- 综合排序
- 最热优先
- 最新优先
- 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 作为数据库专家负责具体查询操作，SupervisorAgent作为协调器管理流程，三个专用工具(QueryAllTablesTool、QueryTableSchemaTool、ExecuteSqlQueryTool 结果格式化处理→最终响应返回用户扩展性设计模块化工具设计便于新增功能，表结构管理器支持缓存刷新，响应策略可配置满足不同场景需求核心架构设计采用LangChain4j的PureagenticAI模式构建智能数据库查询系统 组件分工SqlAgent：作为数据库专家角色，封装JDBC操作细节，持有数据库连接池实例。SupervisorAgent：负责请求路由和结果聚合，实现Agent接口的chat()方法。 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
21210编辑于 2026-02-04 - 来自专栏Go语言学习专栏
6 - MCP 协议 - AI 超级智能体项目教程
首先是 增强AI的能力，通过 MCP 协议，AI 应用可以轻松接入别人提供的服务来实现更多功能，比如搜索网页、查询数据库、调用第三方 API、执行计算。 Resources 资源：让服务端向客户端提供各种数据，比如文本、文件、数据库记录、API 响应等，客户端可以决定什么时候使用这些资源。 使 MCP 服务能够实现复杂的智能代理行为，同时保持用户对整个过程的控制和数据隐私保护。 如图，官方提供了很多现成的 MCP 服务： 让我们进入一个智能体应用，在左侧可以点击添加 MCP 服务，然后选择想要使用的 MCP 服务即可，比如使用高德地图 MCP 服务，提供地理信息查询等 12 服务配置： 3）创建 MCP 服务成功后，可以到阿里云控制台查看函数详情： 4）之后，可以在 AI 应用中使用自定义的 MCP 服务： 友情提示，如果是学习使用，建议及时删除 MCP 服务哦，会自动关联删除函数计算资源
92610编辑于 2026-03-17 搭建企业智能体开发平台：6大核心准备与智能体开发平台实践启示
2025年被誉为"AI智能体元年"，当越来越多企业涌入智能体赛道时，却面临着"投入百万搭建平台，最终只做出简单问答机器人"的困境。 有案例显示，某零售企业通过智能体平台实现会员运营自动化后，虽然初期投入是传统系统的1.5倍，但6个月内会员复购率提升40%，整体营销成本降低25%，实现了良性的投入产出比。 企业应选择通过权威机构认证的智能体平台，如中国信通院可信AI智能体评估。 六、落地准备：采用"最小可行性智能体"策略急于求成是企业搭建智能体平台的常见误区。正确的做法是采用"最小可行性智能体（MVA）"策略，从简单场景入手，快速验证价值后再逐步扩展。 落地节奏建议：试点期（1-2个月）验证单一场景价值；推广期（3-6个月）扩展至同部门多个场景；成熟期（6-12个月）实现跨部门智能体协同；创新期（1年后）探索多智能体系统的复杂任务调度。
1.1K10编辑于 2025-09-11- 来自专栏陶士涵的菜地
多 AI 智能体系统- AI 智能体的 6 个关键要素
比如翻译任务，如果一个智能体一次翻译可能结果一般，但是如果分成多个智能体，先直译然后反思最后意译结果就好很多。 3. 使用工具 智能体有能力调用工具，并且能选择最适合当前任务的工具。 协作 通常对于复杂的任务，不是一个智能体在完成任务，而是多个智能体一起完成任务，那么在整个过程中，需要确保智能体之间能相互通信，比如一个智能体的输出可以作为下一个智能体的输入，比如有一个智能体专门负责调度根据中间结果调用不同的智能体 所以对于多智能体系统，还需要设计好工作流，确保智能体之间整体协作的通畅。 这种协作不仅是指智能体和智能体之间，也包含人和智能体之间的协作。 现在的智能体还不足以智能到自始至终能做出正确的决策，有时候还需要人工的干预，在中间及时给出反馈，有错误给予纠正，缺少信息补充上下文。 所以设定好防护栏，就能确保智能体能在正确的轨道上，如果出现故障可以及时干预，而不至于卡在某个任务上白白浪费 Tokens。 6.
