- 综合排序
- 最热优先
- 最新优先
- 来自专栏菩提树下的杨过
LangGraph4j 学习系列(9)-人机协同(human_in_the_loop)
按N后，从保存的checkpoint中恢复，继续执行 按R后，将loopCount恢复初始值，同时清空checkpoint历史记录 /** * 人机协同（Human-in-the-Loop）示例：在图执行到指定节点前中断 ("node-reset")} 在进入下一节点前暂停， * 使用 checkpoint 保存状态，再通过 {@link GraphInput#resume()} 恢复执行，实现“按 N 一直循环”等人机交互 * * @see org.bsc.langgraph4j.CompiledGraph#stream * @see org.bsc.langgraph4j.CompileConfig.Builder# Thread.sleep(20); } System.out.println("done"); } /** * 构建人机协同的循环图 /src/main/java/org/bsc/langgraph4j/agent/_09_human_in_loop at main · yjmyzz/langgraph4j-study · GitHub
21110编辑于 2026-03-02 - 来自专栏菩提树下的杨过
Agent设计模式学习(基于langchain4j实现)(9) - 人机协同
从系统设计角度来说，整个AI智能体环节中，要预留人工干预的能力，也称为"人机协同"（human_in_the_loop) 示例代码： 1 @SpringBootApplication 2 public class _9a_HumanInTheLoop_Simple_Validator { 3 4 public static void main(String[] args) throws 89 } 90 } 解释一下： 27行，这里的 AgenticServices.humanInTheLoopBuilder() 表示这里需要人机协助，协助的方式由29行的 new Scanner 4 似乎是快速独立学习者。文化契合度良好。 5 工作许可可能存在潜在问题，但似乎可以解决。 6 薪资期望略高于计划预算。 7 决定继续进行现场面试。 \ Anthropic [译] AI Workflow & AI Agent：架构、模式与工程建议（Anthropic，2024） Agents and Agentic AI | LangChain4j
17810编辑于 2026-02-01 - 来自专栏MixLab科技+设计实验室
AI 时代的人机协同创作
这是mixlab社区成员00-ML04的文章，总结了她在4月的一次活动中分享的内容。 旅游景区规划 在AI时代设计师们、程序员们都焦虑了，AI可以用来做设计（鹿班），AI还可以用来写代码（UI2Code），AI也可以做游戏，AI也可以谱曲，AI当你的老师……例子非常多，人与机器的关系从人机交互逐渐地往人机协同演进 我做了好多年交互设计的工作，所以学习和工作一直有一个离不开的主题——人机交互 (Human-Computer Interaction)。 人机关系的演进 什么是人机交互？ 音乐，人机协同即将爆发的领域？ 最近关注音乐和技术结合的领域比较多，越来越觉得音乐也许会迎来人机共创的繁荣时期。 音乐本身是符号化、形式化非常强的「语言」。 Ref Doug Engelbart 1968 Demo https://web.stanford.edu/dept/SUL/library/extra4/sloan/MouseSite/1968Demo.html
1.7K30发布于 2019-09-26 - 来自专栏XINDOO的专栏
Agent设计模式——第 13 章：人机协同
人机协同（Human-in-the-Loop，HITL）模式在 Agent 的开发和部署中扮演着关键战略角色。 人机协同模式概述 人机协同（HITL）模式通过整合人工智能与人类输入来增强 Agent 能力。 为什么：人机协同（HITL）模式通过战略性地将人类监督整合到 AI 工作流中提供了标准化解决方案。 可视化摘要： 图 1：人机协同设计模式 关键要点 关键要点包括： 人机协同（HITL）将人类智能和判断整合到 AI 工作流中。 它在复杂或高风险场景中对安全性、道德和有效性至关重要。 结论 本章探讨了至关重要的人机协同（HITL）模式，强调了其在创建强大、安全和道德的 AI 系统中的作用。
1K10编辑于 2025-10-27 - 来自专栏全栈程序员必看
mavlink无人机控制程序_无人机协同作战
它已经在PX4、APM、PIXHAWK和Parrot AR.Drone飞控平台上进行了大量测试。
1.6K40编辑于 2022-09-21 - 来自专栏MixLab科技+设计实验室
破解 AI 时代的焦虑 —— 从人机交互到人机协同创作
