- 综合排序
- 最热优先
- 最新优先
OA办公+AI智能体：让办公效率“开挂”的技术革命
而AI智能体的加入，正让OA从“工具”升级为“办公搭档”，用实打实的技术优化，解决重复劳动、信息孤岛、决策滞后等老问题。不用懂复杂算法，咱们就聊聊这些技术到底怎么让办公变轻松。 以前报销要手动填发票信息、贴凭证、找领导签字，现在AI智能体通过OCR技术扫描发票，自动提取金额、抬头、税号，还能和财务系统比对校验，发现异常直接提醒。 这就像给办公数据装了“智能搜索引擎+自动总结助手”，省下来的时间能专注做核心工作。决策支持是AI智能体的进阶能力。 OA办公AI智能体的核心价值，是用“能听懂、会操作、善分析”的技术，把职场人从繁琐事务中解放出来。它不是什么遥远的黑科技，而是已经落地的效率工具：让流程更顺、信息更通、决策更准。 未来，随着技术迭代，AI智能体还会更懂公司业务和个人习惯，成为每个职场人的“专属办公助手”。办公的本质是创造价值，而AI智能体，正是帮我们把价值创造的效率拉满的技术革命。
77010编辑于 2025-11-24智能体的第4个阶段，到来了！
随着类似项目的越来越成熟，我能感觉到，智能体的第4个阶段，已经到来了。 智能体的前3个阶段 这里所说的智能体，主要是指基于LLM的智能体，因为Agent这个词进入大众视野，是LLM得到广泛认可后才火的，在此前的AI发展历程中，人们并不是很认可Agent技术路线，直到LLM的出现 这一阶段的智能体，实现了初级工具集成，在字节的coze平台上，智能体把官方和用户们共同提供的插件作为工具，智能体可以自主决定使用哪一个工具作为本次对话的执行。 第3阶段：多智能体架构 当开发者们发现，特定提示词配合特定工具集时，智能体能在某些方面表现的非常优异，而多加或少加工具，都会让智能体性能大打折扣，于是他们决定，由多个智能体打包成一个复合智能体来向用户提供通用性的智能体产品 MCP协议的出现，打破了这种智能体无法调用本地软件的窘境，智能体无法操作软件的情况可能会慢慢成为过去式。
26810编辑于 2025-12-29智能体案例分析：IT新闻聚合智能体
智能体案例分析：IT新闻聚合智能体 IT新闻聚合智能体通过自动化技术抓取、分析和呈现最新的IT行业动态。这类智能体通常结合自然语言处理（NLP）和机器学习技术，从多个来源筛选高价值信息。 核心功能包括： 实时爬取主流科技媒体（如TechCrunch、Wired、The Verge） 自动分类（人工智能、网络安全、云计算等） 情感分析判断新闻倾向性 生成摘要简化阅读 典型应用场景： 投资机构追踪技术趋势 sentiment['label'], 'confidence': sentiment['score'], 'summary': summary } 知识图谱构建 使用Neo4j AI'})-[:RELATED_TO]->(m:Company {name:'OpenAI'}) CREATE (n)-[:MENTIONED_IN]->(a:Article {title:'GPT-4
36011编辑于 2025-12-17智能体来了！2026智能体开发全面指南
智能体来了！2026智能体开发全面指南 一、 繁华落尽后的“平静”：技术背后的选择逻辑“真正深入使用 AI 之后，我反而更平静了。” 在过去这段时间里，我深入钻研了 Python 编程、探究了 AIGC 的视觉极限、搭建了复杂的流程智能体、甚至深入到了 STM32 的硬件底层。 而顶级的 AI 大模型与 Agent（智能体），正是我能遇到的认知最高、脾气最好、思维最完善的存在。在我的「心枢」系统里，AI 不仅仅是执行任务的“器”，它更是我最好的老师、朋友、教练和员工。 它的核心公式是：理解目标（Layer 1）→ 协助决策（Layer 2&3）→ 自动执行（Layer 2&5）→ 持续表达（Layer 4）。 礼包内包含（持续更新）：多维提示词库：包含智能体设计规范、AI 绘画精准词簇、AI 视频叙事 Prompt。ComfyUI 极客工作流：从零搭建好的 json 配置文件，导入即用。
32710编辑于 2026-01-24腾讯零信任iOA：企业办公网AI智能体全链路防护方案