85511编辑于 2024-05-28 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
49611编辑于 2025-12-17- 来自专栏云云众生s
向量数据库：AI智能体创新的基石
然而，向量数据库及其面临的挑战将发生巨大变化，尤其是在大规模使用的情况下。如今，这在向量数据库在企业采用 AI 智能体中所扮演的角色中尤为明显。 麦肯锡认为，向量数据库将成为构建 AI 智能体（“生成式 AI 的下一个前沿”）的关键。 向量数据库充当这些智能体的记忆，实现自适应学习、实时决策、智能体之间的协作以及上下文精度。 QA.tech 提供 AI 驱动的自动化测试解决方案，它使用 Qdrant 向量数据库解决方案来启用在浏览器上执行任务的测试智能体，就像用户一样。 随着企业采用和扩展 AI 智能体的使用——以及 AI 智能体本身被构建为执行越来越复杂的任务——必须考虑向量数据库如何以及如何在多大程度上管理网络开销和 CPU 负载，以及它存储不同用例的多个嵌入的能力
52210编辑于 2025-01-26 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。 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。 保姆级实教程：《国风视频 6 个月吸粉 15 万实操全流程》《可灵 AI：治愈系下雨视频制作教程》《AI 绘本：成语故事视频自动化方案》《数字人口播视频免费制作指南》系统地图：心枢 AI 五层架构高清思维导图
58810编辑于 2026-01-24- 来自专栏写代码和思考
MyBatis 学习笔记(6) 关联查询
2.关联查询 2.1 一对一映射：直接将结果写入到关联对象中 场景：一个博客文章一定有一个作者，通过一个 authorId 关联。 完整代码示例见：https://github.com/vir56k/java_demo/tree/master/mybatisdemo6_query1 2.2 一对多映射：关联多个对象放入一个属性的集合中 mybatis 的 <collection> 标签 用于在关联关系中描述一个集合。 从打印的结果可以看到，数据库返回了 3条记录。而 mybatis 进行映射充足后，合并了重复项，list 集合中只有两条。 我的代码示例见：https://github.com/vir56k/java_demo/tree/master/mybatisdemo6_query2 3.参考： https://mybatis.org
38810发布于 2021-07-08 AI 智能体
也就是AI Agent AI Agent AI 智能体是一个能够感知环境并采取行动以实现特定目标的系统。它从标准大语言模型演进而来，被赋予了规划、使用工具以及与周围环境交互的能力。 可以把智能体 AI 想象成一个能在工作中不断学习的智能助手。 它遵循一个简单的五步循环来完成任务 1.获取任务目标：你给它一个目标，比如“帮我安排日程”。 Claude Code Claude Code是一个比较通用的智能体 系统架构 工具系统是 Claude Code 的"手脚"，使其能够与外部环境交互： 文件工具：读取、写入、搜索文件； 执行工具：运行
12200编辑于 2026-06-25- 来自专栏算法之名
AI智能体
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
93310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。 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
1.5K70发布于 2018-04-11 - 来自专栏编程使我快乐
智能家居HomeAssistant关联yeelight智能吸顶灯
缘起 作为一名生命不止，折腾不息的小geek, 对享有智能生活， 掌握智能数据早已觊觎已久。奈何时间，空间，设备的限制一直未能如愿。 恰巧手头有一套yeelight智能吸顶灯，来发挥一直关注的HomeAssistant项目的威力！ 今天就将智能家居这个小兴趣来作为忙碌工作生活中的调剂吧。 拥有支持集成各种智能硬件设备（智能电器，传感器，监控设备，etc），自动化任务编排，数据统计等功能。拥有无限的扩展能力。 bin/activate pip3 install homeassistant hass --open-ui 注册基本信息 image.png image.png image.png 集成yeelight智能吸顶灯
2.6K31发布于 2020-11-04 - 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。
1.5K10编辑于 2026-03-03 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。
