LightRAG：把知识图谱与向量检索整合进 RAG 的实作指南
LightRAG 将知识图谱、向量 embeddings 与多种查询模式整合进同一个 RAG 工作流。本文从双层索引、文档解析、部署安全到成本评估，整理一条可实作的导入路径。
最新文章
探索 AI 应用的最新趋势与实用技巧
不只會呼叫模型：Google ADK 2.0 如何把 Agent 工作流變成可部署的 Python 軟體系統
Google ADK 2.0 將 Agent 應用拆成負責推理與工具使用的 Agent，以及負責執行順序與狀態的 Workflow。本文從原始碼與官方文件拆解工作流執行模型、Task API、多代理、MCP 工具、評估與部署，並整理導入 production 前的實務檢查表。
Chrome DevTools MCP：让 AI coding agent 直接进入浏览器除错回圈
Chrome DevTools MCP 将 live Chrome 的操作、Console、network、效能与记忆体分析能力接到 MCP，让 AI coding agent 能在程式码与浏览器状态之间建立可验证的除错回圈。本文拆解工具架构、导入方式与安全边界。
VibeVoice：让 60 分钟录音一次产生「谁、何时、说了什么」的开源语音 AI
Microsoft VibeVoice 是開源語音 AI 家族，涵蓋長音檔語音辨識與語音合成。本文說明 VibeVoice-ASR 的安裝、結構化轉錄、Realtime TTS 與負責任部署的限制。
不只是在本机跑模型：LocalAI 如何用一个 API 统一 LLM、语音与影像服务
LocalAI 把多种推论后端、模型格式与硬体加速收进一个可自架的服务层，并以 OpenAI 相容 API、按需载入的 backend、内建 Agent 与分散式能力，降低把本地模型接进真实产品的门槛。本文从架构、部署、模型管理到治理边界，拆解它适合解决什么问题，以及哪些地方仍需要工程团队自己把关。
别再把 Agent 当成一段 Prompt：Microsoft Agent Framework 如何把多代理工作流推进生产环境
我认为 Microsoft Agent Framework 真正值得关注的地方，不是再包一层聊天 API，而是把 Agent、工作流、状态、人工介入、可观测性与部署边界放进同一套工程模型。本文从官方文件与可执行的 Python 快速入门出发，拆解它适合什么团队、如何开始，以及为什么不要一开始就急着堆多代理。