浏览器作为工具：使用Google Colab进行网页自动化与数据提取
LLM 本身不连接实时数据源，Google Search grounding 只能利用搜索索引，存在时效性与覆盖范围限制。当代理需要访问实时网页、JavaScript 渲染内容或私有内网时，必须把浏览器封装为可调用工具。该技术适用于实时问答、竞品监控、内网知识检索等场景，主要限制是依赖目标站点可抓取性、截图延迟与合规约束。 核心是…
阅读教程 →官方AI技术教程 · 中文精选
API 与工程实践
API、SDK、CLI、部署、监控与生产工程实践。
共 61 篇教程
使用Codex CLI在GitLab中自动化代码质量与安全修复
传统CI/CD流水线依赖基于规则的静态分析工具，如ESLint、SonarQube等，它们能有效捕获已知模式的问题，但缺乏对代码上下文和业务逻辑的理解，常产生大量误报或漏报，且难以提供可操作的修复建议。随着LLM的发展，利用其推理能力可以弥补这一不足：LLM能理解代码语义，识别跨函数、跨模块的复杂问题，并生成人类…
阅读教程 →使用Codex CLI与Agents SDK构建一致的工作流
在AI工程实践中，开发者常面临智能体行为不可控、上下文管理混乱、多智能体协作困难等问题。Codex CLI作为OpenAI的编码代理，可通过MCP（Model Context Protocol）服务器暴露为工具，与Agents SDK无缝集成。这种架构允许开发者利用Codex的代码生成能力，同时通过Agents SDK的编排、交接和追踪功能，实现复杂工作流的自动化与…
阅读教程 →Gemini代码执行教程：用Python完成计算与数据分析
大语言模型在数学计算、数据分析和精确字符串处理上容易出错，纯文本推理无法保证结果正确。代码执行让模型把推理转化为可运行的 Python 代码，由沙箱执行后把真实结果回传，从而获得可验证、可迭代的输出。它适用于数值计算、数据可视化、算法模拟等场景，但受限于沙箱环境、文件类型偏好（.csv/.txt）、模…
阅读教程 →OpenAI 兼容性快速入门指南
随着大语言模型（LLM）的普及，开发者常面临多模型切换的痛点。OpenAI 的 API 已成为事实标准，但不同厂商的 SDK 差异增加了学习成本。Gemini API 提供 OpenAI 兼容层，使开发者无需重写代码即可复用现有 OpenAI 工具链，降低迁移门槛。该兼容层适用于需要快速原型验证、多模型对比、或已有 OpenAI 代码库的团队。主要限…
阅读教程 →LangChain SQL Agent教程：用自然语言查询数据库
传统SQL查询需要用户掌握结构化查询语言，对非技术用户门槛高。自然语言查询SQL（NL2SQL）旨在让用户用日常语言获取数据库信息，提升数据可访问性。LangChain提供链式抽象，简化LLM与外部工具（如数据库）的集成。Gemini模型具备强大的文本理解和生成能力，能准确将自然语言转换为SQL。此技术适用于数据分析、商业…
阅读教程 →File API 使用指南：Google AI 文件上传与处理
Gemini API 支持多模态提示，但直接传递大文件（如视频、长文本）会受限于请求大小和延迟。File API 提供异步上传机制，将文件存储于云端，通过 URI 引用，使提示请求轻量化。它解决大文件传输、重复上传和生命周期管理问题，适用于需要处理视频、音频、大型文档或代码库的场景。限制包括：文件大小上限 2GB，项…
阅读教程 →Gemini API：关于 Token 的一切
在大型语言模型（LLM）的应用中，token 是模型处理文本的基本单位，直接影响 API 的计费、上下文窗口限制和响应质量。Gemini API 作为 Google 提供的多模态生成模型接口，其 token 机制与传统的字符或单词计数不同，理解 token 的生成规则和计算方式对于控制成本、优化提示词和避免超出上下文限制至关重要。本教程面向…
阅读教程 →Webhooks.ipynb：使用Google Colab构建Webhook的完整指南