这是我在 4 月做的一次分享。大概是我做过的分享中，现场讨论气氛最热烈的一次了。最近抽空整理成文章，希望大家可以继续讨论这个有趣、有争议的话题。 ? 为什么分享这个话题呢？ 我做了好多年交互设计的工作，所以学习和工作一直有一个离不开的主题——人机交互 (Human-Computer Interaction)。 人机关系的演进 什么是人机交互？ 其实早在 50 多年前，就有人探讨过人机关系的「未来简史」。 音乐，人机协同即将爆发的领域？ 最近关注音乐和技术结合的领域比较多，越来越觉得音乐也许会迎来人机共创的繁荣时期。 音乐本身是符号化、形式化非常强的「语言」。 Ref Doug Engelbart 1968 Demo https://web.stanford.edu/dept/SUL/library/extra4/sloan/MouseSite/1968Demo.html
75020发布于 2018-12-25 AI时代的教育之问III：人机协同
第3期于2024年11月上旬举行，聚焦“AI时代的人机协同”，本期围绕人机协同在教育中的深远影响，邀请国内外知名学者探讨人工智能与教育的互动与融合。以下是内容选编，推荐阅读。 4.生成式AI能够促进学生同更大的知识背景对话，从而激发集体智慧，帮助学生在解决问题中形成更广阔的视野。5.将创新和效率相结合的教学方法能有效提升学生的知识迁移能力。 二、 教育中人机协同的有效方式Christopher Dede教授指出，生成式人工智能基于现有数据的推算预测能力，可以一种补充的方式与人类的判断力结合，而非取代。 述评：在AI时代，人机协同教育的核心不仅在于技术工具的直接产出，而且在于通过技术塑造更深层次的学习对话和过程。Wegerif的观点表明AI并非知识的终结点，而是多元文化语境的连接器。 在这一过程中，正确的人机协同教育观是促进人类智慧和教育模式共同进化的催化剂。
68010编辑于 2025-01-07- 来自专栏DrugAI
. | 人机协同的自主催化科研
图1 |自主催化研究的范式演变：从人工实验到人–AI–机器人协同的闭环系统。 人–AI–机器人协同催化研究的成功案例 异相催化 AI结合高通量机器人实现自动催化剂筛选。 开放科学与共享生态：推动催化SDL的标准化数据与模型共享，实现全球科研协同。 智能共设计（co-design）框架：AI、实验与模拟协同优化反应路径与催化结构。 AI增强型科研助手：通过语言模型实现人机自然交互，使研究人员专注于创新与理论探索。 结论 自主实验室（SDL）标志着催化研究从以人为中心的实验范式向智能化、数据驱动与协同化模式的转变。 未来，人–AI–机器人协同的催化研究体系将成为化学科学的重要基础设施，加速新催化剂的发现、降低能耗，并推动绿色化学与可持续能源技术的发展。
19420编辑于 2026-01-06 - 来自专栏物流技术与应用
热文回顾｜物流系统中的人机协同探讨
目前行业对人机协同并没有系统的研究，本文初步梳理了多位行业专家对人机协同的理解及相关技术的认识，后续本刊将持续深入报道。 人机协同将是未来很长一段时间内的主流模式 什么是人机协同？ 根据工信部的统计数据，2020年全国工业机器人完成产量237068台，同比增长19.1%。 因此，人机协同成为主流选择。 什么是人机协同？目前行业内并没有统一的定义，从广义上理解，凡是人与机器配合作业的都可以称为人机协同，与之相关的概念还有人机协作、人机交互等多种说法。 因此，人机协作可以视为人机协同的初级阶段。 值得一提的是，本文探讨的人机协同，更多体现在系统协同上，即某场景下多个人工与大量机器的协同作业。
78610编辑于 2022-09-02 人机协同蒸馏实战：揭开大语言模型的黑盒
将大语言模型带出黑盒：人机协同蒸馏实用指南随着自然语言处理领域的发展和新思想的涌现，我们看到越来越多高效利用计算能力的方法，从而构建出运行成本更低、更易于控制的AI系统。 人机协同蒸馏工作流工作流的关键在于结合上下文学习与人机协作，最终蒸馏出任务专用模型。 人机协同：利用工具（如 Prodigy）构建高效的标注工作流，人类标注员可以快速审核、纠正或补充模型生成的初步标注，从而创建高质量的训练数据集。 4. 核心方法论：将问题重构应将人机协同蒸馏视为一种代码重构过程：分解大问题：将复杂任务拆分为多个子任务。降低问题复杂度：更少的操作复杂性意味着出错的可能性更低。 相关博客文章与演讲：提供了关于人机协同蒸馏、应用自然语言处理思维以及详细案例研究的深入讨论。总结：现实世界的问题并非一个端到端的预测问题。人机协同蒸馏是一个重构过程。
20610编辑于 2026-01-13AI驱动招聘革命：从技术架构到人机协同实践
一、传统招聘的痛点与AI破局逻辑传统简历筛选模式存在两大核心瓶颈，这也是我们技术攻坚的起点：效率瓶颈：某互联网公司招聘旺季时，单个岗位日均收到500+份简历，HR人工初筛需花费3-4小时/岗位，且难以实现并行处理 人脸关键点检测）+ 语音识别（腾讯云ASR），提取微表情、语速、语气等18维非语言特征辅助面试官识别候选人沟通稳定性，某科技公司面试评估一致性提升40%人才库动态管理时序数据分析（LSTM预测候选人活跃度）+ 协同过滤推荐算法潜在候选人主动推送准确率达 人工复核结果作为训练样本）使录用率从32%提升至69% - 跨地域招聘流程标准化程度达90%，面试评估偏差缩小55% - 招聘周期从45天缩短至27天，新员工首年保留率提高18%五、人机协同新范式 ：AI不是取代，而是赋能很多HR担心AI会取代人工，但实际落地中我们更强调"人机协同"：智能推荐+人工决策：当多名候选人得分接近（差距<5%），系统自动触发会商机制，推送包含能力对比、潜在风险点的详细报告供招聘委员会决策虚拟面试官辅助测评
