- 综合排序
- 最热优先
- 最新优先
- 来自专栏程序设计
AI Agent的检验标准
大量混淆定义关于"Agent"的定义，我始终在思考的问题是：ChatGPT代码解释器是否符合该定义下的Agent标准？ 根据大多数现有定义，它确实符合条件然而包括OpenAI自身在内，大多数人都不这样描述它我们对AI Agent似乎存在一种"看到即知道"的直觉判断为了给认知思路提供指导，我需要更精确的定义因此制定了自己的客观标准 代理试金石测试标准：人工智能系统是否以独立身份执行操作？ AI Agent是指能够以独立身份采取自主行动的系统而非作为人类用户的延伸审计日志中记录的责任主体是系统自身还是人类用户决定了该系统的本质是真正的Agent，还是仅作为辅助工具而存在根据这一标准，许多优秀的 规划能力和可靠性这三者似乎并非当前LLM的核心优势工作流系统的本质争议：关于"工作流是通过预定义代码路径编排大语言模型与工具的系统"这个定义其准确性存疑：现代工作流系统本质上具有高度动态性，能够自主决定流程与工具使用开发者甚至能编写支持代码实时评估的工作流
45710编辑于 2025-04-06 AI代码溯源标准：Agent Trace规范草案详解
某AI代码助手开发商发布Agent Trace开放规范草案某AI代码助手开发商发布了Agent Trace规范草案，这是一项旨在标准化软件项目中AI生成代码溯源方式的开放规范。 某开发商在AI辅助编码工具方面的经验凸显了在代码变更中需要更好的上下文追踪。虽然现有的工具（如 git blame）能显示某行代码的修改时间，但它们无法识别该变更是由人类、AI还是二者共同完成的。 来源：https://agent-trace.dev/该规范在设计上对存储方式保持中立。某开发商并未规定跟踪记录应存储于何处，允许实现者将其存储在文件、git notes、数据库条目或其他机制中。 Agent Trace作为一份RFC，欢迎反馈，并有意留下了一些未解决的问题，例如关于合并、变基和大规模AI驱动变更的处理。 某开发商将此提案视为一个起点，一个共享标准的开端，而非完整的解决方案，尤其是在AI助手在软件开发工作流程中日益普及的背景下。FINISHED
19410编辑于 2026-02-07- 来自专栏AI技术应用
AI 智能体（AI Agent）的开发
AI 智能体（AI Agent）的开发是一个复杂且多阶段的过程，涉及需求分析、算法设计、模型训练、系统集成和部署等多个环节。以下是 AI 智能体开发的典型流程。 1.2确定技术栈选择适合的 AI 技术和工具（如机器学习、深度学习、强化学习等）。确定开发语言（如 Python、C++）和框架（如 TensorFlow、PyTorch）。 5.系统集成5.1接口开发开发与外部系统交互的 API（如 RESTful API、gRPC）。定义输入输出格式（如 JSON、Protobuf）。5.2模块集成将 AI 模型集成到应用程序中。 8.3技术升级跟踪最新 AI 技术，升级算法和框架。优化系统架构，提高可扩展性。9.常用工具与框架9.1开发框架机器学习：Scikit-learn、XGBoost。 总结AI 智能体的开发流程包括需求分析、数据收集、模型设计、训练与评估、系统集成、测试验证、部署监控和维护迭代。通过合理规划和使用工具，可以高效地开发出功能强大、性能优异的 AI 智能体。
2.7K20编辑于 2025-02-18 - 来自专栏AI技术应用
AI 智能体（AI Agent）的开发框架
AI 智能体（AI Agent）的开发框架是构建智能体的核心工具和平台，它们提供了从数据处理、模型训练到部署和监控的全流程支持。以下是常用的 AI 智能体开发框架及其特点。 适用场景：研究、原型开发、深度学习应用。1.3Keras特点：高层 API，易于使用，适合快速原型开发。可以作为 TensorFlow 的前端使用。适用场景：初学者、快速开发。 2.强化学习框架2.1OpenAI Gym特点：提供标准化的环境和接口，用于开发和测试强化学习算法。支持多种环境（如 Atari 游戏、机器人控制）。适用场景：强化学习算法研究。 8.低代码/无代码 AI 平台8.1Google AutoML特点：提供自动化的模型训练和部署服务。支持图像、文本、表格数据等多种任务。适用场景：快速构建 AI 应用。 适用场景：企业级 AI 解决方案。总结AI 智能体的开发框架涵盖了从数据处理、模型训练到部署和监控的全流程。
