- 综合排序
- 最热优先
- 最新优先
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 ：用户反馈→知识库更新→提升准确率人工修正→标记验证→优先推荐5.关键模块设计5.1数据集设计-语义层核心数据集是系统的核心概念，是对业务数据的语义层抽象，也是核心数据知识。 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
46610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。 工具可以是任何东西，比如网页搜索、对外部 API 的调用、访问外部数据、或执行特定的代码等。 工具底层数据结构 让我们思考一个问题：AI 怎么知道要如何调用工具？输出结果中应该包含哪些参数来调用工具呢？ （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 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 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 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。 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
78310编辑于 2024-09-29 构建多智能体 AI 应用的5个最佳框架
•添加自定义工具：这些多智能体框架允许你为智能体添加自定义工具，并无缝集成外部系统，以执行例如在线支付、网页搜索、API 调用、数据库查询、观看视频、发送电子邮件等操作。 •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。 该智能体团队将包含两个成员，他们将协同工作：一位负责从网络搜索信息，另一位负责总结指定公司的财务数据。 •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。
88410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。
94910编辑于 2026-03-03 - 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
《Python 数据分析入门：从 Pandas 到可视化》- 阅读量：2400 4. 《Docker 容器化应用部署最佳实践》- 阅读量：2150 5. ：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。 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。 实现 5）参考 OpenManus 的源码，实现更多功能，比如 “规划并执行” 模式的智能体工作流（参考 flow/planning.py） 本节作业 1）完成 AI 超级智能体的开发 2）理解 AI
66710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 - 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。 server.log} LOG_FILE_MAX_SIZE: ${LOG_FILE_MAX_SIZE:-20} LOG_FILE_BACKUP_COUNT: ${LOG_FILE_BACKUP_COUNT:-5} WEAVIATE_ENDPOINT: ${WEAVIATE_ENDPOINT:-http://weaviate:8080} WEAVIATE_API_KEY: ${WEAVIATE_API_KEY:-WVF5YThaHlkYwhGUSmCRgsX3tD5ngdN8pkih true} WEAVIATE_AUTHENTICATION_APIKEY_ALLOWED_KEYS: ${WEAVIATE_AUTHENTICATION_APIKEY_ALLOWED_KEYS:-WVF5YThaHlkYwhGUSmCRgsX3tD5ngdN8pkih :-true} AUTHENTICATION_APIKEY_ALLOWED_KEYS: ${WEAVIATE_AUTHENTICATION_APIKEY_ALLOWED_KEYS:-WVF5YThaHlkYwhGUSmCRgsX3tD5ngdN8pkih
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。 5. **链上数据**：监控区块链上的数据，如地址活跃度、交易量、比特币流动性变化等，以预测市场动向。 5. **链上数据**：监控区块链上的数据，如地址活跃度、交易量、比特币流动性变化等，以预测市场动向。 5. **链上数据**：监控区块链上的数据，如地址活跃度、交易量、比特币流动性变化等，以预测市场动向。 **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.
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 （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，在金融风控等场景中还需特别注意数据脱敏（如身份证 异常检测触发自动回滚：当A/B测试显示新版本准确率下降超过5%时 联邦学习实施方案： 采用安全聚合协议(Secure Aggregation)保护参与方数据 支持横向联邦(相同特征空间)和纵向联邦(不同特征空间
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。 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 第七章：增强多模态和实时交互主题：语音到文本和文本到语音集成（Whisper、TTS）实时感知（摄像头输入、物联网传感器）跨模态推理（结合视觉、听觉和文本数据）第八章：增强元认知学习和自我学习主题：通过元认知反思实现自我提升 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= 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 多动作智能体 import asyncio import sys import subprocess from metagpt.llm import LLM from metagpt.actions import @Modified By: mashenquan, 2023/12/5. # msg_buffer 是接收缓冲区，避免在此处添加消息数据和操作。
76000编辑于 2025-02-06 - 来自专栏人工智能
Notion AI 智能体
NotionAI智能体Notion3.0的AI智能体通过自动化流程实现复杂任务闭环。其核心能力包括智能搜索、数据分析、决策制定和执行操作。 智能体通过自然语言交互理解用户需求，自动调用数据库和外部工具完成任务。用户只需输入目标，如“分析Q3销售数据并制定优化方案”，系统即可生成可视化报告和执行建议。 零一万物万智2.5平台解析万智2.5平台采用多智能体协作架构，每个角色对应特定职能：市场智能体：自动生成营销方案并执行投放HR智能体：处理招聘全流程，包括简历筛选和面试安排财务智能体：实时监控预算并生成分析报表平台通过智能体间的通信协议实现协作 例如启动新项目时，系统自动组建包含产品、设计、开发智能体的虚拟团队，各角色通过API交换数据并同步进度。 ：知识库建设：结构化企业数据供智能体调用权限管理：设置不同智能体的数据访问层级验证机制：关键决策需加入人工审核环节典型部署流程包括POC测试阶段，先选择单一业务场景验证，如自动生成周报，再逐步扩展至复杂业务流程
24210编辑于 2026-01-07
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