教程中心
AI Agent 从入门到实战：概念理解、MCP 使用、平台实操、工作流自动化
1252
教程总数
234
入门教程
42
实操教程
按主题浏览
FastAPI vs LangServe: Side-by-Side Comparison
API framework comparison for LLM application deployment — comparing deployment across fastapi and langserve
FastAPI vs LangServe 对比（2026）：默认选 FastAPI——LangServe 已进维护模式，LangChain 部署重心转向 LangGraph Platform。含 LangServe 失势原因、FastAPI 直接服务任意 LLM 栈的代码、有状态 Agent 何时值得上平台。
Streaming vs Polling for LLMs: Side-by-Side Comparison
API design comparison for real-time LLM responses — comparing UX patterns across fastapi and websockets
LLM 流式 vs 轮询对比（2026）：这是两个问题——单响应渐进展示用流式(SSE)、长任务追踪用提交+轮询/webhook、机器消费输出两者都不用。含真实产品三层混合架构与反模式警告。
OpenAI Batch vs Standard API: Side-by-Side Comparison
Cost and throughput tradeoffs in OpenAI API modes — comparing batch processing across openai and python
OpenAI Batch vs 标准 API 对比（2026）：不急的活半价做——JSONL 上传→轮询→下载完整代码、custom_id 关联、部分失败重提、独立配额不挤占线上流量。Anthropic/Gemini 同款模式。
Synchronous vs Async LLM Calls: Side-by-Side Comparison
Performance comparison for concurrent LLM operations — comparing throughput across asyncio and httpx
同步 vs 异步 LLM 调用对比（2026）：单次调用用同步、并发多请求用 async——100 个请求 400s 变 40s。含 Semaphore 限流、事件循环阻塞等常见坑、决策表，以及与 Batch API/流式的关系。
LangSmith vs Helicone vs Langfuse: Side-by-Side Comparison
LLM observability platform comparison — comparing monitoring across langsmith and langfuse
LangSmith vs Helicone vs Langfuse 对比（2026）：Helicone 是代理（改 base URL 即接入+缓存限流）、Langfuse 是开源可自托管的追踪+评估平台、LangSmith 在 LangChain 生态内零配置最深追踪。含决策规则与组合用法。
Zod vs Pydantic for AI Validation: Side-by-Side Comparison
Schema validation comparison for AI outputs — comparing type safety across zod and pydantic
Zod vs Pydantic 做 AI 输出校验（2026）：TS 栈用 Zod（Vercel AI SDK）、Python 栈用 Pydantic（OpenAI SDK/Instructor）。LLM 输出即不可信输入——含两栈真实代码、自修复重试、反幻觉语义校验与跨栈 JSON Schema 同步。
Claude Artifacts vs GPT Code Interpreter: Side-by-Side Comparison
AI coding environment comparison — comparing developer tools across anthropic and openai
Claude Artifacts vs ChatGPT Code Interpreter（2026）：前者是浏览器端交互渲染画布（UI 原型/可视化/可发布分享），后者是服务端 Python 沙盒（文件分析/数据处理）。任务是"做个交互的东西"选前者，"算这个文件"选后者，含组合用法。
LangChain vs LlamaIndex: Side-by-Side Comparison
Framework comparison for building RAG applications — comparing developer experience across langchain and llama-index
LangChain vs LlamaIndex 快速决策版（2026）：纯 RAG 问答选 LlamaIndex（数据框架）、Agent/编排为主选 LangChain+LangGraph（编排框架）、两者可组合、简单应用两个都别用。含决策表与实战经验。