1.3K10编辑于 2025-02-18 - 来自专栏AgenticAI
LLM Agent标准化互操作协议：Agent Protocol
参考资料 [1] 这里:https://langchain-ai.github.io/agent-protocol/api.html [2] 这里:https://langchain-ai.github.io ://langchain-ai.github.io/agent-protocol/api.html#tag/threads/GET/threads/{thread_id}/state [17] POST ://langchain-ai.github.io/agent-protocol/api.html#tag/threads/DELETE/threads/{thread_id} [21] PATCH / threads/{thread_id}:https://langchain-ai.github.io/agent-protocol/api.html#tag/threads/PATCH/threads/ /DELETE/store/items [24] GET /store/items:https://langchain-ai.github.io/agent-protocol/api.html#tag/
35910编辑于 2025-03-18 AI Agent 智能体实战开发|功略fx
AI Agent（智能体）的开发是一个快速发展的领域，涉及多种工具和平台，旨在简化开发流程并提高效率。 AI Agent的开发正朝着更加自动化、拟人化和高效的方向发展，为各行各业带来了巨大的潜力和机遇。零代码开发平台在AI Agent开发中的优势和局限性是什么？ 这对于AI Agent开发来说，意味着可以快速构建满足不同业务场景的应用。在AI Agent的能力中，自然语言可以作为开发指令，为专业开发人员提供决策支持和自动化执行能力。 MetaGPT能够根据用户输入的需求，输出软件公司的整个工作流程和标准作业程序（SOP），包括创造故事和竞品分析等，从而实现复杂开发任务的自动化和标准化。 未来的发展方向主要包括：降低开发门槛：通过简化开发流程和工具，使得更多开发者能够参与到AI Agent的开发中。多Agent创新：推动多个AI Agent之间的协作与创新，以实现更复杂的应用场景。
78420编辑于 2024-10-31- 来自专栏服务端技术杂谈
AI Agent搭建
单智能体的问题： 1、工具太多，导致LLM很难决策调用哪个工具； 2、上下文太长，导致推理退化； 3、难以在单一提示词中兼顾专业性和通用性需求； 多智能体可以很好解决以上问题： 1、通过模块化开发，维护成本更低 一个普遍的误区是，认为工具越多Agent能力越强，但其实这会给Agent有限的上下文与决策系统带来巨大的认知负荷。 正确的思路是，少即是多。 这本质上，是将部分Agent的规划责任，前置到工具的设计当中，是一种责任转移的思路。 当工具库膨胀之后，命名混乱与功能重叠，会让Agent无所适从，通过命名空间来组织工具。 结构化命名，相当于为Agent提供了一张清晰的地图，帮助在正确的场景下，快速定位合适的工具。 同样，工具返回给Agent的内容质量，远比数量更重要。 因为Agent比人类更擅长理解的的内容，也是人类可读的、具有意义的文本，这些高质量内容，可以显著降低Agent在检索任务中的幻觉。 Agent与工具的交互，本质上是一个持续对话场景。
27610编辑于 2026-03-11 - 来自专栏白话互联
【Ai Agent】Ai Agent News | 9月11日速递
解决了AI原生开发中的安全挑战。 AI Agent时嵌入运行时安全，为AI原生开发提供更可靠的安全保障。 Factory连接Agent、应用和数据 Azure AI Foundry推出了Agent Factory系列博客，第五篇重点介绍了如何使用MCP和A2A等新的开放标准连接Agent、应用和数据。 *集成价值*：集成是将Agent从聪明原型转变为业务倍增器的关键 *开放标准*：MCP和A2A等协议为Agent间通信提供了标准化框架 *避免供应商锁定*：客户在采用AI技术时越来越看重灵活性 这一趋势反映了企业对互操作性和开放标准的迫切需求 CarEdge的30岁CEO Zach Shefska声称，他公司开发的AI谈判员能够比大多数人类更成功地谈判汽车价格，为客户节省数千美元。
