- 综合排序
- 最热优先
- 最新优先
- 来自专栏首席安全官
数据安全智能体：AI驱动的新一代企业数据安全防护范式
这一能力的实现基于对企业数据的深度语义理解和行为模式学习，相比传统的基于正则表达式的检测方式，准确率提升5-10倍。 国内首款数据安全智能体基于零信任安全理念，在每一个数据访问请求前都进行多维度的身份验证与权限校验。 数据安全智能体工作流程与闭环防护机制 LLM与安全知识库的融合架构 国内首款数据安全智能体的核心竞争力在于将通用型大语言模型与垂直领域的安全知识库深度融合。 参考文献 基于大语言模型的全流量安全智能体 智能体人工智能安全框架与最佳实践 Microsoft数据丢失防护（DLP）定义与实现 360安全智能体的架构与应用 数据安全智能体设计模式与实战落地 AI 数据安全AI模型APT 威胁检测企业数据防护企业级数据安全智能体技术架构解析可信执行环境国内首款数据安全智能体多智能体协同的自动化安全运营系统大模型的企业数据泄露防护方案安全大模型安全运营差分隐私数据安全数据安全智能体数据安全智能体实践案例数据安全智能体治理体系数据安全智能体解决方案新一代企业数据安全防护体系智能体覆盖数据全生命周期的安全智能体框架金融行业数据安全智能体落地实践隐私保护零信任安全零信任数据安全零信任架构零信任架构的数据安全智能体人工智能
41910编辑于 2026-01-20 - 来自专栏首席安全官
数据安全智能体：AI驱动的新一代企业数据安全防护范式
国内首款数据安全智能体采用基于大语言模型的推理引擎，赋予系统”感知-认知-决策-响应”的完整智能闭环。 这一能力的实现基于对企业数据的深度语义理解和行为模式学习，相比传统的基于正则表达式的检测方式，准确率提升5-10倍。 国内首款数据安全智能体基于零信任安全理念，在每一个数据访问请求前都进行多维度的身份验证与权限校验。 数据安全智能体工作流程与闭环防护机制 LLM与安全知识库的融合架构国内首款数据安全智能体的核心竞争力在于将通用型大语言模型与垂直领域的安全知识库深度融合。 结论与未来展望国内首款数据安全智能体通过将大语言模型、多智能体协作、隐私计算、零信任架构等前沿技术融为一体，实现了对企业数据防护范式的革命性升级。
27621编辑于 2026-01-17 数据智能体平台 - 架构实践
1.项目背景与目标1.1业务背景数据智能体平台是一个基于AI的智能数据查询与分析系统，旨在通过自然语言交互降低数据使用门槛。 QPS10万+Go实现，支持高并发缓存命中率85%二级缓存优化用户满意度90%+用户反馈统计2.整体架构设计2.1整体架构概览2.2分层职责层次技术栈核心职责应用层Next.js14+AntDesign5智能问答 ：该类问题准确率显著提升减少后续人工介入次数积累宝贵的业务知识智能进化机制系统通过持续学习不断进化：短期效果（1周）：高频问题准确率提升10-20%中期效果（1月）：整体准确率提升5-10%长期效果（3 ，确保数据安全可控。 6.结语数据智能体平台通过混合技术栈微服务架构+RAG增强AI+语义层设计，成功实现了：✅降低门槛：从SQL到自然语言✅提升效率：85%+准确率✅保障安全：四级权限控制✅持续优化：人机协同闭环核心竞争力
47010编辑于 2025-12-08- 来自专栏Go语言学习专栏
5 - 工具调用 - AI 超级智能体项目教程
“智能体” 了。 很关键的一点是 安全性，AI 模型永远无法直接接触你的 API 或系统资源，所有操作都必须通过你的程序来执行，这样你可以完全控制 AI 能做什么、不能做什么。 这样做既增强了工具的安全性，也很灵活。 （比如图片 / 文件）的工具、返回大量数据而不需要 AI 解释的工具，以及产生明确结果的操作（如数据库操作）。 扩展思路 1）除了本教程中介绍的工具，还可以开发更多实用的工具，比如： 邮件发送：实现给用户发送邮件的功能 时间工具：获取当前时间日期等 数据库操作：查询、插入、更新和删除数据 2）优化 PDF 生成工具
24710编辑于 2026-03-17 - 来自专栏JavaEdge
AI智能体落地前，务必关注这些安全红线！