在AI应用中，许多操作如视频生成、批处理任务等耗时较长，传统做法是客户端轮询服务器状态，这不仅浪费资源，还增加延迟。Webhooks提供了一种事件驱动的解决方案：当任务完成时，服务器主动向预设的URL发送HTTP POST请求，实现实时通知。Gemini API的Webhooks支持静态（项目级）和动态（请求级）两种配置，适用于需…
阅读教程 →Imagen 快速入门指南：使用 Gemini API 生成图像
文本到图像生成已从研究演示走向产品级能力，但开发者常面临模型选型混乱、参数语义不清、付费与配额限制不透明、生成结果不可控等问题。Imagen 4 系列是 Google 当前质量最高的文生图模型，通过 Gemini API 统一暴露，支持自然语言提示、多风格输出和文本渲染。它适用于营销素材、插画、漫画分镜、书籍配图等场…
阅读教程 →使用嵌入向量进行聚类分析：Google Colab 教程
在真实业务中，大量文本没有标签，人工归类成本高且难以扩展。传统 TF-IDF 或词袋模型只能捕捉词面重合，无法理解同义、改写和上下文语义，导致主题发现效果差。嵌入模型把文本映射到高维语义空间，使语义相近的文本距离更近，从而让聚类、检索、分类等下游任务可以直接在向量空间中进行。Gemini 嵌入模型提…
阅读教程 →异常检测教程：使用Python进行异常检测的完整指南
在日志监控、内容审核、金融风控等场景中，异常检测用于从海量数据中识别偏离正常模式的样本。传统方法依赖手工特征或统计规则，难以捕捉文本语义层面的异常。嵌入模型将文本映射为高维向量，使语义相近的样本在向量空间中聚集，从而可以用距离度量发现离群点。Gemini API 提供多种任务类型的嵌入，适合聚…
阅读教程 →成本估算与健康监控：Google Colab 教程
随着 AI 应用规模化，API 调用成本成为关键考量。Gemini API 按令牌计费，不同模型定价差异大，且存在配额限制。缺乏可观测性会导致成本失控、性能瓶颈难以定位。本教程旨在提供一套轻量级、可复用的监控方案，使开发者能够实时追踪成本、验证 API 可用性，从而优化资源分配、预防配额超限，并支持成本预算管理…
阅读教程 →推理层级（Inference Tiers）教程：从零开始理解并应用
在AI应用开发中，推理成本与延迟是核心权衡。标准API提供均衡性能，但面对交互式应用（如聊天机器人）需要极低延迟，而批量任务（如数据标注）则希望降低成本。Gemini API的推理层级应运而生：Priority层级为关键业务提供高优先级计算，确保低延迟和高可靠性；Flex层级利用空闲计算资源，以更低价格提供可接受的…
阅读教程 →Gemini嵌入与Haystack跨模态检索教程
传统检索系统通常按模态分别建模：文本用 BM25 或文本嵌入，图像用 CLIP 类模型，PDF 与音视频另建索引，导致跨模态查询需要多套模型和融合逻辑，工程复杂度高。Gemini Embedding 2 将文本、图像、视频、音频和 PDF 映射到同一向量空间，使任意模态可作为查询检索任意模态，显著简化架构。Haystack 作为生产级 LLM 编排框…
阅读教程 →使用Weaviate和Gemini API实现个性化描述生成
传统电商商品描述依赖人工撰写或模板填充，难以规模化且缺乏个性化。向量数据库让语义检索成为可能，而大语言模型能基于商品图片与文本生成自然语言描述。Weaviate 作为开源向量数据库，内置 text2vec-palm 与 generative-palm 模块，可直接对接 Gemini API，把嵌入、检索、生成、回写整合到同一数据层。该方案适用于电…
阅读教程 →Google I/O 2025：使用Gemini API进行实时编码体验
Gemini API 已从单一文本补全演进为覆盖图像、视频、语音、视频理解与工具调用的多模态平台。开发者面临的核心问题不再是“能否调用模型”，而是如何在统一 SDK 下组合多种生成式媒体模型、如何管理异步长任务、如何控制推理成本与延迟、如何让模型访问实时与私有信息。Google I/O 2025 的实时编码环节正是围绕这…