32910编辑于 2025-09-17 - 来自专栏C语言
【AI】Chat or Agent ？
随着生成式AI技术的不断进步，关于其未来发展方向的讨论也愈发激烈。究竟生成式AI的未来是在对话系统（Chat）中展现智慧，还是在自主代理（Agent）中体现能力？这一问题引发了广泛的讨论和探索。 一、生成式AI在对话系统（Chat）中的发展方向 1. 多模态对话系统 2.1 语音交互 对话系统将整合语音识别和生成技术，使用户能够通过语音与AI进行对话，同时AI可以通过语音反馈，提供更加自然的交互体验。 二、自主代理（Agent）的发展方向 1. 自主决策和执行能力 1.1 环境感知 自主代理通过传感器和数据分析，实时感知周围环境的变化，从而做出适应性决策。 伦理与政策 随着生成式AI的广泛应用，伦理问题和政策法规将变得越来越重要。如何确保AI的公平性、安全性和隐私保护，将是未来发展的重要课题。 总的来说，生成式AI的未来充满了无限可能。
37110编辑于 2024-12-11 - 来自专栏CodeGuide | 程序员编码指南
新Ai项目，来啦！教你开发一套 Ai Agent 服务！
文末提供了全套 AI、RAG、MCP、Agent 项目、开发教程以及工程源码。此外还有非常多的互联网大厂项目（17个），都可以一并获取学习。 无论是自己开发的 MCP 还是市面的都可以使用。（课程中有教大家，基于 Spring AI 怎么开发 MCP 服务） 二、系统设计 1. 库表设计 如图，为整个系统对应的数据库表信息； ai_agent_task_schedule，智能体任务调度配置表 ai_agent，AI智能体配置表 ai_agent_client，智能体-客户端关联表 三、加入学习 小傅哥，已经为你准备好了一套 AI RAG、MCP、Agent 实践编程课程，使用 Java + Spring AI 框架，增强自己的 AI 应用开发能力，迅速囤积编程技能，满足各个公司招聘时对 AI应用类开发的要求！
55911编辑于 2025-08-11 - 来自专栏智能体
智能体(AI Agent)开发实战之【LangChain】(八)核心模块：代理(Agents)，ReAct Agent
在LangChain中，ReAct Agent是一种基于"推理 - 行动（Reasoning - Acting）" 范式的智能代理，融合推理与行动的，以模拟人类在解决问题时的思维和行为模式。 有时更新不及时，最新的文章和动态请关注公众号：我和AI的成长一、ReAct Agent的优势和特点1. 能够根据输入的问题进行逻辑推理，决定需要采取的行动，然后调用相应的工具来执行这些行动，并依据行动的结果进一步推理和调整后续行动，通过不断循环迭代来逐步解决复杂的任务，是您进行智能体开发的必要选择。
69310编辑于 2025-09-07 - 来自专栏IT云清
java agent开发
本文主要记录下如何创建一个简单的java Agent，并配置运行。 1.创建Agent类 package com.java4all.grouth.agent; import java.lang.instrument.Instrumentation; /** * @ description: java Agent * @author: IT云清 */ public class MyAgent { public static void premain(String ,args:"+agentArgs); } } 2.MANIFEST.MF 配置文件 这里在src/main/resources/META-INF/下创建一个MANIFEST.MF文件，指定Agent : true 3.打包配置 在pom.xml中配置打包信息 <build> <finalName>my-agent</finalName> <plugins>
1.3K10编辑于 2021-12-06 - 来自专栏沉浸式趣谈