一、 产品定位与核心亮点 腾讯零信任iOA“龙虾”办公网防护方案是一款专门针对企业办公网中AI智能体（AI Agent）安全运行的全链路防护管家。 与传统网络安全产品不同，该方案的商业差异化卖点在于专门针对AI Agent引入的新型风险，构建了覆盖Agent威胁源头、执行过程、数据出口的全生命周期防护体系，确保AI智能体在企业内部网络环境中的合规与安全运行 二、 产品应用场景 本方案主要面向在企业办公网内部署或允许员工使用各类AI Agent与Skills（技能插件）的企业安全管理团队。
33610编辑于 2026-03-20- 来自专栏算法之名
AI智能体
name__ == '__main__': os.environ['ZHIPUAI_API_KEY'] = '******' chat = ChatZhipuAI(model='glm-4' messages) print(response.content) 这里的 ZHIPUAI_API_KEY 需要你自己去智普网站 https://open.bigmodel.cn 去注册就有，运行结果 智能助手显神通 _main__': os.environ['ZHIPUAI_API_KEY'] = '******' streaming_chat = ChatZhipuAI(model='glm-4' 你的角色是一个诗人.'), HumanMessage(content='用七言绝句的形式写一首关于AI的诗')] streaming_chat(messages) 运行结果 智能助手显神通
78310编辑于 2024-09-29 - 来自专栏云时之间
智能体结构
智能体的结构 迄今为止我们通过描述行为—在任何给定的感知序列下采取的行动—讨论了智能体，现在我们不得不将知难而进，去讨论智能体内部是如何工作的，AI的任务是设计智能体程序，通过它来把感知信息映射到行动的智能体函数 注意智能体程序和智能体函数之间的差别。智能体程序在于当前感知为输入，而智能体函数是以整个历史为输入的。智能体程序只把当前感知作为输入是因为环境无法得到更多的东西。如果智能体的行动依赖于整个感知序列。 那么该智能体不得不记住全部感知的信息。 *智能体程序骨架还有其他的选择。例如我们可以让智能体程序成为协同程序。 4：既是环境足够简单，可以得到一个可行的表容量，设计者仍然得不到关于如何该条目的指导 除了这些，AI的关键挑战是如何搞清楚编写程序，在可接受的范围内，从少量的代码而不是大量的表目中产生出理性的行为，我们有很多的例子是显示出在其他的领域上述做法是可行的 在这个文章的以下部分，我想概述四种基本的智能体程序，他们几乎涵盖了所有智能系统的基础准则： 1：简单反射型智能体 2：基于模型的反射型智能体 3：基于目标的智能体 4：基于效用的智能体 然后我们将概括的解释如何把这些智能体转换成学习智能体
1.4K70发布于 2018-04-11 - 来自专栏实在智能RPA
办公智能体终极指南：从定义到落地，一文解答所有疑问
本文将从定义、技术、价值、案例到选型、趋势，全面拆解办公智能体的核心逻辑，帮你彻底搞懂这项重塑办公模式的关键技术。一、办公智能体是什么？ 而办公智能体作为智能体技术在办公场景的垂直应用，是整合了感知、记忆、推理与行动能力的闭环AI系统。与传统办公软件和早期AI工具不同，办公智能体的核心突破在于从“被动响应指令”升级为“主动解决问题”。 某商超引入办公智能体后，仅客服场景年节省人力成本超千万元；某跨境电商通过智能财税助手，将月度税务申报耗时从200小时压缩至4小时，准确率达99.7%。 制造业用户评价道：“不用对现有ERP系统做任何改造，就能像员工一样登录系统、导出报表，这是选择它的核心原因”，强调了其系统兼容性与低改造成本；电商用户反馈：“过去每天需3-4小时手动监控竞品数据，现在通过一句指令 结语：办公智能体引领的办公革命办公智能体的出现，正在重构人们对办公模式的认知，它不再是简单的工具升级，而是一场深刻的办公革命。
53210编辑于 2025-11-19 实测鹅厂OpenClaw生态：从办公到研发，解锁AI智能体全场景效能
