AI

Planning模式要求智能体在执行开始之前，先将一个复杂的目标分解为结构化的路线图或有序的步骤序列。它将智能体从简单的反应者升级为主动的战略执行者。

Agentic RAG模式是基础检索增强生成（RAG）模式的**高级演进**，它在传统的检索-生成流程中**嵌入了推理和决策层**（即智能体），从而将 RAG 从一个被动的数据管道转变为一个**主动的问题解决框架**。它显著提升了信息提取的**可靠性和深度**。

Reflection模式为智能体增加了一个**自我评估和迭代改进的层次**，使其能够对其自身的工作、输出或内部状态进行批判性审查，并利用评估结果来提升性能或优化响应。

ReAct设计模式将智能体的行为结构化为**显式的推理循环**，将思维链（CoT）推理与智能体的工具交互结合起来，让智能体在思考和行动之间交替进行，从而实现复杂、自适应的问题求解。

深入解析 Cursor 2.0 的重大更新，包括 Composer 模型、多代理并行、多模型同时处理同一任务、全新界面设计等革命性功能

Google NotebookLM 是Google开发的一种用于处理和生成笔记本内容的基于大型语言模型的笔记类（知识库类）网页应用。它能够理解和生成结构化的笔记本数据，支持代码、文本和图形元素的混合处理。本文主要分享我的个人使用心得。

本文介绍了DeepSeek-OCR，一种革命性的AI模型，能够将长文本处理效率提升数十倍，从而实现对超长文档的快速处理。

Jason wei在各个场合的观点

传统AI训练像是把人类所有的知识都强行灌输AI，而Meta的最新论文《Agent Learning via Early Experience》为我们展示了一条训练AI智能体的新路径: 可扩展、无需奖励的实用范式，通过将智能体自身的行为和结果转化为强大的监督信号，显著提升了AI的性能、数据效率和泛化能力。

这里将收集Context Engineering相关的重要文献，具体解读将在其他博客展开。