终于不用重复配置 AI 了！Claude 推出 Agent Skills 开放标准，AI工具终于能互通了
Claude 推出了一个叫 Agent Skills 的东西。 简单说，就是给 AI 代理做了个统一标准，让不同平台的 AI 工具能共享能力。 到底是个啥 我先说说它想解决什么问题吧。 Agent Skills 就是把这些能力打包成标准格式。 你可以把专业知识、工作流程、自定义命令都放进一个文件夹里，AI 需要的时候自己加载就行了。 写一次，到处能用。这才是真正的复用。 要不然每个 AI 工具都搞一套自己的插件系统，开发者要适配 N 个平台，能力没法复用。 现在有了统一标准，写一次就能在多个工具里跑。对个人开发者友好，对企业也有好处。 对个人开发者来说，写 Skill 需要一定学习成本。虽然格式不复杂，但要写出真正好用的 Skill，得对 AI 提示词工程有些了解。 不过方向是对的。 AI 工具确实需要标准化的能力扩展方式。 地址都在官方文档里，搜 Agent Skills 就能找到。 值得关注 AI 工具的能力扩展方式，一直是个问题。 每个平台各搞各的，开发者要重复劳动，能力没法积累。
97710编辑于 2025-12-25 - 来自专栏AI大模型应用开发炼丹房
AI Agent框架之争：盘点8大AI Agent开发框架的核心技术与工业级应用
本文深度解析8大AI Agent开发框架的核心技术与工业级应用，帮助开发者精准匹配业务场景。 SDK：轻量化智能体快速开发核心价值：5行代码构建生产级Agent，降低开发门槛4.1 八大优势解析from openai_agents import Agent, tool @tool def ("financial_tools") agent.run("对比TSLA和AAPL的市盈率")行业影响：工具开发者数量3个月增长800%五、Google Agent Development Kit (ADK)：云原生Agent工厂定位：无缝集成Google云服务的企业级Agent开发平台5.1 核心特性Vertex AI管道：可视化编排Dialogflow+BigQuery+Cloud FunctionsFirebase ，关于AI-Agent的相关技术，我也整理了一份文档，粉丝自行领取：《想要读懂AI Agent（智能体），看这里就够了》七、Pydantic-AI：结构化输出的终极方案核心问题：解决LLM输出格式漂移与非确定性
4.2K10编辑于 2025-07-21 - 来自专栏云云众生s
AI开发工具：如何使用Dagger容器化Agent
Docker 的创建者强烈主张为了理智起见，对 AI 智能体进行容器化。方法如下。 我们需要标准化构建AI Agent 的流程，那么为什么不从容器生态系统 中寻找灵感呢？ Hykes 说：“这就是 agent 开发的魔力。” Agent 调试 组织这次聚会的 Sourcegraph 高级 AI 开发倡导者 YK Sugi 对 Dagger 的方法表示赞赏，尤其是在调试方面。 他在 LinkedIn 消息中写道：“作为一名自己构建过 agent 的人，我知道构建 AI agent 可能是一项挑战。” 他写道：“这似乎不仅简化了调试，而且简化了整体开发，从而更容易开发更可靠的系统。” Sourcegraph 的 AI 开发工具之夜的整个晚上 可以在这里找到。
38700编辑于 2025-02-22 AI Agent Skill 科普
让AI帮忙写代码，它每次都要你重新说明代码风格和命名规范。 这些"不可控"的行为，让很多人对 AI 不能完全放手去用，今天，我就来详细聊聊AI Agent Skill 这个让AI变"听话"的工具。 什么是AI Agent Skill？ 简单来说，Skill就是AI的能力说明书和工作手册。 它不是复杂的代码，而是结构化的知识文档。 痛点2：质量不稳定 有时候AI写的内容很好，有时候又很差，完全没有标准。特别是AI腔问题，一眼就能看出来。 比如这句话： "在当今AI技术飞速发展的时代，编程工具也在不断进化..." 实战案例解析 写作Agent Skill 以我使用的写作Agent为例，核心架构是： 两层判断机制 先判断工作区（公众号/视频/技术文档等） 再判断任务类型（新写作/修改/审校等） 9步写作流程 从理解需求到最终交付的完整流程 总结 AI Agent Skill不是什么复杂的技术概念，它就是一种让AI更听话、更实用的方法。 通过结构化的规则和流程，Skill解决了AI"不可控"的核心问题。
