Guides
TodayAI Guides
把分散在官方文档和 Cookbook 里的 AI 实践方法，整理成更容易直接动手的中文指南。
Vercel
用 Vercel AI SDK 生成 Embeddings
Vercel · Embeddings
按 AI SDK Core Embeddings：用 embed / embedMany 生成向量，再用 cosineSimilarity 比较相似度。
Vercel
用 Vercel AI SDK 完成 Tool Calling
Vercel · Tool Calling
按 AI SDK Core Tool Calling：用 tool() 定义 schema 与 execute，在 generateText 里启用多步 stopWhen，完成天气查询一类闭环。
Vercel
用 Vercel AI SDK 生成第一段文本
Vercel · AI SDK
按 AI SDK Core：用 generateText 拿到完整文本，或用 streamText 边生成边消费 textStream。
Hugging Face
用 Diffusers 跑通第一次图像生成
Hugging Face · Diffusers
按 Diffusers Quickstart：用 DiffusionPipeline.from_pretrained 加载模型，输入 prompt，取出 images[0] 完成第一次文生图。
Hugging Face
用 Datasets 加载并处理第一个数据集
Hugging Face · Datasets
按照 Datasets 官方 Quickstart，用 load_dataset 拉取 MRPC，map 做 tokenize，再 with_format 交给 DataLoader。
Hugging Face
从 Agents Course 理解 Agent 基本闭环
Hugging Face · Agents
按 Hugging Face Agents Course Unit 1：分清 Agent 与普通聊天，理解 Think → Act → Observe，以及 Tool 与 Observation 如何推动下一步。
Hugging Face
用 Transformers 跑通第一次模型推理
Hugging Face · Models
按 Transformers Quickstart：用 pipeline 做 text-generation，再用 AutoModel / AutoTokenizer 走一遍手动推理路径。
Model Context Protocol
连接远程 HTTP MCP Server
Model Context Protocol · Remote MCP
按官方 Connect to remote MCP Servers：在 Claude 中添加 Custom Connector，用远程 MCP URL 完成鉴权、资源接入与工具权限配置。
Model Context Protocol
用 MCP Inspector 调试你的 Server
Model Context Protocol · Inspector
按官方 Inspector 文档：用 npx 启动 Web/CLI/TUI 三种客户端，列出 tools、调用工具，并连接本地或远程 Server。
Model Context Protocol
构建可以连接 MCP Server 的 Client
Model Context Protocol · MCP
用 Python 做一个能连接 MCP server 的聊天客户端：发现工具、执行调用、把结果回传模型。
Model Context Protocol
构建你的第一个 MCP Server
Model Context Protocol · MCP
用 Python 做一个最小 MCP weather server，暴露 get_alerts / get_forecast，并接入 Claude for Desktop 验证。
LangChain
用 LangChain Supervisor 模式构建个人助理 Multi-Agent
LangChain · Multi-Agent
按官方 subagents personal assistant 教程：日历与邮件子代理各自专注，再包装成工具，由 supervisor 协调跨域请求。
LangChain
用 Deep Agents 做第一次研究型 Agent
LangChain · Deep Agents
按 Deep Agents Quickstart：安装 deepagents、配置搜索工具与模型，用 create_deep_agent 跑通第一个研究型 Agent。
LangChain
用 LangChain 构建 SQL Agent
LangChain · SQL Agent
按官方 SQL agent 教程：下载 Chinook、封装只读 SQL tools，再用 create_agent 让模型查表、校验并执行查询。
LangChain
用 LangGraph 构建可定制的 RAG Agent
LangChain · RAG
用 LangGraph 把 RAG 拆成可路由节点：决定是否检索、ToolNode 取回文档、grade 相关性，再生成答案或改写问题重试。
LangChain
用 Deep Agents 做文档 RAG Agent
LangChain · RAG
按官方 retrieve → offload → delegate 模式：索引文档、用检索工具把片段写入 filesystem，再交给子代理分析并合成回答。
用 Gemini Structured Outputs 约束 JSON 结果
Google · Structured Outputs
按官方 Structured outputs：用 JSON Schema / Pydantic 约束 Gemini 的最终回答格式，提取菜谱等结构化数据并可直接校验。
用 Gemini Embeddings 做文本向量化
Google · Embeddings
按 Gemini API Embeddings 文档：用 embedContent 生成向量，配置 task 前缀或 task_type，并用 output_dimensionality 控制维度。
用 Gemini File Search 做托管文档检索
Google · RAG
创建 File Search store、上传文档、等待索引，再在 Interactions 中启用 file_search 做 RAG 问答。
用 Gemini Function Calling 连接外部动作
Google · Agents
把函数描述交给 Gemini，让模型返回要调用的函数名与参数。按官方 Interactions API 示例跑通最小闭环。
Anthropic
为 Claude Code 配置安全的权限模式
Anthropic · Claude Code
用 defaultMode 与 allow/ask/deny 规则，给 Claude Code 配一套可提交版本库的安全权限策略。
Anthropic
用 Claude Code Hooks 拦截关键操作
Anthropic · Claude Code
在 settings.json 里配置 PreToolUse 等 hooks，在工具执行前拦截危险命令或保护敏感文件。
Anthropic
用 Claude API Tool Use 调用外部工具
Anthropic · Tool Use
在 Messages API 里声明客户工具，处理 tool_use，再回传 tool_result，跑通 Claude 的外部工具闭环。
Anthropic
把 Claude Code 连接到 MCP 工具
Anthropic · MCP
用 claude mcp add 接入远程 HTTP MCP server，让 Claude Code 直接读写外部工具，而不是靠复制粘贴。
Anthropic
用 Claude Code 开始一个真实项目
Anthropic · Claude Code
安装 Claude Code，进入真实仓库，先读懂项目，再做一次受控的小修改。
OpenAI
用 Responses API 的 Web Search 做联网问答
OpenAI · Web Search
在 Responses API 的 tools 里启用 web_search，让模型检索当前网络信息并返回带引用的回答。
OpenAI
用 OpenAI Agents SDK 跑一个最小 Agent
OpenAI · Agents SDK
安装 openai-agents，用 Agent + Runner 跑通最小文本 Agent，再加一个函数工具。
OpenAI
用 OpenAI Function Calling 跑通工具闭环
OpenAI · Function Calling
在 Chat Completions 里声明 tools，处理 tool_calls，再用 tool 角色回传结果，跑完一轮完整工具调用。
OpenAI
用 Structured Outputs 拿到可解析的模型结果
OpenAI · Models
用 json_schema + strict 约束 Chat Completions 输出，让结果可以直接解析进入应用逻辑。
OpenAI
用 Responses API File Search 检索 PDF 知识库
OpenAI · RAG
上传一个 PDF 到 OpenAI Vector Store，再用 Responses API 的 file_search 基于这份文件回答问题。