PyTorch研习社
全面解析数据库类型：从关系型到NoSQL与向量数据库
本文系统介绍了主流数据库类型，包括关系型数据库、非关系型（NoSQL）数据库如键值存储、文档存储、列存储等以及新兴的向量数据库，并探讨了它们的特点和适用场景。
35页终极指南：多智能体是如何让LLM“组团开挂”的？
研究者们提出了多智能体系统（MAS），通过多个智能体的协作突破单体模型的局限。介绍了构建智能体大脑、组建智能体团队、选择协作类型、制定协作策略、设计通信拓扑结构和协调智能体协作等步骤，涵盖问答与推理、软件开发、科学文化、物联网与5G等领域应用。
多智能体具身智能绝对是下一个AI爆点
文章综述了当前Multi-Agent Embodied AI的研究进展，强调了协作式多智能体系统在物理环境中的重要性，并探讨了其三大核心支柱——具身性、交互性和适应性，以及多个研究方向如基于控制的策略、学习方法和生成式模型。
干货满满的斯坦福的Agentic AI研讨会要点总结
最近，斯坦福大学举办了一场关于 Agentic AI 的网络研讨会，探讨了 Agentic 语言模型的应用及其在实际中的应用方式，涵盖反思、规划、工具使用及迭代调用等设计模式。
n8n实战：零代码构建一个RAG智能体
使用 n8n 和 Pinecone 数据库构建 RAG 智能体工作流，通过将数据加载到 Pinecone 向量数据库，并利用 AI Agent 处理用户查询来回答问题。
n8n vs Dify：工作流自动化与 AI 应用的终极对比
对比开源自动化工具n8n和Dify，n8n适用于复杂工作流自动化，涵盖多种第三方集成；而Dify侧重AI应用开发，原生支持LLM。选择取决于具体需求和团队背景。
几乎零代码！像搭乐高一样做AI应用，LazyLLM真的有点东西啊
通过 LazyLLM 开发了一个简单高效的 RAG 系统 demo，仅需 63 行代码实现两个检索器和一个重排机制，利用阿里云 Qwen3 和 text-embedding-v3 模型生成知识库嵌入向量。