60710编辑于 2025-10-21- 来自专栏公共互联网反网络钓鱼（APCN）
AI钓鱼攻击升级，企业加速构建“人机协同”新防线
我们需要的是一个‘人机协同’的防御体系。”目前，越来越多的企业开始调整安全策略，将AI技术从“攻击工具”转变为“防御武器”。 只要我们主动拥抱技术，构建人机协同、多层次、动态演进的安全防线，就能有效应对AI带来的新威胁。”目前，包括金融、科技、制造在内的多个行业已开始加大在AI安全领域的投入。 可以预见，未来的“人类防火墙”将不再是孤立的个体，而是嵌入智能系统、具备快速学习能力的“人机共同体”，共同守护数字世界的安全边界。编辑：芦笛（公共互联网反网络钓鱼工作组）
19710编辑于 2025-10-21 - 来自专栏云深之无迹
ESPcopter无人机源码分析.4
ESPcopter无人机源码分析.3（阅读环境搭建） ESPcopter无人机源码分析.2(使用分时库) ESPcopter无人机源码分析.1 ESPcopter无人机初探（UWB定位+ESP8266MCU esp8266-drone 应该源码在我的GT上面 把源码放一起 一个最简单的demo 这是引入的头文件引入的文件 启动了很多的实例：基础，TOF，PID，姿态解算，积木接口 对于一个无人机来讲 符号树 还有对4个电机引脚的初始化工作，使用4个PWM的通道 4给电机4个通道 全部关闭，把4个通道都关闭，占空比都关了！！！
61440编辑于 2022-02-09 人机协同的“对话记录”：AI协作日志如何提升团队效率
人机协同的“对话记录”：AI协作日志如何提升团队效率在现代软件开发团队中，一个新成员悄然加入：AI助手。 它不占工位，却参与代码审查；不发邮件，却提供建议；不写周报，却记录决策过程。 本文将探讨如何通过构建AI协作日志（AI Collaboration Logs）——一种新型的“人机对话记录”——实现人机协同的透明化、可追溯化与智能化，从而显著提升团队效率。 ✅ 原则4：支持语义搜索与推荐使用向量数据库（如 Pinecone、Weaviate）存储日志；开发者输入新问题时，自动推荐历史相似协作记录。 禁止记录敏感数据日志噪音过多设置过滤规则（如仅记录被采纳或被拒绝的交互）开发者抵触自动化采集，不增加操作负担；展示直接收益（如“节省2小时”）AI建议错误归因明确标注“AI建议，需人工验证”；记录人类最终决策七、未来展望：从日志到“人机协同操作系统 ”AI协作日志不仅是记录工具，更是未来人机协同操作系统的基石：智能复盘：自动分析“哪些AI建议带来了最大性能提升”；决策辅助：在代码审查时，自动提示“类似场景下AI曾建议X方案”；能力映射：可视化展示“
44900编辑于 2025-09-30- 来自专栏时空探索之旅
CastClaw：基于自主决策与人机协同的时序预测智能体
github.com/ustc-time-series/CastClaw 主页：https://agentr1.github.io/cast-claw/ TL; DR：CastClaw 是一个基于 CLI-TUI 的人机协同时序预测智能体框架 针对这一挑战，中国科学技术大学认知智能全国重点实验室团队提出了一种全新的范式——基于自主决策与人机协同的时序预测智能体 CastClaw。 它可以模拟人类在面对复杂时序问题时的思维方式，对趋势变化进行多步推理与假设验证；在关键节点上，还能够引入人类专家的判断，实现人机协同决策。 二、CastClaw 是什么 CastClaw 是一个基于 CLI的人机协同时序预测 AI 智能体框架。 CastClaw： 构建了基于 CLI 的人机协同时序预测智能体框架，通过 Planner、Forecaster、Critic 三大角色的任务编排与状态协议，实现了从实验设计、模型演进到结果分析的全流程
9210编辑于 2026-04-15 阳光保险AI编程实践：重构人机协同的研发新范式
确立人机协同的双模开发范式通过上述治理与技术增强，阳光保险成功探索出**“AI辅助编程”向“人机协同开发”**跃迁的落地路径，明确了两种核心作业模式，实现了研发场景的精准覆盖与价值最大化。
18010编辑于 2026-01-05CodeGen生态02 | 助手层：AI编程人机协同分步详解
功能要求：实现烟花效果的桌面对话框（弹窗形式） 4. 接收动作：接收Prompt，解析所有约束条件，生成符合要求的Java代码步骤3：LLM → 代码助手：首次返回Java代码结果交互方向：LLM 向 代码助手 返回生成结果LLM返回的完整Java代码步骤4： 修复所有运行时错误，确保程序可正常运行 4.