可把AI智能体理解为一种算法系统，它不仅能够根据数据做出决策，还能基于该决策执行相应的动作。虽然它与生成式AI存在一些相似之处，但最大的区别在于，智能体不是生成内容，而是执行行为。 也正因如此，如今的AI智能体激发了技术专家和企业领导人的想象力——它们似乎具备了解决复杂问题、完成具体任务的能力。 AI智能体存在哪些安全风险？ 那么，AI智能体到底有哪些安全隐患？ 数据泄露 一个可能更严重的风险是数据泄露。AI智能体依赖于访问各种信息源，它需要与不同的服务进行交互，在必要时收集和共享数据，以完成任务。 一个穿越组织边界、甚至在组织内外自由活动的AI智能体，其数据传输过程往往难以追踪。哪怕是一个看似简单的旅行预订任务，也可能涉及到员工或组织的敏感信息被传递给了谁、传到了哪里等安全问题。 不加思索地过度热情，会加剧AI智能体的安全问题 AI智能体的安全隐患，往往因为人们的盲目乐观和急于部署而被放大。 比如，现在很多组织把AI智能体用于处理重复性操作，如将数据从一个系统转移到另一个系统。
40510编辑于 2025-06-01 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 开发者社区热点话题发现 企业竞争情报监控 技术实现方案 数据采集层 使用Python的Scrapy框架构建爬虫，示例代码： import scrapy from datetime import datetime text-classification", model="distilbert-base-uncased") summarizer = pipeline("summarization", model="t5- 对高频术语建立缓存索引 效果评估指标 关键性能指标包括： 信息新鲜度：从发布到收录的延迟<3分钟 分类准确率：F1-score>0.92 摘要质量：ROUGE-L>0.75 系统可用性：99.95% SLA 行业应用数据显示
36011编辑于 2025-12-17- 来自专栏架构之路
数据库操作智能体实现
数据库操作智能体实现核心架构设计采用LangChain4j的PureagenticAI模式构建智能数据库查询系统，通过协调器(SqlAgent)和工具链实现自然语言到SQL查询的转换组件分工明确SqlAgent )各司其职安全防护机制独立数据源配置防止主系统污染，严格的SQL注入防护包括表名验证和仅允许SELECT操作，通过环境变量限制可访问表范围动态决策能力Agent具备上下文感知和自适应决策功能，能根据查询需求自动组合工具调用顺序 模式构建智能数据库查询系统，通过协调器(SqlAgent)和工具链实现自然语言到SQL查询的转换。 专用工具链：QueryAllTablesTool：获取数据库所有表名QueryTableSchemaTool：查询指定表结构ExecuteSqlQueryTool：执行最终SQL查询安全防护采用白名单机制管理可访问表 localhost:3306/demousername:agentpassword:${DB_PASSWORD}allowed-tables:ORDER,USER,PRODUCTmax-pool-size:5性能优化表结构缓存预加载
11610编辑于 2026-02-04 智能体私有化部署时如何保障数据安全与合规性？
##摘要 随着AI智能体在企业核心业务中的深入应用，数据安全与合规性已成为私有化部署的首要考虑。 本文深入探讨了企业如何在保障数据主权的前提下，安全、合规地部署AI智能体，并重点介绍了腾讯云智能体开发平台(ADP)的安全特性和解决方案。 一方面是对效率提升、业务创新的极度渴求；另一方面则是对数据安全、业务稳定的极度敏感。这种矛盾在智能体时代被前所未有地放大。 数据不出域已成为企业智能体部署的刚性需求。 数据安全：全链路加密与访问控制 数据安全是企业智能体部署的第一强需求。企业智能体平台需要建立覆盖供应链、内容安全、数据访问、隐私保护等方方面面的防护体系，确保数据合规、隐私不泄露。 精细的访问控制策略是保障数据安全的关键。这包括基于角色的权限管理、API调用审计、数据脱敏机制等，确保智能体只能调用可控的数据内容，进而保证数据安全。 3.
93710编辑于 2025-10-29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。 它帮我补齐认知的短板，为我的野心提供支撑，用数据赋予我破局的勇气，并最终通过自动化工作流将执行力拉满。 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- 来自专栏AI人工智能
智能体安全与可信AI：防护机制与伦理考量
本文将从智能体安全威胁分析入手，深入探讨对抗攻击的机制与防护策略，分析隐私保护与数据安全的技术实现，并从AI伦理角度审视智能体系统的责任边界。 智能体安全威胁分析1.1 威胁模型概述智能体安全威胁可以从多个维度进行分类和分析。 实践案例与应用场景5.1 金融智能体安全案例在金融领域，智能体系统面临着严格的安全和合规要求：class FinancialAgentSecurityFramework: """金融智能体安全框架 ：图5 医疗智能体隐私保护架构图class MedicalAgentPrivacyFramework: """医疗智能体隐私保护框架""" def __init__(self): 2-3年隐私保护计算效率低硬件加速专用芯片设计3-5年伦理合规标准不统一国际合作全球伦理框架5-10年责任归属法律空白立法推进智能体法律体系10年以上表5 智能体安全挑战与机遇分析表6.3 研究方向建议
43010编辑于 2025-07-29 - 来自专栏算法之名
AI智能体
Retrieval Augemented Generation，索引增强式是一种解决预训练语料数据无法及时更新带来的回答内容陈旧的方式。 langchain提供了支持、检索增强式的chain，在使用时，这些chain会首先与外部数据源进行交互以获得对应数据，然后再利用获得的数据与LLMs进行交互。 典型的应用场景如：基于特定数据源的问答机器人。 Agent，对于一个任务，代理主要涉及让LLMs来对任务进行拆分、执行该行动，并观察执行结果，代理会重复执行这个过程，直到任务完成为止。 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 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
78410编辑于 2024-09-29 构建多智能体 AI 应用的5个最佳框架
•投票与评价分析：通过分析用户反馈与问卷调查数据[5]，洞察客户需求，从而优化客户体验。•差旅与报销管理：自动化处理费用申报、跟踪与审批流程。 •安全问题：将智能体部署到实际应用中，尤其是在企业环境中，可能引发伦理与安全方面的担忧。 •本地运行智能体：支持在本地实验和运行智能体，以增强数据隐私性。•异步通信机制：通过异步消息系统实现智能体之间的通信。 5. LangGraph LangGraph[23]是一个基于节点的 AI 框架，是目前最受欢迎的多智能体系统构建工具之一。它属于 LangChain 生态系统，专用于图结构化的智能体流程编排。 在创建完这些智能体和工作流之后，你可以使用智能体内容审核服务 来对其进行管理与监督，以保障用户安全。
89210编辑于 2026-03-13- 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。 行动表明确的表示了每个智能体程序实现的智能体函数。要用这种方式来建造理性智能体。作为设计者，我们必须构造包括各种可能的感知序列的适当行动的函数表。 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 - 来自专栏心源易码
智能体对话场景数据设计与建模
然而，随着对话数据量的激增，如何高效地存储、管理和检索这些数据，同时确保对话的实时性和准确性，成为设计智能体对话系统时面临的主要挑战。 结合这两者，可以构建一个既能够处理大规模数据，又能够实现快速响应的智能体对话平台。 2.2.2、ERD（数据库实体关系图）分析在智能体对话场景中，数据的有效存储与查询是确保系统高效运行的关键。 通过设计合理的数据库实体关系图（ERD），我们可以清晰地定义各个实体之间的关系，为智能体对话系统提供坚实的数据支撑。 智能体（AI digital persona）：指生成式AI驱动的对话实体，每个智能体具有唯一的ai_id。
2.1K10编辑于 2024-07-30 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 /向量数据库多种工具（API、计算器、RAG等）决策能力无自主决策，直接使用检索内容有自主决策，能规划步骤复杂度相对简单复杂，需要多步推理典型应用客服问答、文档问答自动订票、数据分析、多步骤任务 两者关系 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 执行 → 观察循环 外部依赖 知识库/向量数据库 多种工具（API、计算器、RAG等） 决策能力 无自主决策，直接使用检索内容 有自主决策，能规划步骤 复杂度 相对简单 复杂，需要多步推理 典型应用 客服问答 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。
96310编辑于 2026-03-03 AI智能体发展趋势与网络安全新挑战
驾驭AI智能体的崛起AI智能体是指不仅能提供信息，还能代表用户执行操作的AI模型与算法。某机构等公司已推出“代理式”产品，可实现预订、填写表格及协助编程项目等功能。 若需深入了解AI智能体，可参考以下技术分析：自主AI代理的安全边界与未备风险某机构首席科学家提出的四类代理性能优化路径AI代理规模化网络攻击带来的成本与防御挑战AI间协商机制中弱势模型导致的数字不平等问题中国新型通用代理 Manus的实际测试评估技术政策与安全动态海外科技企业保护政策undefined通过全球贸易战机制阻止他国对某国科技公司加征税收与监管限制边境AI年龄评估技术undefined某国试点采用AI算法评估未成年寻求庇护者的年龄 ，同时某国边境巡逻队尝试通过面部识别技术追踪移民儿童年龄变化AI对网络流量的颠覆性影响undefined某搜索巨头的AI摘要功能导致网站点击量骤降，标志着传统网络搜索模式的终结设备安全威胁undefined
21310编辑于 2025-09-17- 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
比如在代码安全审查场景中，可以让多个智能体分别对同一段代码进行安全审查，最后 “投票” 决定是否有问题。又比如在处理长文档时，可以将文档分段，每段由不同智能体并行总结。 ：从规划智能体制定分析策略开始，到数据收集智能体获取必要数据，然后是分析智能体处理这些数据，接着由可视化智能体创建直观图表，最后由报告智能体整合所有发现生成完整报告。 MCP 协议是 智能体和外部工具之间的标准，它规定了智能体如何安全、规范地调用外部的数据库、搜索引擎、代码执行等工具资源。你可以把 MCP 理解为 “智能体-工具” 的 HTTP 协议。 从安全角度看，MCP 和 A2A 处理的是不同层面的安全问题： MCP 的安全关注点：主要集中在单个智能体与工具之间的安全交互，主要防范的是工具滥用和提示词注入攻击。 A2A 的安全关注点：更关注智能体网络中的身份认证、授权和信任链。A2A 需要解决“我怎么知道我在和谁通信”、“这个智能体有权限请求这项任务吗”、“如何防止恶意智能体窃取或篡改任务数据” 等问题。
66910编辑于 2026-03-17 - 来自专栏AI大模型应用开发炼丹房
解锁智能体工作流：5个核心组件深度解析
工具使智能体能访问实时数据（如网络搜索、API或向量数据库），并执行函数调用（Function Calling）。常见工具包括： 互联网搜索：检索实时信息。向量搜索：从外部数据库获取结构化数据。 例如，研究助理智能体分解主题研究为数据检索、分析和报告生成。该模式适用于高不确定性任务，但可能降低结果可预测性。 架构分为： 单智能体RAG：作为路由器，从多个知识源（如专有数据库或API）检索数据。多智能体RAG：多个智能体协作（如主智能体协调专业检索智能体），处理更复杂查询。 例如，一个智能体处理内部数据，另一个执行网络搜索。 实际项目中采用智能体式RAG（如Replit或Microsoft Copilot）以提升信息质量，但需权衡延迟增加的风险。 伦理考量：自主决策涉及权限管理（如数据访问），需确保透明性和可控性。最后总结智能体工作流代表了AI自动化的前沿，通过整合推理、工具和记忆，实现复杂任务的半自主执行。
1.1K10编辑于 2025-08-27
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