阅读教程 →使用嵌入向量对文本进行分类：Google Colab 教程
传统文本分类依赖词袋、TF-IDF 等稀疏特征，难以捕捉语义相似性，且需要大量特征工程。嵌入向量将文本映射为稠密语义向量，使语义相近的文本在向量空间中距离更近，从而让简单分类器也能获得良好效果。Gemini 嵌入模型提供 CLASSIFICATION、CLUSTERING、SEMANTIC_SIMILARITY、RETRIEVAL_QUERY、RETRIEVAL_DOCUMENT 等任务类型，针对不…
阅读教程 →开始思考：Jupyter Notebook 入门指南
传统语言模型直接生成答案，在复杂任务（如多步推理、数学计算）中容易出错。Gemini 模型引入了显式的思考过程，在生成最终答案前进行内部推理，显著提升复杂任务的准确性。思考级别（Thinking Level）允许开发者控制推理深度，在响应速度、成本和推理质量之间取得平衡。本教程基于最新的 Interactions API，取代了…
阅读教程 →Gemini函数调用教程：Python Function Calling实战
大型语言模型（LLM）虽能生成自然语言，但无法直接访问外部数据或执行真实操作。函数调用（Function Calling）允许开发者将自定义函数描述传递给模型，模型在需要时返回函数名和参数，由应用执行，从而将 LLM 与外部系统（如数据库、API、设备控制）连接。此技术广泛应用于智能助手、自动化工作流、信息检索等场…
阅读教程 →构建会话浏览器：使用Claude Agent SDK管理会话历史
在将AI代理作为产品（如桌面应用、IDE扩展或聊天机器人）发布时，用户最迫切的需求之一就是会话历史管理。他们希望查看过去的对话、继续之前的讨论，或在不丢失原始上下文的情况下分支探索新方向。然而，代理循环本身只解决了单次交互的问题，而产品体验的另一半——会话管理——往往被忽视。Claude Agent SDK…
阅读教程 →使用Claude进行保险支持工单分类：从70%到95%+准确率的完整指南
在保险行业中，每天产生大量支持工单，手动分类耗时且易出错。传统机器学习方法依赖大量标注数据，难以适应复杂业务规则和快速变化的类别定义。LLM 凭借强大的语义理解和少样本学习能力，成为解决此类问题的理想选择。本教程旨在帮助开发者掌握如何利用 Claude 构建可解释、高精度的分类系统，适用于数据稀…
阅读教程 →使用Claude构建知识图谱：从非结构化文本到多跳推理
传统知识图谱构建需要为每个领域训练命名实体识别器、关系分类器和实体消解启发式规则，并在数据变化时持续维护。RAG 检索无法串联跨文档事实，多跳问题（如“谁与参与项目 X 的人一起工作”）需要图遍历。Claude 的结构化输出让每个阶段变成一次提示调用，无需训练数据即可从任意文本抽取类型化实体和主谓…
阅读教程 →检索增强生成（RAG）指南：构建与优化
大语言模型虽具备通用能力，但对企业内部文档、客户支持知识库等专有领域问题往往无法准确回答，容易产生幻觉。RAG通过检索外部知识并注入提示词，让模型基于真实上下文作答，成为企业落地AI应用的主流范式。然而，朴素RAG在检索质量、上下文相关性、排序精度上存在明显瓶颈，需要工程化手段持续优化。本…
阅读教程 →使用Claude API进行程序化工具调用（PTC）
在AI代理应用中，工具调用是模型与外部系统交互的关键机制。传统工具调用中，每次工具调用都需要模型参与，导致多次往返延迟，且大量原始数据（如冗长的JSON响应）会占用模型上下文窗口，增加令牌消耗。PTC允许模型编写代码在代码执行环境中调用工具，从而减少往返次数，并通过代码处理数据，避免不相关上…
阅读教程 →通过Claude API实现提示缓存：降低延迟与成本的完整指南