2026年以来，OpenClaw（业内俗称“龙虾”）凭借本地部署、自主运行的核心优势，成为AI智能体领域的现象级开源项目，而鹅厂依托自身生态优势，将OpenClaw与腾讯云、企业微信、QQ等产品深度联动 ，也对AI智能体的落地价值有了更直观的认知。 此前，我每周都要花费4-6小时处理重复性办公任务：从ERP系统抓取销售数据、整理成可视化报表、生成PPT周报，再通过企业微信推送至管理层并完成本地归档，流程繁琐且易出错。 值得一提的是，开启OpenClaw的智能推理加速配置后，PPT生成耗时从3分20秒缩短至17秒，提速3倍以上，且数据抓取准确率达到98.5%，错误率较人工操作降低了85%。 总结来看，鹅厂OpenClaw生态并非简单的开源工具适配，而是基于自身产品优势，构建了“智能体+云端+办公协同”的完整闭环，真正实现了AI从“回答问题的工具”到“真正做事的同事”的转变。
1K20编辑于 2026-03-17智能体（Agent）全面解析：什么是智能体agent
一、什么是智能体（Agent）？智能体是一个能够自主思考、决策、调用工具的智能代理系统。 它不仅仅是简单的问答机器人，而是具备以下核心能力的自主系统：思考能力：理解用户意图，分析任务需求决策能力：规划执行步骤，选择合适工具行动能力：调用外部工具，执行具体操作记忆能力：记住上下文，积累经验智能体的价值智能体的出现 智能体的核心优势大脑：LLM提供强大的理解和推理能力undefined记忆：记住对话历史，保持上下文连贯工具：灵活调用各种外部能力二、两种搭建智能体的路径根据技术门槛和应用场景，智能体的搭建主要有两种方式 四、RAG vs Agent智能体RAG（检索增强生成）和Agent是两种不同的技术路线，但可以相互配合。 随着LLM能力的不断提升和工具生态的日益丰富，智能体将在更多领域发挥重要作用，成为我们工作和生活中不可或缺的智能伙伴。您好，我是肥晨。
2.5K21编辑于 2026-03-02- 来自专栏农民工前端
智能体（Agent）全面解析：什么是智能体agent
一、什么是智能体（Agent）？ 智能体是一个能够自主思考、决策、调用工具的智能代理系统。 智能体的出现，让AI从单纯的"对话者"进化为真正的"执行者"。 智能体的核心优势 大脑：LLM提供强大的理解和推理能力 记忆：记住对话历史，保持上下文连贯 工具：灵活调用各种外部能力 二、两种搭建智能体的路径 根据技术门槛和应用场景，智能体的搭建主要有两种方式： 1️⃣ 四、RAG vs Agent智能体 RAG（检索增强生成）和Agent是两种不同的技术路线，但可以相互配合。 随着LLM能力的不断提升和工具生态的日益丰富，智能体将在更多领域发挥重要作用，成为我们工作和生活中不可或缺的智能伙伴。
94910编辑于 2026-03-03 - 来自专栏设计模式
AI 智能体上下文工程 4 大实用策略解析
智能体也正在获得这种能力！通过“便签本”做笔记是一种在智能体执行任务时持久化信息的方法。其核心思路是将信息存储在上下文窗口之外，确保智能体可随时获取。 无论哪种方式，便签本都能让智能体保存有用信息，助力任务完成。 记忆（Memories） 便签本帮助智能体在特定会话（或线程）内解决任务，但有时智能体需要跨多个会话记住信息！ Reflexion提出了在智能体每轮交互后进行反思，并复用这些自主生成记忆的理念。生成式智能体（Generative Agents）则会从过往智能体反馈集合中定期合成记忆。 4. 隔离上下文（Isolate Context） 隔离上下文指拆分上下文，以帮助智能体执行任务。 多智能体（Multi-agent） 隔离上下文最流行的方法之一是在子智能体之间拆分上下文。 Anthropic的多智能体研究证明了这一点：具有隔离上下文的多个智能体的性能优于单个智能体，这很大程度上是因为每个子智能体的上下文窗口可专注于更具体的子任务。
86211编辑于 2025-10-20 实测鹅厂 OpenClaw 生态：从云端部署到办公研发，AI 智能体全场景实践
2026 年开年，AI 智能体领域最火的概念非 OpenClaw（俗称 "龙虾"）莫属，这款开源、本地优先的 AI 执行框架，凭借 "让 AI 动手干活" 的核心能力，迅速从技术圈火遍全网。 鹅厂生态的核心优势OpenClaw 不是传统聊天机器人，而是AI 智能体执行引擎—— 它能听懂自然语言指令，自主拆解任务、调用工具、执行操作，完成文件处理、数据抓取、脚本运行、浏览器自动化等全流程工作， OpenClaw 专属镜像，一键部署、9 分钟上线，无需手动配置环境、调试网络；生态打通：原生对接企业微信、QQ、微信，扫码即绑定，支持语音指令、远程操控，移动端随时下发任务；安全合规：依托腾讯云 ADP（智能体开发平台 云 API，自定义开发、插件扩展，打造专属 AI 智能体。 六、未来展望：AI 智能体的下一个生产力革命OpenClaw 的核心价值，是把 AI 从 "只说不做" 的顾问，变成 "说到做到" 的执行者。
