腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

文章/答案/技术大牛

发布

综合排序丨最热优先丨最新优先

MetaGPT：多智能体元编程框架

MetaGPT：多智能体元编程框架使 GPTs 组成软件公司，协作处理更复杂的任务 MetaGPT输入「一句话的老板需求」，输出「用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等

测试开发囤货

2023-08-08

1K0

标签:

多智能体架构的核心功法

这让我意识到：多智能体不是技术升级，而是组织升级。多智能体不是简单叠加，而是化学反应很多人听到"多智能体"，第一反应是"不就是多调用几个AI接口吗"。这种理解太表面了。这些问题解决不好，多智能体就会从"提升效率"变成"增加负担"。企业落地的三个关键门槛经过两年的实践，我总结出企业落地多智能体的三个关键门槛：第一个门槛：找到合适的分工边界不是所有业务都适合用多智能体。有些场景用单体AI更高效，有些场景必须用多智能体。如果任务相对简单且变化不大，单体AI足够；如果任务复杂且经常变化，多智能体的优势就体现出来了。对于企业来说，关键不是要不要用多智能体，而是什么时候用、怎么用、用在什么地方。我们的经验是：从简单场景开始，逐步复杂化；从单体AI开始，逐步多智能体化；从技术验证开始，逐步业务化。

臻成AI大模型

2026-02-02

2010

标签:

OpenAI官方开源多智能体框架「Swarm」，并不是我想要的多智能体框架

今天早上，OpenAI实施团队的 @shyamal在Github上开源了Swarm这个OpenAI官方的多智能体框架。这个多智能体框架确实已经把多智能体的关键，说的很透彻了，Swarm 里面定义了两个核心「Agents」和「Handoffs」，多智能体的核心是在这个Handoffs上面。个人观点认为他的设计还没有我们的多智能体框架好用，OpenAI的[Swarm]是docker swarm，我们的多智能体框架就是k8s，我需要的是像k8s编排容器那样编排智能体，我们刚刚在9月26日对外发布了多智能体的工业设计产品多智能体的核心难题其是不同智能体之间的通信问题。怎麼传递信息，传哪些信息，这些都很重要。多个智能体协作，也只需要在必要的时候被调用起来就可以了。 OpenAI的Swarm 目前还处于实验阶段，期望他发展成为k8s 这样的一个多智能体编排框架：这个框架是python写的，大家觉得用python 写多智能体应用是好选择吗？

2025-02-04

7300

标签:

DeepMind 最新教程：多智能体学习

DeepMind团队最新做的关于多智能体学习的教程 DeepMind团队最新做的关于多智能体学习的教程

数据科学人工智能

2022-03-31

7460

标签:

2026 年智能体架构综述：从笨重设计到多智能体架构（MAS）

如果把 2024 年比作智能体的“前哨战”，那么 2026 年就比作真正生产级智能体的“分水岭”。取而代之，是像微服务演进同样必然的范式：多智能体系统（Multi-Agent System, MAS）。01 笨重设计的最终路：为什么分离剂玩不动了？在早期探索中，我们习惯于构建“全能型智能体”。设计模式在处理简单的演示时表现出色，但在真实的企业级场景（如复杂的金融审计、供应链调度）中却暴露了三个致命伤：认知的“过度过度”：当一个智能体被要求同时掌握代码编写、合规审核和风险评估时，LLM 的长上下文专家、景观设计师、创意专家……这些子智能体实时同步进度，形成了一个“永不掉链子”的协作环。这就是 2026 年的现实：人工智能不再是一个查询工具，正在成为企业的操作系统（Agent OS）。随着模型上下文协议（MCP）等协议的成熟，智能体之间的协作负载已经成为冰点。如果你还在尝试用一个庞大的提示解决所有问题，那么现在就停下来重新思考架构的时候了。

2026-01-20

7010

标签:

Agent 沙箱服务

腾讯云智能体开发平台

AI 互动体验展

多智能体一致性算法

所有智能体的某个状态量（位置、速度、成本等）通过局部邻居通信最终收敛到同一个值。二、1-D 离散时间一致性（5 行 MATLAB 代码）% 一阶离散一致性N = 5; % 智能体个数A = [0 1 1 0 0; % 邻接矩阵

2025-09-02

2840

标签:

多智能体仓库AI指挥层技术架构

多智能体仓库AI指挥层实现运营卓越与供应链智能仓库的“大脑”：解决碎片化运营难题尽管仓库的自动化和数据丰富程度已达历史新高，但多数站点仍然依赖一套难以跟上节奏的系统：仓库管理系统（WMS）、少量仪表盘和分散的岗位知识主管们需要管理12类以上的设备、数千个班次任务以及持续不断的数据流，却没有任何统一的智能系统来解读全局或指导下一步行动。本文介绍多智能体智能仓库（MAIW）蓝图——一个缺失的关键层。设计目标：展示某机构AI技术栈（包括NIM、NeMo、cuML、cuVS）如何驱动运营助手提供镜像仓库角色的多智能体架构：设备、运营、安全、预测、文档处理将检索增强生成（RAG）、预测和文档AI统一到单一工作流内置真实的安全性编排的专用AI智能体团队，通过模型上下文协议（MCP）共享工具访问、外部系统调用和实时数据检索层。智能体功能规划与通用路由意图、分解任务、选择合适智能体设备与资产跟踪管理叉车、AMR、传送带；检查遥测、维护和利用率运营协调管理任务、波次、人员配置和KPI；诊断瓶颈并执行修复安全与合规强制执行SOP和法规

2026-04-05

2220

标签:

fragment-shader

【MADRL】多智能体深度强化学习《纲要》

文章强化学习：强化学习（3）---《【MADRL】多智能体深度强化学习《纲要》》【MADRL】多智能体深度强化学习《纲要》多智能体深度强化学习（Multi-Agent Deep 多智能体深度强化学习将深度学习与多智能体强化学习结合，使得智能体能够在复杂、高维的环境中学习到有效的策略。背景与挑战多智能体系统中的强化学习任务包含多个智能体，每个智能体在与环境和其他智能体的交互过程中不断学习。尽管简单易实现，但这种方法在多智能体环境中容易陷入非平稳性问题，且无法有效处理智能体之间的协作。 2.2. 注意力机制与图网络：在多智能体交互中引入注意力机制或图神经网络，能够更好地建模智能体之间的依赖关系，提升策略推理的能力。 4.

不去幼儿园

2024-12-03

1.4K0

标签:

深度强化学习

大模型多智能体简单应用案例介绍

多智能体角色的说明最近在尝试 LLM Multi Agent（多智能体）的应用场景，下面给一个最近觉得还比较好用，也不是很麻烦的案例。

2025-02-11

9290

标签:

VSCode 正式发布：全新多智能体开发平台

VSCode在2026年2月发布的1.109版本中，正式将多智能体开发体验提升到新高度：在单一编辑器内运行Copilot、Claude与Codex智能体，统一管理所有会话，为每个任务选择最合适的工具。一、统一的智能体会话管理：AgentSessions视图多智能体开发的核心挑战在于会话管理。：研究型子智能体：只读权限+网络搜索工具实现型子智能体：完整编辑权限安全审计子智能体：专注漏洞扫描的专用提示词四、开放标准：MCPApps与AgentSkillsVSCode的多智能体战略不仅关注功能集成标志着多智能体开发体验的重要转折点：开发者无需在不同工具间切换，也无需为每个新智能体重新学习工作流。通过统一的会话管理、开放的标准支持与灵活的编排能力，VSCode正在成为多智能体时代的开发者首选平台。

GoLang学习记

2026-02-14

8730

标签: