#AI Agent

从需求、事实边界到系统架构，先想清楚个人 Agent 为什么需要工具与 RAG。

把 DeepSeek、RAG Retriever 与搭建笔记包装成可自主选择的工具。

把 LangChain messages stream 转换成浏览器可以增量读取的 SSE。

从 PDF 提取、隐私过滤、Document 切分，到一份可以检索的公开知识库。

从检索单测、接口健康检查到事实性问答集，避免只凭‘看起来能用’判断质量。

建立 Retriever、控制 Top K，并把检索结果转换成带来源的上下文。

记录下一阶段如何加入文本切分、向量检索、重排序、引用与长期记忆。

集成开源 agent-pet，让宠物跟随空闲、思考和对话状态变化。