在上一篇《MCP Server开发》中开发的是本地的server，客户端要调用本地的server（python）文件。当然，这是mcp设计的方式之一。另外的，分离式的远程mcp server是现在的目标。 远程mcp server需要使用streamable-http来提供mcp服务，这和restful api的理念似乎有点相似啊，这估计就是大道归集吧。

简介 MCP起源于2024年11月25日 Anthropic 发布的文章：Introducing the Model Context Protocol。 MCP （Model Context Protocol，模型上下文协议）定义了应用程序和 AI 模型之间交换上下文信息的方式。这使得开发者能够以一致的方式将各种数据源、工具和功能连接到 AI 模型（一个中间协议层），就像 USB-C

Awesome AI AI助手 Agent 智能体平台 大语言模型LLMs AI拓展工具 Skills AI社区 绘图 修图 设计 室内设计 写作 编程 前端开发 虚拟角色 数字人 开源数字人 关键词助手 视频剪辑 视频动画 音频 三维化 AI专用语言 机器学习资料 AI助手 AI·Joe 人工智能助手，辅助工作流 Gemini 谷歌旗下用于高精度多模态AI助手 Kimi由 Moonshot

DeepAgent等Agent都采用了SQLite作为本地数据库来用，看来，是要对SQLite补补课啰。 SQLite（来源：网络） 下载与资源 官网 菜鸟教程 简介 SQLite 是一个零配置、无服务器、单文件存储的轻量级关系型数据库引擎。它不需要安装独立的服务进程，整个数据库就是一个磁盘文件（.db 或 .sqlite），非常适合嵌入式应用、本地数据存储、原型开发和中小型项目。 特点 特性说明

人机协作，Human-in-the-loop，自主决策的基础上，对某些可以预见或计划的关键节点引入人工干预，暂时中止其自我决策过程，转而由人工介入进行审批和确认，再让其继续执行后续任务？比如以下场景： 删除数据库操作：当Agent决定删除数据库时，可以先中止操作，要求人工确认是否继续执行。经过人工确认后，Agent才继续删除数据库并执行后续操作。

通过ssh连接使用OpenClaw有些麻烦，每次都要登录，而且速度很慢。那么，可以直接域名访问、像个网站一样随时使用么？答案是肯定的。 需要三步来完成域名访问OpenClaw。 1. 第一步 域名解析和Nginx反向代理 a. 域名解析 域名（比如是 example.com）解析到远程服务器上，使用certbot安装ssl证书（certbot --nginx） b. Nginx反向代理 修改

在 Deep Agents 中引入 Anthropic Skills 非常简单，因为 Deep Agents 原生支持 Agent Skills 规范（由 Anthropic 提出并开源的标准）。你不需要任何适配层，直接把符合规范的 Skill 目录传给 create_deep_agent 即可。 DeepAgent集成skills 集成skills my_project/ └── skillsRepo

公元263年，蜀汉灭亡，后主刘禅被俘至洛阳，封为安乐公。司马昭设宴，故意安排蜀地歌舞，观察刘禅反应。旧臣们睹物思情、潸然泪下，刘禅却脱口而出："此间乐，不思蜀。" 乐不思蜀(由AIJoe生成) 现在我们讲乐不思蜀指快乐得不再思念蜀国，比喻安于享乐而忘本或留恋他乡。其实回转一想，另有深意。

Skills 本质：Agent 的「工作手册」 Agent正在做事(由AIJoe生成) 如果把 Agent 比作一个聪明但缺乏上下文的实习生，那么 Skill 就是交给它的 标准作业流程（SOP）——固化编码规范、统一输出风格、限制行为逻辑。 Skills 本质上就是教 AI 按固定流程做事的操作说明书，一旦写好，就能像函数一样反复调用。 核心定义：Skill 是 Agent 原生内置的强制约束系统，将「流程配方

下午在调试图数据库时发现有报错，发现是create_react_agent这个函数已被弃用！赶紧查下，LangGraph的官网上还没更新，但LangChain上给出了最新的写法create_agent LangGraph 的新版本迭代中，langgraph.prebuilt.create_react_agent 已经被正式弃用（Deprecated）。 官方为了将 Agent

刚看到“特朗普账户”时以为又是懂王的捞金行为，细看之下，好像又不是，倒像是为少儿设立的基金。 特朗普账户（来源：网络） 查了下百科：

现在很多开源的AI项目都是采用的Nextjs方案，和自己采用的Nuxt方案有些出入。初看起来，差别挺大的，但细看之下，好像又不是很大。 Next.js 是一个用于构建全栈Web应用程序的React框架。有两个关键词：全栈，React。Nuxt也是全钱，不过是基于Vue开发的。所以它们在流程上有相同，但具体的实现有不同。国内不少用Vue的，我也是早早就入坑了，所以在选型上就用了Nuxt。 刚创建的新项目

DeepTutor 是由香港大学数据智能实验室（HKUDS）开发的开源 AI 个性化辅导平台，于 2025 年 12 月发布，目前 GitHub 星标已超过 2 万。它的核心定位是Agent-Native（原生智能体） 的学习工作空间，强调将记忆、个性化和自主代理作为系统的第一公民，而非附加功能。 DeepTutor界面(来源：deeptutor.info) 主要功能 1. 统一多模式学习工作区 DeepTutor

体验了把ComfyUI的生图和生视频的功能，感觉还行，就是界面显得有些乱。生成的视频比起一年前确实进步不小。一年前感觉就是动态图片，现在感觉有些电影的质感了。深入的研究下，做些短片短视频应该问题不大。 ComfyUI界面 翻了下教程，在RunningHub体验了下，感觉还行。比起纯编程的情境，ComfyUI确实直观不少。但是呢，逻辑就有些混乱，有时还真有些难以理清，如上图，线条乱得很。

Neo4j的各项功能跑通了，应该将其封装进Agent做为应用。LangGraph中有专门的ReAct Agent，可将其Neo4j做为一个工具导入，就是一个好用的Agent啰！ Agent(由AIJoe生成) from dotenv import dotenv_values from langchain_openai import ChatOpenAI from langchain_neo4j import

最近在卖闲鱼，出了些单，也有些体会。当然，也买了些单。给我最大的感受就是：极度省钱！ 就算是全新刚买的产品，一挂到闲鱼，立马就是5折了！但凡多个几块就会被广大鱼友嫌弃。如果有担心是假货而不想用闲鱼，其实这大可不必。据我体会，假货比真货的成本都要高！如果平时以实用为主，不是那么赶潮流的话，用闲鱼真是个不错的路子。省钱即赚钱。 举几个例子。 CPU 0.5折

在上一篇中我们利用大模型自身的能力来抽取文本中的关系，但是这些默认设置不是很准确。或者数据本身就存在数据库中,已经是结构化的（如 CSV、JSON），就是有逻辑和规律的数据，或者对节点和关系的产生有极其严格的业务逻辑要求，不希望依赖 LLMs 的随机性。那么，这时就可以其自身的特征来直接存入Neo4j图数据库中。 最关键的是要编写明确的 Cypher 语句（推荐用于生产环境、结构化数据）。 from

对neo4j有了基本了解，就可以上手实操啰。这里采用langchain的集成方案，写入和查询都集成得很好，几条命令就可搞定。 写入数据 # 安装包 pip install langchain -i pip install langchain-openai langchain-community langchain-experimental pip install langchain-neo4j from

相比传统RAG的碎片式的知识点不同，知识图谱就是要解决这个痛点。它更侧重于宏观式的、总括式的归纳。这里要提到的知识图谱的应用是指GraphRAG。 GraphRAG简介 GraphRAG（Graph-based Retrieval-Augmented

大家都在关心SpaceX，都在抢SpaceX！不过随着其成功上市，也算告一段落。倒是有时间来分析这三者之间的关联。这是一个涉及金融、科技和政策的多维度话题。 （来源：新出行） SpaceX、美股和比特币三者之间形成了复杂的马斯克三角关联，这种联系通过资金流动、情绪传导和宏观共振三个维度相互影响。 一、SpaceX对美股的影响：史上最大IPO的虹吸效应 1. 直接冲击：流动性虹吸与板块洗牌