全部子文章（9 篇）
- Stable Diffusion零基础学习指南：名词辨析、运行原理与文生图三大组件（CLIP/U-Net/VAE）详解Stable Diffusion 零基础学习指南：名词辨析（Diffusion/Latent Diffusion/SD/SD WebUI）、运行原理、文生图三大组件（CLIP 文本编码器、U-Net 扩散模型、VAE 解码器）详解。
- ComfyUI底层框架深度解析：基于DAG的节点化执行引擎与架构分层解析 ComfyUI 基于有向无环图（DAG）的节点化执行引擎：核心架构分层、节点化执行原理、类型系统、内存优化与数据流向。
- Agent 设计模式—记忆策略：八种 AI 记忆方案的原理与取舍记忆是 AI 智能体的核心能力之一。本文剖析全量记忆、滑动窗口、相关性过滤、摘要压缩、向量数据库、知识图谱、分层记忆与类操作系统内存管理八种常见记忆方案的原理、特点与适用场景。
- 多智能体应用测试用例设计：意图识别与协同精度验证记录多智能体平台的测试用例设计：绑定通用聊天、故障检测与按姓名查询三个子智能体的意图识别应用，给出多智能体协同精度不低于 75%、单智能体意图识别与工具调用精度不低于 82% 的验收标准与典型用例。
- 多智能体系统 MAS 详解：为什么需要以及怎么做以 Anthropic 的多智能体研究系统为例，讲解多智能体系统的价值与方法：非线性与涌现性、从预训练 scaling law 到推理计算 scaling law 的范式转移，以及主智能体与子智能体分工的最佳实践。
- Agent 设计模式—多智能体框架：五大主流框架选型对比横向对比 AutoGen、CrewAI、LangGraph、OpenAI Swarm 与 Magentic-One 五个主流多智能体框架在定位、上手难度、可扩展性、LLM 支持与社区生态上的差异，并给出按业务场景快速选型的决策路径。
- Agent 设计模式—智能体系统基础：Workflow 与 Agents 的架构抉择从 Anthropic 与 Google 的定义出发，辨析工作流系统与智能体系统在决策方式、确定性与适应性上的差异，给出智能体系统的设计策略，并解释为何在上下文窗口与工具规模的限制下需要引入多智能体协作。
- Agent 设计模式—设计范式与常见框架：从 Reflection 到多智能体协作系统讲解 Agent 的四种经典设计范式（Reflection、Tool use、Planning、Multi-agent collaboration）与 ReAct、Plan-and-Execute 等高阶范式，并梳理 LangGraph...
- MCP 协议详解：为大模型设计的统一上下文接入标准讲解 Model Context Protocol（MCP）这一面向大模型的统一开放接口：由模型、上下文与协议三部分构成的核心框架、MCP 与智能体的关系，以及一个可直接运行的服务示例。