3.3K22编辑于 2026-03-02多智能体怎么设计？把 6 种常见模式先分开看
一、Supervisor：主智能体统一调度，子智能体当工具 Supervisor 最像很多人直觉里的 multi-agent。 它的结构很简单： • 主智能体直接面对用户 • 子智能体不直接接用户 • 子智能体被包装成工具，由主智能体决定什么时候调用 代码骨架可以先看成这样： @Tool String callSubagent( 也就是： • 主智能体负责全局上下文 • 子智能体只做局部任务 • 调完就返回结果 这样主控层只需要管调度，不用再背子智能体各自的长期状态。 Supervisor 是主智能体在会话里决定调用谁。 Routing 是系统先做分类，再把请求送到不同入口。 这类模式适合： • 不同请求有明确的垂直领域 • 入口处就能完成大部分分类 • 某些请求需要并行发给多个领域再汇总 常见做法有两种： • 单智能体里做隐式路由 • 多智能体并行处理后再合并结果 最常见的
14610编辑于 2026-06-15多智能体怎么设计？把 6 种常见模式先分开看
多智能体怎么设计？把6种常见模式先分开看做Agent系统时，最容易混在一起的不是模型和工具，而是“多智能体”这个词本身。有时候你需要的是主控调度。有时候你需要的是角色切换。 一、Supervisor：主智能体统一调度，子智能体当工具Supervisor最像很多人直觉里的multi-agent。 它的结构很简单：主智能体直接面对用户子智能体不直接接用户子智能体被包装成工具，由主智能体决定什么时候调用代码骨架可以先看成这样：展开代码语言：JavaAI代码解释@ToolStringcallSubagent 也就是：主智能体负责全局上下文子智能体只做局部任务调完就返回结果这样主控层只需要管调度，不用再背子智能体各自的长期状态。 这类模式适合：不同请求有明确的垂直领域入口处就能完成大部分分类某些请求需要并行发给多个领域再汇总常见做法有两种：单智能体里做隐式路由多智能体并行处理后再合并结果最常见的router往往是无状态的：一次请求做一次分类路由结束就结束下一次请求重新判断如果
30110编辑于 2026-04-10- 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。
2.1K60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？ 之前我们学习过，通过 RAG 检索增强生成 + 向量数据库等技术，智能体可以检索并利用专业知识回答问题。 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。 OpenManus 整体架构 了解了 OpenManus 的核心功能后，先 从整体到局部 地观察 OpenManus 的架构，简单来说就是看文件夹的组织形式、文件的命名规则、以及文件之间的关联，暂时不用深入源码 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。
1.1K21编辑于 2026-03-17 - 来自专栏全栈程序员必看
数据库分区表关联
数据库表分区 场景： 现实业务中有两个表关系比较紧密，而且数据量比较大的时候，需要对两个表都进行分区，并能很好的发挥分表作用 创建分区数据库表 注意： 数据库表最好是在创建的时候就进行分区，不能对已经创建的普通表 YYYY-MM-DD') AND P.COLLECT_ID=PP.COLLECT_ID AND P.OPERATOR_TIME>TO_DATE('2013-01-01','YYYY-MM-DD') 数据库表分区 场景： 现实业务中有两个表关系比较紧密，而且数据量比较大的时候，需要对两个表都进行分区，并能很好的发挥分表作用 创建分区数据库表 注意： 数据库表最好是在创建的时候就进行分区，不能对已经创建的普通表
1.6K10编辑于 2022-08-18 - 来自专栏火属性小虫
数据库基础Ⅳ（关联查询）
， 27 7月 2021 作者 847954981@qq.com 后端学习, 我的编程之路 数据库基础Ⅳ（关联查询） 当我们查询如课程信息的时候往往需要连同课程的学业导师一同查询出来，最原始的方法自然是将学业导师的信息单独添加在课程数据内 ，但在数据复用率高的情况下显然需要将导师信息单独放置在一张表中，这是我们就需要进行多表数据查询就是关联查询。 ，即表 A 和表 B 关联查询。 LEFT 表示是左连接 ON 是关联查询的条件。 左连接就是返回左表的所有数据，即使右表没有匹配的数据（此时右表会以 NULL 的形式匹配数据）。 在实际应用中，我们有时候会对三张表以上进行关联查询，在这种情况下，我们往往会选中一张表作为主表，以它为基准，进行 LEFT JOIN 或 RIGHT JOIN 查询。
1.2K20编辑于 2023-02-22
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