在大语言模型应用中，长上下文处理常导致高延迟与高成本，尤其在多轮对话、文档分析等重复性任务中，相同前缀被反复处理。提示缓存通过存储和重用提示中的上下文，避免重复计算，显著提升响应速度并降低费用。适用于需要频繁使用固定系统提示、长文档或历史对话的场景，如客服机器人、代码助手、文档问…
阅读教程 →使用Claude进行摘要生成：法律文档指南
在信息过载场景下，法律、金融、合规等领域的文档动辄数十上百页，人工阅读成本极高。传统抽取式摘要难以生成连贯表达，而通用LLM直接摘要又面临输出不可控、结构不可解析、长文档超上下文、质量难以量化等问题。Claude具备长上下文与强指令遵循能力，适合做生成式摘要，但要把能力工程化，需要解决提示设…
阅读教程 →AI Agent上下文工程：记忆、压缩与工具清理
构建长时程智能体时，工具结果、模型推理和用户消息会持续累积，最终触及 token 上限或为无用上下文付费。Chroma 的上下文腐化研究表明，随着上下文窗口 token 增加，模型准确召回信息的能力下降，边际收益递减。Anthropic 的上下文工程博客将上下文视为有限资源，核心原则是找到最小高信号 token 集合。压缩、工具…
阅读教程 →使用Claude执行内容政策：构建可审计的内容审核管道
内容审核需要在发布前按书面策略检查内容并决定发布、拒绝或转人工。策略由策略、法律或品牌团队用自然语言撰写，而内容到达速度远超人工阅读速度，核心矛盾是策略由人用散文写成，执行却需要一致、廉价且可审计。直接把策略粘贴进提示词请求裁决在演示中可行，但生产规模下会出现同一内容不同运行得到…
阅读教程 →GPT Actions 库：Outlook 集成指南
随着大型语言模型（LLM）能力的增强，将自然语言处理与外部服务集成成为 AI 工程实践的重要方向。GPT Actions 允许开发者通过 OpenAPI Schema 定义工具，使模型能够调用外部 API。Outlook 集成解决了用户需要高效管理邮件、日历和联系人的需求，通过自然语言指令即可完成复杂操作，减少手动切换应用的时间。适用场景包…
阅读教程 →提示缓存高级指南：优化策略与性能影响
在大语言模型推理中，预填充阶段（处理输入令牌）是计算和延迟的主要瓶颈。对于包含大量重复内容（如系统指令、工具定义）的请求，每次重新计算这些前缀的键值（KV）张量会浪费大量资源。提示缓存通过复用先前计算的前缀KV缓存，显著降低首字延迟和输入成本。它适用于对话系统、代理循环、工具调用等场…
阅读教程 →OpenAPI函数调用教程：让AI自动调用REST API
OpenAPI规范（OAS）是描述RESTful API的机器可读标准，广泛用于API文档和客户端生成。将OAS与函数调用结合，可让AI模型理解API结构并自动生成调用参数，从而无需手动编写接口调用逻辑。这解决了传统AI应用中API集成繁琐、难以扩展的问题，适用于需要动态调用多个服务的场景，如智能助手、自动化工作流。主要限制包…
阅读教程 →利用Google Places API和客户画像进行地点搜索：函数调用实战指南
在AI驱动的应用开发中，个性化推荐是提升用户体验的核心。传统地点搜索仅基于位置和关键词，缺乏对用户偏好的理解。通过引入客户画像（如食物偏好、活动兴趣、预算等），结合Google Places API的实时数据，并利用大语言模型（如GPT-3.5-Turbo）的函数调用能力，可以自动解析用户意图（如“我饿了”），动态调用API…
阅读教程 →使用 Responses API 提升推理模型性能
推理模型（如 o3、o4-mini）通过内部思维链逐步解决问题，但出于安全考虑，推理令牌仅以摘要形式暴露。在多步对话中，推理令牌默认被丢弃，这可能导致模型在工具调用等场景中丢失关键上下文，影响性能。传统 Completions API 无法有效管理这些推理状态，而 Responses API 作为新一代接口，提供有状态会话、推理项持久…
阅读教程 →使用RAG进行图像理解：OpenAI视觉与响应API实战指南
