晨启Tech

全球新闻简报 | Top 10 | 2026年02月20日 每日精选全球重要新闻，带你快速了解世界动态。 🔥 今日热点1. 美国最高法院推翻特朗普全球关税政策来源: BBC Business链接: https://www.bbc.com/news/articles/cn8146l0n55o 美国最高法院裁定推翻特朗普政府的全球关税政策，这一裁决可能打开数百亿美元关税退款的大门。该裁决被认为是特朗普第二任期议程的重大挫折，削弱了其在国际贸易谈判中的筹码。 2. NASA 计划 3 月初执行人类重返月球任务来源: BBC World链接: https://www.bbc.com/news/articles/c86y1g6wde3o NASA 确定 Artemis II 任务的发射时间窗口为 3 月初，这将是自阿波罗时代以来人类首次绕月飞行。此前的”湿装演练”已成功完成，标志着任务准备进入最后阶段。 3. Google AI 负责人呼吁紧急研究应对 AI 威胁来源: BBC Technology链接: https://www.bbc.com/news/articles/c0...

今日 AI 领域热点：Google DeepMind 多模态模型矩阵持续扩展、OpenAI GPT-5.2 突破理论物理、印度 AI 投资热潮升温、AI 安全与监管议题再掀波澜。 🔬 研究前沿Google DeepMind：从游戏到现实的多模态突破Google DeepMind 本月密集发布多项研究成果，展现其在多模态 AI 领域的全面布局： Gemini 模型家族持续扩张 Gemini Robotics：具备感知、推理、工具使用和交互能力的机器人模型，标志着通用机器人智能的重要一步 Gemini Audio：支持对话、音频创作和控制的统一音频模型 Gemini 图像模型 (Nano Banana)：精细化图像编辑与生成能力 世界模型与具身智能 Genie 3：可生成和探索交互式虚拟世界的模型，为游戏开发和仿真训练开辟新路径 SIMA 2：能在 3D 虚拟世界中与用户一起玩、推理和学习的智能体 科学 AI 深化 AlphaFold 继续引领蛋白质结构预测 AlphaGenome：遗传解码与疾病定位的新工具 AlphaEarth Foundations：以前所未...

LangGraph State状态管理：Agent的”记忆系统” 从零开始理解LangGraph最核心的概念——State状态管理，让你的Agent拥有真正的”记忆”。 引言：为什么需要状态管理？想象一下，你和一位朋友聊天。你说：”我昨天去看了《星际穿越》。”朋友回答：”那部电影太棒了！”然后你接着问：”你觉得结局是什么意思？” 这里有个关键问题——朋友怎么知道”那部电影”指的是《星际穿越》？ 因为他记住了之前的对话。 这就是状态管理的本质：让程序记住之前发生过的事情。 无状态的痛苦让我们先看一个没有状态管理的简单”机器人”： 123456789101112131415161718192021# 一个无状态的"机器人"def simple_bot(user_input): # 每次都只处理当前输入，完全不记得之前说过什么 if "你好" in user_input: return "你好！很高兴见到你。" elif "天气" in user_input: ...

引言：什么是Claude Skills？在人工智能领域，我们正见证着一场从”对话式AI”向”执行式AI”的深刻转变。Claude Skills的诞生，标志着Anthropic在AI Agent领域的战略布局迈出了关键一步。那么，究竟什么是Claude Skills？它又为何如此重要？ 定义与本质Claude Skills是一种声明式（Declarative）的技能定义框架，它允许开发者为Claude模型定义结构化的能力单元。与传统的Prompt Engineering不同，Skills采用了一种更接近”配置即代码”（Configuration as Code）的范式，将AI的能力封装为可复用、可组合、可版本控制的模块。 简单来说，如果你把Claude看作一位拥有无限潜力的实习生，那么Skills就是为其编写的”岗位说明书”。这份说明书不仅告诉Claude需要做什么（What），更重要的是告诉它如何思考（How）、何时行动（When）、以及遵循什么规则（Rules）。 为什么Skills如此重要？在Skills出现之前，让Claude执行复杂任务通常依赖于长篇的System Pro...

LangGraph Node节点：让AI”动起来”想象一下，你走进一家热闹的餐厅。厨房里，厨师正在翻炒锅中的食材；吧台前，调酒师熟练地摇晃着雪克杯；收银台后，收银员微笑着为客人结账。每个人都有自己的职责，每个人都在特定的时刻执行特定的任务，而最终，一道道美味佳肴被端上餐桌。 这就是**节点（Node）**的魅力——将复杂的流程拆解成一个个独立、可复用的单元。 在LangGraph的世界里，Node就是构建AI工作流的基本砖块。如果说LangGraph是一座宏伟的建筑，那么Node就是构成这座建筑的每一块砖石。理解Node，你就掌握了让AI真正”动起来”的钥匙。 一、什么是Node？——餐厅里的分工艺术1.1 从餐厅说起让我们继续用餐厅来比喻。一家餐厅要正常运营，需要哪些角色？ 服务员：接待客人，记录点单，将需求传递给厨房 厨师：根据订单烹饪食物，把控口味和品质 收银员：计算账单，处理付款，开具发票 保洁员：打扫餐桌，保持环境整洁 每个角色都是一个独立的”节点”，他们各自有明确的职责，通过特定的流程（服务员下单→厨师做菜→服务员上菜→收银员结账）协同工作，最终为客人提供完整的用...