44810编辑于 2026-04-09- 来自专栏林欣哲
人工智能的智能体
今天来谈谈人工智能的研究工作中所做的一些基本的抽象。 一、智能体的概念 人工智能研究的对象称为智能体（Agent），其他的外部条件划归为环境。 智能体做出什么样的反应取决于输入和输出之间的映射关系函数，这个函数就是智能体研究的核心。 编写出智能体的程序则具体实现这个数学意义上的函数。 二、智能体的性能衡量 我们研究智能体是要他能做正确的事，因此需要有一个标准去衡量他的表现，一个合理的智能体会最大化这个期望的标准。 这里要注意一点，我们以最终期望达到的效果来做为衡量的标准，而不要以智能体的行为本身作为标准。 总结，人工智能的研究的期望是实现一个，在给定的每个可能的感知序列下，能做出让期望的性能最大化的行动的理性的智能体。
2K60发布于 2018-04-10 - 来自专栏Go语言学习专栏
7 - AI 智能体构建 - AI 超级智能体项目教程
具体内容包括： AI 智能体概念与特点 智能体实现关键技术 使用 AI 智能体的多种方式 OpenManus 实现原理 自主实现 Manus 智能体 智能体工作流编排 A2A 协议 一、什么是智能体？ 4）工具调用 工具是扩展智能体能力边界的关键，智能体通过工具调用可以访问搜索引擎、数据库、API 接口等外部服务，极大地增强了其解决实际问题的能力。当然，MCP 也可以算是工具调用的一种。 4）Orchestrator-Workers 协调器-执行者工作流 对于复杂的任务、参与任务的智能体增多时，我们可以引入一位 “管理者”，会根据任务动态拆解出多个子任务，并将这些子任务分配给多个 其实 OWL 的本质就是利用 AI 来增强传统的自动化办公场景，像自动化数据分析和处理、自动化网页信息检索，都能够用 OWL 轻松完成。 思路：其实利用 Spring AI，只需要把 MCP 服务中的工具提取出来变成工具列表，就可以复用已有的 ToolCallAgent 了 4）自行开发一个特定领域的超级智能体，可以直接继承 ToolCallAgent
66710编辑于 2026-03-17 - 来自专栏算法之名
AI智能体(六)
接AI智能体(五) Dify Dify是一个开源的Agent开发平台，使用Dify有两种方式，一种是使用Dify的在线平台。https://cloud.dify.ai。 一种是进行私有化部署。 POSTGRES_SHARED_BUFFERS: ${POSTGRES_SHARED_BUFFERS:-128MB} POSTGRES_WORK_MEM: ${POSTGRES_WORK_MEM:-4MB 'shared_buffers=${POSTGRES_SHARED_BUFFERS:-128MB}' -c 'work_mem=${POSTGRES_WORK_MEM:-4MB \n• 您的家族有什… "model_name": "gpt-4o-mini" } 输出 { "text": "```json\n[\n {\n \"chapter\": \" 代码为 import json def main(arg1: str) -> dict: if arg1.startswith('```'): arg1 = arg1[8:-4]
1.1K00编辑于 2025-02-06 - 来自专栏算法之名
AI智能体(四)
接AI智能体(三) memory工具使用 以往，我们都是直接跟大模型进行交互，没有办法系统的实现记忆。 在上图中，用户在向大模型问问题时会首先读取记忆体，查看以往是否回答过相同的问题或者相关的文档可以参考。 如果有就会返回并添加到提示词模版中，再通过大模型的处理得到答案，得到答案之后再将答案反写回记忆体，这是一个循环的过程。 4. **跨链技术的进步**：随着跨链技术的发展，以太坊能够与其他区块链网络进行互操作，这可能会扩大其生态系统，并增加其作为价值转移和智能合约平台的吸引力。 5. ', '本报告中所采用的名称及材料的编排方式，并不意味着毒品和犯罪问题办公. 室对任何国家、领土或城市或其当局的法律地位、或对于其边界或疆界的划. 分，表示任何意见。 Page 5 ...