多模态数据在医疗、客服等领域日益普遍，传统纯文本RAG无法处理图像信息。OpenAI的视觉与响应API支持图像理解与文件搜索，能构建更强大的RAG系统。本教程解决如何高效整合多模态数据、评估图像理解对RAG性能的影响，适用于需要分析混合文本与图像反馈的场景，如客户服务、医疗记录分析。主要限制包括API成本、…
阅读教程 →GPT Image教程：用API生成和编辑图像
传统图像生成模型（如 DALL·E 2/3）在指令遵循和照片级真实感方面存在明显不足，开发者往往需要反复调整提示词才能获得可用结果。GPT Image（gpt-image-1）作为具备世界知识的大语言模型驱动的图像生成模型，能够理解复杂、详细的自然语言指令，并生成高度符合描述的真实感图像。它解决了从文本到图像、从图像到…
阅读教程 →使用OpenAI API进行对话推理的强化微调
传统监督微调依赖大量标注数据，难以优化对话中的推理质量。强化微调（RFT）通过奖励信号引导模型学习复杂行为，如主动寻求上下文以减少不确定性。本教程基于 HealthBench 的医疗问答场景，解决模型在信息不足时未能提问的问题，适用于需要高推理质量的对话系统。 RFT 使用强化学习，通过评分器对模型输出进行…
阅读教程 →使用GPT-4o视觉功能调用：多模态AI应用指南
传统 OCR 和图像描述技术只能提取文本或生成简单描述，无法理解图像中的语义关系并触发业务动作。GPT-4o 结合视觉与函数调用，使模型能根据图像内容推理并调用外部工具，实现自动化决策。适用场景包括客服自动化、文档结构化、流程审批等。主要限制在于图像质量要求高、复杂图表解析可能出错，且需考虑 API …
阅读教程 →GPT-5 故障排除指南：常见问题及解决方案
GPT-5 作为 OpenAI 最新的大语言模型，在复杂推理、工具调用和智能体场景中表现出色，但其 API 的灵活性和模型行为的不可预测性也给开发者带来挑战。常见问题包括连接失败、参数配置不当、模型过度思考导致延迟、工具调用异常等。本指南旨在帮助开发者理解这些问题的根源，掌握系统化的排查方法，从而高效构…
阅读教程 →PDF RAG教程：解析文档并构建智能问答系统
RAG（检索增强生成）应用常需处理非结构化文档，但传统文本提取工具（如pdfminer）无法解析图表、表格等视觉元素，导致信息丢失。GPT-4o具备多模态理解能力，可分析PDF页面图像，生成详细描述，弥补纯文本提取的不足。该技术适用于知识助手、客服机器人等场景，尤其适合幻灯片、网页导出等富含视觉信息的文档…
阅读教程 →GPT Actions 库：Google Drive 集成指南
GPT Actions 允许开发者将外部 API 集成到自定义 GPT 中，扩展其能力。Google Drive 作为广泛使用的云存储服务，集成后可让 ChatGPT 直接访问用户文件，实现自然语言驱动的文件查询、内容摘要和数据分析。此集成适用于处理小型文档（如会议记录、产品设计文档），对于大型文件（如整本书）建议使用专门的 Google Docs 或 Sh…
阅读教程 →使用 Responses API 构建每次运行的支出控制器
在 AI 应用中，API 调用成本不可忽视，尤其是生产环境。开发者常面临预算失控、成本估算不准等问题。Responses API 按 token 计费，且价格因输入/输出、缓存等而异。手动估算成本容易出错，且无法在请求前阻止超支。因此，需要一个自动化的支出控制器，在每次请求前预留预算，请求后精确结算，并在超支时阻止后续…
阅读教程 →GPT-4o 与 GPT-4o mini 简介
在 GPT-4o 之前，ChatGPT 语音模式依赖三个独立模型分别处理文本、视觉和音频，导致信息割裂、延迟高、上下文不一致。GPT-4o 将文本、视觉和音频统一到一个神经网络中训练，实现原生多模态理解与生成。GPT-4o mini 是轻量版，准确率高于 GPT-3.5 Turbo，速度相当，成本更低，适合大规模多模态应用。当前 API 中 gpt-4o-mini …
阅读教程 →提示缓存入门指南：原理、优势与最佳实践