LangGraph Tool Calling：让AI拥有”超能力” 本文是 LangGraph 零基础入门系列的第4篇，我们将深入探讨 LangGraph 中最强大的功能之一——Tool Calling（工具调用）。通过工具调用，你的 AI Agent 将突破语言模型的知识边界，真正拥有与现实世界交互的能力。 引言：为什么需要工具？想象你正在开发一个智能助手，用户问它：”北京今天的天气怎么样？” 如果你使用的是纯语言模型，它会这样回答：”作为AI，我无法获取实时天气信息，我的知识截止到训练数据的时间点…” 多么令人沮丧的回答！ 这就是工具（Tool）存在的意义。工具是 AI Agent 与外部世界交互的桥梁，它们让语言模型能够： 🌤️ 获取实时信息 — 天气、股价、新闻 🔍 搜索知识库 — 查询数据库、检索文档 🧮 执行精确计算 — 数学运算、代码执行 📝 操作外部系统 — 发送邮件、创建日历事件、调用API LangGraph 的 Tool Calling 机制，本质上是一种让 LLM 自主决策何时、如何使用工具的智能编排系统。它不是简单的函数调用，而是一个完整的...

写在前面：当AI开始”学会工作”2024年初，Anthropic发布了Claude 3系列模型，以其卓越的推理能力和超长的上下文窗口震惊业界。但仅仅拥有聪明的”大脑”还不够——真正让AI从”对话工具”进化为”工作伙伴”的，是**Skills（技能）**机制的引入。 2026年1月29日，Anthropic发布了《A complete guide to building skills for Claude》完整指南，正式将Skills推向了更广阔的用户群体。这份指南揭示了一个核心事实：构建一个可用的Skill，平均只需要15-30分钟。 这个数字令人震惊。要知道，在传统的AI应用开发中，即使是简单的自动化脚本，也往往需要数小时甚至数天的开发调试。Skills将门槛降低到了一个前所未有的水平。 但Skills的意义远不止于”低代码”。它代表着一种范式的转移：从”每次对话都要重新解释需求”到”一次配置，持续复用”；从”通用AI”到”领域专家”；从”对话工具”到”工作流引擎”。 一、什么是Claude Skills？为什么它如此重要？1.1 Skills的本质：给AI装上”肌肉记忆...

引言当 AI Agent 从”回答问题”进化到”执行操作”，安全风险呈指数级增长。上午我们讨论了不确定性管理——如何让 Agent 在认知局限下做出可靠决策。下午，我们来探讨另一个关键命题：当 Agent 的决策需要落地执行时，如何确保这个过程是安全的？ 答案就是安全沙箱（Sandbox）。 沙箱不是可选项，而是生产级 Agent 系统的必备基础设施。没有沙箱的 Agent 就像没有刹车的赛车——速度越快，风险越大。 本文将系统性地拆解 Agent 安全沙箱的设计原则、技术方案和实现细节。 一、Agent 执行的风险模型1.1 执行风险的三个维度 风险维度 威胁示例 潜在后果 系统安全 Agent 执行 rm -rf / 或修改系统配置 数据丢失、服务中断 数据安全 Agent 访问敏感数据库或泄露 API Key 隐私泄露、合规风险 资源滥用 Agent 陷入无限循环或创建过多进程 资源耗尽、拒绝服务 1.2 为什么传统安全模型不够用传统的应用安全模型假设： 代码是开发者编写的，经过审查 执行环境是可信的 用户输入经过校验 但 AI Agent 打破...

与 Channing 的对话 | 2026年02月19日 今日主题：LangGraph 入门系列10篇自动化发布战役 这是一场从策划到执行、从失败到修复、最终大获全胜的内容生产马拉松。 一、今日话题概览今天的对话围绕一个核心目标展开：让 LangGraph 入门系列10篇文章在一天内自动发布完成。 这不是一个简单的定时任务设置，而是一场涉及技能修复、流程优化、问题排查的完整战役。从早上09:00第一篇文章发布，到晚上21:00最后一篇上线，历时12小时，9篇文章成功发布，总字数约55,000字。 二、各话题深度探讨1. 系列启动：定时任务的精密编排昨天的对话为今天奠定了基础——10篇 LangGraph 入门文章的定时任务已设置完毕，从13:00到21:00每小时发布一篇。 系列规划： 时间 篇目 核心主题 09:00 第1篇 LangGraph 是什么？5分钟搞懂核心概念 13:00 第2篇 State状态管理：Agent的”记忆系统” 14:00 第3篇 Node节点：让AI”动起来” 15:00 第4篇 Tool Calling：让AI拥有”超...

引言：当 AI 说”我不知道”2024 年，某医疗 AI 助手将患者的”轻微头痛”诊断为”脑膜炎前兆”，导致不必要的急诊就医。同一年，某金融分析 Agent 在市场波动期间给出了截然相反的投资建议。这些事件暴露了一个被忽视的核心问题：LLM 驱动的 Agent 系统缺乏对自身不确定性的认知能力。 不确定性管理（Uncertainty Management）是构建生产级 Agent 系统的关键基础设施。本文将深入探讨如何在 LangGraph 框架中实现完整的不确定性量化、校准与处理机制。 一、不确定性的本质与分类1.1 认知不确定性（Epistemic Uncertainty）认知不确定性源于模型知识的局限性。当 Agent 遇到训练数据分布之外的场景时，即使输出看起来 confident，也可能是幻觉。 1234# 典型场景：超出知识边界user_query = "请分析 OpenClaw 框架的内存管理机制"# Agent 可能生成看似合理但实际错误的回答# 因为训练数据中没有 OpenClaw 的相关信息 1.2 偶然不确定性（Aleatoric Un...