Practical guides, in-depth technical pieces, and lessons from real projects.
工具使用（Tool Use）是讓 AI Agent 真正落地的關鍵能力。本文從概念、技術細節到實戰案例，帶你一次搞懂 Function Calling、工具設計原則，以及如何打造可靠的 Agentic 工具鏈。
這是第二篇測試文章，用來驗證 CMS 資料流是否正常運作。
用最簡單的比喻帶新手認識兩款熱門開源 AI Agent：OpenClaw 像「廣納百川的中央控制塔」，Hermes Agent 則像「會自我進化的學習迴圈」。一次看懂架構、記憶、技能、安全性的差異。
OpenCLI 是一款開源工具，讓 AI Agent 透過預定義的 CLI 介面，以零 token 成本確定性地操控 87+ 網站與桌面應用程式，是打造高效 Agentic 工作流的利器。
本文介紹 Agentic AI 的核心概念，探討 AI Agent 如何從單純的問答走向自主規劃、工具使用與多步驟執行。
Model Context Protocol 如何解決 Agent 與外部工具整合的碎片化問題。從規格設計、實作細節到生態系現況，一篇掌握 MCP 全貌。
比較主流 Multi-Agent 框架的設計哲學與適用場景。LangGraph 的狀態機模型、AutoGen 的對話驅動、CrewAI 的角色分工——各自的強項與侷限。
傳統 RAG 是單次檢索後生成答案，Agentic RAG 讓 Agent 能動態決定何時檢索、檢索什麼，並在需要時多次查詢，大幅提升複雜問題的回答品質。
