如何利用可查询加密实现敏感数据合规存储与查询，使用时序集合高效处理5G网络KPI等高频写入场景，借助窗口函数进行经营指标的趋势分析，并结合explain()与查询分析器完成性能调优。文章还涵盖分片一致性检查、索引优化等运维实践，全面覆盖通信系统对安全、性能与扩展性的严苛要求。; 适合人群：具备一定数据库基础，从事通信行业研发、架构或运维工作1-3年的技术人员，尤其是参与5G网络监控、客户数据管理或大数据平台建设的相关人员。; 使用场景及目标：① 实现用户手机号、身份证等敏感信息的加密存储与等值查询，满足安全合规要求；② 构建高吞吐、低延迟的5G基站KPI时序数据存储与分析系统；③ 在数据库层直接完成滑动平均、累计求和等经营分析，减少应用层计算负担；④ 诊断慢查询、验证索引有效性，保障系统高性能运行。; 阅读建议：此资源强调理论与实战结合，建议读者在本地或测试环境部署MongoDB 7.0+版本，动手复现文中代码，重点关注schemaMap配置、时序集合参数选择与窗口函数语法细节，并结合explain执行计划理解底层优化机制，从而真正掌握通信级数据架构的设计精髓。

国央企创新负责人如何借助平台实现技术成果的高价值转化与资源精准配置？.docx

科易网基于AI模型+行业大数据，在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景，推出科技创新领域的AI+工具与数智化解决方案，推动科技创新与产业创新智能化发展。