登录社区云，与社区用户共同成长
邀请您加入社区
随着AI技术从辅助工具走向自主决策，软件开发的范式正从'功能驱动'转向'智能体驱动'（Agentic）。智能体（Agent）不再被动等待指令，而是主动理解用户目标、拆解任务并调用各类工具完成交付。这一转变不仅改变了交互方式，更重塑了后端架构与知识管理方式。在企业级知识密集型场景中，检索增强生成（RAG）通过向量数据库使大模型能够高效利用私有知识库，而LangGraph则为复杂任务的流程编排提供了清
一次 SSE 错误帧被吞，让 AI 问答只留下空白气泡，也让 cloud → local 降级彻底失效。本文结合 Nameo 的 HarmonyOS 实战，讲清网络状态、云端能力、端侧检索、隐私边界和额度身份为什么必须分开判断，并给出可测试的路由合同与 RAG 召回污染排查方法。
会 Java 和 Vue，转向 HarmonyOS AI 开发时，ArkTS、ArkUI、RAG 和 Agent 应该先学哪个？本文给出一个月实操路线，并用 Nameo 的多跳检索与待办确认写入链路，讲清检索、回答、受控 Agent 和真实业务落库之间的边界。
写 CRUD 写到电脑先罢工后，我开始重新审视实战项目的技术含量。本文从 Nameo 的真实开发经历出发，解释为什么选择 HarmonyOS、RAG 与 Agent，以及关联文件把 RAG 问住后，我如何重新理解“能跑”和“可交付”的区别。