14410编辑于 2026-01-03- 来自专栏学习笔记
数学建模——农村公交与异构无人机协同配送优化
随着无人机技术迅猛发展和在物流领域的广泛应用，一种全新的配送模式应运而生——农村公交与异构无人机协同配送模式。 农村公交作为地面交通系统的重要组成部分，其覆盖范围广、定时定点运行且成本相对较低，为无人机提供了理想的地面支撑。通过将无人机与农村公交相结合，可以充分利用两者的优势，实现高效协同配送。 请根据附件所给数据解决以下几个问题： 问题1 只考虑使用A类无人机，请给出公交与无人机协同配送方案，使总费用最小；要求给出具体的飞行路径及时刻表。 2.问题1 只考虑使用A类无人机，请给出公交与无人机协同配送方案，使总费用最小；要求给出具体的飞行路径及时刻表 1. 问题建模 输入数据 公交站点数据：包括站点的位置和之间的距离。 考虑多架无人机协同工作：每辆公交车最多可以携带两架无人机，需要确保这些无人机的任务分配合理。 下面是一个更为详细和优化的实现步骤： 1.
2K10编辑于 2024-06-15 - 来自专栏学习笔记
数学-建模———A 农村公交与异构无人机协同配送优化
随着无人机技术迅猛发展和在物流领域的广泛应用，一种全新的配送模式应运而生——农村公交与异构无人机协同配送模式。 农村公交作为地面交通系统的重要组成部分，其覆盖范围广、定时定点运行且成本相对较低，为无人机提供了理想的地面支撑。通过将无人机与农村公交相结合，可以充分利用两者的优势，实现高效协同配送。 请根据附件所给数据解决以下几个问题： 问题1 只考虑使用A类无人机，请给出公交与无人机协同配送方案，使总费用最小；要求给出具体的飞行路径及时刻表。 3.问题1：只考虑使用A类无人机的协同配送方案 1.目标函数 最小化总费用：包括无人机的固定费用和运输费用。 设： 2.约束条件 无人机的容量限制： 2.无人机的飞行距离限制： 3.需求点的覆盖： 4.公交车站点是否有无人机任务： 5.任务分配的二元约束 4.问题2：三种类型无人机均可使用时的最小费用协同配送方案
3.7K11编辑于 2024-06-15 - 来自专栏机器之心
「新基建」触发经济深V反弹，「后浪」云从押注人机协同
机器之心报道 作者：吴昕 人机协同，是云从目前人工智能落地期的核心战略，也是未来几十年云从对行业的判断。 打造一个 AI 平台，也是技术趋势，因此，早在三年之前，云从就开始打造人机协同平台。 「轻舟」背后：为什么人机协同是趋势？ 事实上，人机协同不仅是云从目前人工智能落地期的核心战略，也是对技术和行业未来趋势的判断。 人机协同是技术发展的一条主线。 最终，反映到社会治理上，人机协同也能裨益大众。2019 年 3 月 19 日，中央全面深化改革委员会第七次会议曾提出「构建数据驱动、人机协同、跨界融合、共创分析的智能经济形态。」 目前，正依托重庆人工智能试验区部署要求，将 AI 应用的人机协同成果转化平台。
46520发布于 2020-07-21
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