55820编辑于 2026-03-10AI Agent + 数据工程
AI Agent的出现，正在从根本上改变数据工程师的工作方式，甚至重新定义这个职业的边界。 从堆人到提效 提到AI Agent，很多人的第一反应是又一个大模型概念。 海内外市场的不同路径 有意思的是，AI Agent在数据工程领域的落地，海外和国内走的是完全不同的路。 海外市场的特点是生态成熟，分工明确。 关键是海外有标准的Catalog Service等三方接口，做开放集成相对容易。 数据Agent的阿喀琉斯之踵 如果说AI Agent给数据工程带来了什么新问题，准确率绝对是最大的那个。 在数据领域，准确性就是生命线。 一个数字算错了，决策就可能走偏。 一家做数据Agent的创业公司分享了他们的应对策略：选择容错度高的场景切入，比如数据开发——改错了可以重跑，而不是直接做生产决策；建立反馈循环，让AI记住用户的修正，通过不断迭代提升准确率；把SQL生成转化为参数填充
18210编辑于 2026-02-28- 来自专栏人工智能领域
AI Agent 介绍（130）
六、AI Agent的开发工具与平台 开发AI Agent时，开发者可以选择多种工具和平台来构建、训练和部署智能体。 Azure提供了高性能的AI工作负载处理能力，包括深度学习，并提供了增强型AI管理和安全功能。 这些工具和平台为AI Agent的开发提供了强大的支持，使得开发者能够构建出功能丰富、性能卓越的智能体。 建立强有力的治理 为了应对AI的伦理挑战，需要建立全面的监管框架。政府和相关行业组织需设定明确的法规与标准，确保在医疗、金融等关键领域，AI系统应用的透明性和可解释性。 伦理和透明度 AI Agent的决策过程需要更高的伦理和透明度标准，以确保它们在代表用户行事时的适当性，并确保它们拥有采取特定行动的适当权限。 强调持续研究与开发的重要性 AI Agent的发展是一个不断进化的过程，需要持续的研究与开发来解决技术挑战、提高性能、增强安全性和隐私保护。
2.4K11编辑于 2024-12-18 什么是 AI Agent？
这就是AI Agent（智能体）带来的未来。 什么是 AI Agent？ 与传统AI系统不同，AI Agent具备自主决策能力。你只需要给定一个目标，它就能够独立思考并规划如何达成这个目标，调用各种工具完成任务。 AI Agent如何工作？ 专业领域：在医疗领域，AI辅助诊断Agent能自动生成精准诊断报告；在工业领域，AI Agent可用于质量检测和设备维护。 写在最后 随着技术发展，AI Agent将更加智能化和专业化。未来我们可能会看到： 个性化Agent：根据用户习惯定制的个人助理。 专业领域Agent：针对特定行业的专业智能体。 多Agent协作：多个Agent协同工作，形成复杂的智能网络。 AI Agent代表了人工智能从“被动工具”到“主动助手”的重要进化。
87110编辑于 2025-12-29Agent真的卷疯了，AI办公Agent也来了。
海外版网址在此：https://skywork.ai/ 国内版网址：https://www.tiangong.cn/ 他们的首页是这样的。 价格上，海外版价格在大部分的同类型Agent产品中，价格算中档。 但是坦诚的讲，相比于大家日常用的非Agent的AI产品，会贵一些，毕竟整体Agent算力消耗在这。 deep research agent框架开源：https://github.com/SkyworkAI/DeepResearchAgent 还把文档、表格、PPT的生成能力，做成了MCP，供所有开发者调用 MCP地址：https://mcp.so/server/skywork-super-agents/Skywork-ai 就，我还是想说句佩服的。 你能从每一个细节中感受到，这还是一群真心想让AI好用的人，在用工程师的方式，尝试解决我们每天办公里的小痛点。 昨天，Google已经手起刀落，开始在重构自己的搜索引擎。
52810编辑于 2025-05-23
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号