随着LLM API的广泛应用，成本和延迟成为开发者面临的主要挑战。每次请求都需要处理完整的提示，即使大量内容重复，也需全额计费，导致资源浪费。提示缓存应运而生，它借鉴Web缓存思想，针对LLM输入处理进行优化。通过缓存静态前缀，可显著降低计算开销，减少响应时间，提高吞吐量。适用于智能体、编码助手…
阅读教程 →GPT Actions 库 - AWS 中间件：AWS Lambda 集成指南
随着大语言模型（LLM）的普及，开发者希望将 ChatGPT 的能力与现有云服务（如 AWS）无缝集成。然而，直接调用 AWS API 存在认证复杂、上下文限制、数据格式不匹配等问题。GPT Actions 允许自定义 API 端点，但需要安全、可扩展的中间层。AWS Lambda 作为无服务器计算服务，提供弹性伸缩、按需付费的优势，结合 API Gateway 和…
阅读教程 →在Amazon Bedrock上开始使用OpenAI模型：完整指南
随着生成式AI的普及，企业需要在云平台上安全、合规地使用大模型。Amazon Bedrock作为托管服务，提供对多种基础模型的统一访问，包括OpenAI模型。通过Bedrock，开发者可以利用OpenAI的Responses API，同时享受AWS的生态集成、安全性和可扩展性。本教程解决的核心问题是：如何在Bedrock上配置和调用OpenAI模型，并处理生产环…
阅读教程 →Codex 提示词指南：优化 AI 编码模型性能的完整指南
随着 AI 编码模型的发展，开发者需要高效利用模型完成复杂编程任务。Codex 模型（如 gpt-5.3-codex）专为智能体编码设计，具备自主性、持久性和工具调用能力。然而，其性能高度依赖于提示词和工具配置。本指南旨在帮助开发者理解 Codex 的设计哲学，避免常见陷阱，并通过最佳实践提升模型在真实工程场景中的表现…
阅读教程 →探索用于强化微调的模型评分器
强化微调（RFT）通过在模型输出上运行强化学习，强化能获得高奖励的推理策略，从而提升推理模型在专家级任务上的表现。RFT 特别适合需要精确、可靠、可重复推理的场景，如 ICD-10 编码、账本规范化、欺诈风险分级等。与监督微调不同，RFT 不依赖大量标注样本，而是通过评分器提供奖励信号，让模型在探索中学…
阅读教程 →使用推理模型处理函数调用：完整指南
传统聊天模型（如GPT-4o）在复杂任务中往往需要多次提示才能完成，且缺乏显式推理能力。推理模型通过强化学习训练，在回答前生成内部思维链，能更好地规划多步骤任务，尤其在函数调用场景中，模型可自主决定何时调用工具、按何种顺序调用，从而构建更智能的智能体。然而，推理模型的思维链消耗额外token，…
阅读教程 →GPT Actions 库 - 通过 Adzviser 使用 Google Ads
随着大语言模型（LLM）的兴起，将自然语言交互与外部数据源结合成为 AI 工程实践的重要方向。GPT Actions 允许开发者将自定义 API 接入 ChatGPT，使用户能够通过对话获取实时数据。然而，直接连接 Google Ads API 面临诸多挑战：API 复杂、需要处理 OAuth 认证、数据格式不统一、查询语言（GAQL）学习成本高。Adzviser 作为中间…
阅读教程 →使用Qdrant和少样本学习微调OpenAI模型以实现检索增强生成（RAG）
RAG（检索增强生成）结合检索系统与生成模型，能提升答案准确性并减少幻觉。但在特定领域，基础模型可能表现不佳。微调可让模型适应领域数据，而少样本学习通过示例引导模型行为。Qdrant作为向量搜索引擎，能高效检索相似示例，为少样本学习提供支持。本教程解决如何通过微调和少样本学习优化RAG性能，适用…
阅读教程 →在GPT-4o上进行视觉微调以实现视觉问答
传统文本微调无法处理图像输入，而通用多模态模型在特定领域（如书籍封面OCR、医疗影像问答）中准确率不足。GPT-4o视觉微调允许开发者用图像-文本对定制模型，解决领域适应性问题。适用场景包括视觉问答、文档理解、缺陷检测等。主要限制：模型主要学习如何搜索图像中相关部分，而非注入新知识；效果依赖…
阅读教程 →OpenAI API 深度研究功能入门指南
传统 LLM 只能基于训练数据回答，无法获取实时信息或进行多步骤推理。Deep Research API 通过代理模型自动规划子问题、执行网络搜索和代码执行，生成带引用的结构化报告，解决了复杂现实世界研究任务自动化的问题。适用于产品比较、市场分析、竞争情报、文献综述等场景。主要限制包括：任务耗时较长（分钟级）…
阅读教程 →如何评估LLM生成SQL的性能：测试与评估框架指南
LLM的非确定性导致输出不一致，难以直接用于生产。在自然语言转SQL场景中，生成的SQL需满足语法正确且语义相关，否则无法执行或返回错误结果。传统软件测试方法无法直接套用，需要结合单元测试与LLM评估。本文旨在提供一套系统化评估框架，解决LLM应用开发中质量监控与迭代优化问题，适用于需要将LLM集成到数…
阅读教程 →通过API触发工作区代理：完整指南
工作区代理允许团队在ChatGPT中封装可重复的工作流程，包括指令、上下文、应用操作和审批。API触发机制使外部系统（如CRM、工单系统）能够启动这些工作流，实现业务自动化。传统同步API要求调用方等待结果，但代理运行可能耗时较长，因此采用异步模式：API仅确认触发已接受，实际结果由代理写入目标应用。此…
阅读教程 →GPT-5 新参数与工具：开发者控制功能详解
随着大语言模型在工程实践中的广泛应用，开发者对模型输出的控制需求日益增长。传统上，开发者通过精心设计提示词来影响输出长度和风格，但这种方法既不稳定又难以维护。同时，结构化函数调用虽然提供了接口，但强制 JSON 包装增加了不必要的复杂性。此外，对于需要严格格式输出的场景（如生成特定方言的…
阅读教程 →o3/o4-mini 函数调用指南
o3/o4-mini 是 OpenAI 推出的新一代推理模型，在响应前会进行更长时间的思考，具备更强的工具调用能力。与之前的 o1/o3-mini 相比，o3/o4-mini 在思维链中原生使用工具，解锁了更智能的工具选择与调用时机。然而，要充分发挥其潜力，开发者需要理解推理模型与传统模型的差异，并采用针对性的提示词和函数设计策略。本…
阅读教程 →使用Codex构建迭代修复循环：自动化文档可靠性工作流
在AI工程实践中，维护文档、代码示例和配置的准确性是一项耗时且易出错的任务。随着API和SDK的快速迭代，过时的示例会导致开发者困惑，降低产品信任度。传统的人工审查效率低，且难以覆盖所有细节。本文提出的迭代修复循环利用Codex等AI代理，自动执行审查、修复和验证，将人工从重复劳动中解放出来。该技术…
阅读教程 →使用AgentCore Payments构建可为API付费的AI代理
AI代理在执行任务时，经常需要访问外部付费服务，如风险报告、市场数据或搜索API。这些服务按请求收费，因此应用程序必须建立明确的规则，控制代理可以请求哪些购买以及由谁批准支出。传统的API密钥管理方式无法满足代理动态决策的需求，且存在安全风险。AgentCore Payments提供了有界支付会话的基础设施，而Open…
阅读教程 →充分利用GPT-5.4进行视觉与文档理解
传统文档理解流水线通常需要拼接 OCR、版面检测与自定义解析器，面对密集扫描件、手写表单、工程图和图表报告时容易在降采样阶段丢失小字段、注释与低对比度文字，且跨区域组合推理能力弱。GPT-5.4 将视觉感知与多步推理统一到单次模型调用中，但默认配置并非对所有文档都最优：图像分辨率、输出详细程度、…
阅读教程 →构建智能体改进循环：利用追踪、评估与Codex
在AI工程实践中，智能体系统常面临行为不可控、评估困难、迭代缓慢等问题。传统的提示调优缺乏系统性，难以持续改进。本教程提出的改进循环，通过追踪、反馈、评估和优化，将智能体的行为改进转化为可重复、可验证的工程流程。该技术适用于需要持续优化智能体行为的场景，如客服、金融分析、代码生成等…
阅读教程 →