1K00编辑于 2025-02-06 【AI智能体创作】
AI智能体创作思路 AI智能体的核心在于模拟人类思维和行为模式，通过算法和数据处理实现自主决策。创作思路通常包括目标定义、数据收集、模型训练、评估优化等环节。 目标定义阶段明确智能体的功能边界，比如聊天机器人、游戏NPC或自动化工具。数据收集阶段获取相关领域的语料、图像或其他输入数据。模型训练阶段选择合适的算法架构，如深度学习、强化学习或规则引擎。 GPT2Tokenizer.from_pretrained("gpt2-medium") model = GPT2LMHeadModel.from_pretrained("gpt2-medium") input_text = "AI智能体的核心功能包括 医疗问诊数据不足时提升模型鲁棒性 标准化流程 建立数据Schema（字段类型、取值范围约束） 制定标注规范（如情感分析中的5级评分标准） 实施版本控制（记录数据集的迭代变更） 完整预处理流程通常需要2-4次交叉验证调整 4. 学习率调度器 动态调整学习率可提升模型收敛速度和最终性能。常见调度策略包括： CosineAnnealing：学习率按余弦曲线衰减，适用于训练后期精细调参。
36710编辑于 2025-12-17认知智能体（0）
其次就是代理的通信模式，也就是[个体间的信息交互]：对话式：发挥不同智能体的风格工具调用：控制智能体行为和输出广播：智能体的自主意识我们以[注意力]为线索，来展开智能体的认知能力。 因为[海马体]会把这些信息拦在入口。最后是长期记忆，内存容量有限，所以我们很多时候会借助硬盘的内容，但是所有的计算依然发生在工作记忆当中，只不过多了一个信息检索的步骤。 所以认知智能体需要加入元认知的能力。 系列文章分成十个章节：第一章：认知AI智能体的基础主题：ai代理的定义和类型（reflex、基于目标、基于效用...）开发代理需要的技能（编程、认知架构、llm）环境配置（python、Ollama、litellm 目标：开发能够从结果中学习并自主改进策略的智能体第九章：使用RL、世界建模和RAGEN进行拓展主题：强化学习集成（RAGEN管道）用于状态和奖励预测的世界建模多智能体协作与分布式问题解决
21100编辑于 2025-06-05- 来自专栏算法之名
AI智能体(五)
接AI智能体(四) MetaGPT 环境装配 metagpt下载地址：https://github.com/geekan/MetaGPT conda create -n metagpt python= model: "glm-4" # or gpt-3.5-turbo api_key: "******" 测试： 在终端命令行中进入Meta-GPT-main目录中执行 metagpt "Write a cli snake game" 单动作智能体 定义动作 import re from metagpt.actions import Action class SimpleWriteCode(Action 多动作智能体 import asyncio import sys import subprocess from metagpt.llm import LLM from metagpt.actions import ready to SimpleRunCode 2024-12-03 16:12:24.361 | INFO | __main__:run:19 - The sum of [1, 2, 3, 4,
76000编辑于 2025-02-06
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