- 综合排序
- 最热优先
- 最新优先
AI中台与智能体开发：智能体开发的“效率引擎”
但很多人不知道，这些“会自己干活”的智能体，背后都离不开一个关键支撑：AI中台。先说说AI中台到底是什么。其实它一点不玄乎，就像智能体开发的“万能工具箱+共享工坊”。 简单说，AI中台把智能体开发需要的基础技术，都提前做好、整备好，不用开发者每次都“从零造轮子”。再看智能体，它本质是“能自主完成特定任务的AI系统”。 可能有人会问：“直接开发智能体不行吗？为啥要多一个AI中台？”其实答案很简单：智能体的核心竞争力是“场景适配能力”，而不是基础技术。 如今，越来越多企业意识到，AI中台不是“额外成本”，而是智能体规模化落地的“基础设施”。 没有中台，智能体开发就像“手工作坊”，效率低、成本高，还难标准化；有了中台，才能实现“流水线生产”，让智能体快速适配不同场景，从单个应用走向规模化复制。
71310编辑于 2025-11-25- 来自专栏数据猿
【AI Agent展】AI-Agentforce——企业级智能体中台
AI-Agentforce企业级智能体中台 该AI Agent产品由迈富时投递并参与数智猿×数据猿×上海大数据联盟共同推出的《2025中国数智产业最具标杆性AI Agent产品》榜单/奖项评选。 大数据产业创新服务媒体 ——聚焦数据 · 改变商业 AI-Agentforce企业级智能体中台是企业级、生产级的智能体(Agent)一站式开发与运营平台。 6.IT与开发人员： 负责在平台上搭建、配置和维护智能体，利用可视化流程编排、工具集成等功能对接现有业务系统，支撑各部门的个性化智能体需求 产品功能 迈富时AI-Agentforce智能体中台作为企业级 ——恒源祥家纺总经理孙蕴聪 迈富时打造的AI-Agentforce企业级智能体中台对广告、营销领域是一个巨大的提升。 AI-Agentforce企业级智能体中台具备整个广告营销乃至品牌打造的闭环能力。随着后续不断发展，AI-Agentforce智能体中台将对广告、营销、品牌持续发挥越来越深远的影响。
1.6K10编辑于 2025-10-21 - 来自专栏大魏分享（微信公众号：david-share）
白话中台战略-2：中台到底长啥样？
在上篇白话中台战略-1开篇：中台是个什么鬼？中，我试着依据自己的经验和理解，给出了中台产生的原因以及最终建设目的。 从图中可见，阿里中台主要由业务中台和数字中台并肩构成了双中台，并肩扛起了所有前台业务。 组织中台 以上无论是业务中台，数据中台，技术中台，研发中台……都是围绕技术展开的，也是企业在中台建设中最关注的方面。 列举了这么多各式各样的中台，最后都扯到了组织层面，是不是有种越听越晕的感觉，是不是感觉什么东西加个“中台”的后缀都可以靠到中台上来，估计很快就会看到例如AI中台，VR中台，搜索中台，算法中台……对了，算法中台已经有了 业务中台、数据中台、算法中台等等一起提供对上层业务的支撑。 极客公园：也就是说，不论是业务中台还是数据中台，实际上都是一个架构层面的去连接底下这部分资源。
1.9K20发布于 2018-12-24 - 来自专栏前沿技墅
人工智能中台化战略
大中台小前台的组织架构如图2所示。 ? 图2 大中台小前台的组织架构 在编程领域其实也早有类似的概念，中台类比到编程领域，就是形成可复用的函数库，抽象共性，减少重复开发次数，提高迭代效率。 那么什么才是最优的人工智能中台模式呢？ 合理的人工智能中台应该能最快、最好地满足企业的人工智能工程化需求，其提供的服务应该像空气一样，不特意感受就察觉不到存在，但它又是必不可少的。 要想进一步了解关于人工智能中台化战略的内容，包括人工智能中台的数据能力、业务能力、硬件能力、平台能力等核心知识，请关注新书《人工智能工程化：应用落地与中台构建》。 本书清晰解答了人工智能工程化的应用场景是什么，并且着重介绍了如何搭建人工智能中台，能够带给相关从业者非常有用的经验。 本文选自博文视点新书《人工智能工程化：应用落地与中台构建》。 本书聚焦人工智能工程化应用场景与技术细节，手把手教你搭建企业人工智能中台：技术中台、数据中台、业务中台。
1.4K50发布于 2020-10-29 让企业AI落地从“噱头”到“实效”，全面拆解AI-Agentforce智能体中台
而其提出的AI-Agentforce企业级智能体中台，正为破解这一困局提供了系统性方案。 在技术支撑层面，中台整合了前端、存储、身份验证、工具集等全链条技术组件，涵盖模型路由、基础模型、数据抽取转换（ETL）、算力提供等关键能力，甚至包含智能体编排、可观测性、协议适配等进阶功能。 而在思维革新上，中台打破了传统数字化“人找流程”的被动逻辑，以“AI原生”重构业务流程。 在跨境场景中，还能一键生成多语言视频，适配海外市场风格并动态调整投放策略。2. 作为中国营收规模最大的营销及销售AI SaaS平台核心产品，AI-Agentforce智能体中台2.0的推出，正帮助企业跨越技术门槛：对中小企业，它降低了AI应用的准入成本；对大型企业，它破解了全链路协同难题
70410编辑于 2025-09-19- 来自专栏AgenticAI
智能体开发中A2A 与 MCP 协议如何融合？坑在哪？
1.1 A2A：让智能体之间有「共同语言」 A2A（Agent-to-Agent Protocol）由谷歌提出，目标是让智能体之间能够标准化地发现彼此、交换任务、反馈结果，就像不同操作系统之间通过 HTTP 1.3 各司其职，互为补足 可以简单理解为： A2A 管“人与人”怎么协作 MCP 管“人怎么用工具” 但现实世界中，智能体合作时经常需要同时做这两件事。 性能损耗不可忽视将 MCP 响应通过 A2A 返回，需经过层层封装与解包，协议嵌套带来的通信延迟与复杂性显著上升，尤其在链式调用中问题更突出。 治理策略无法覆盖全链路当前 A2A 和 MCP 各自有安全机制，但尚无统一治理引擎可以控制任务转发、数据合规、身份认证等跨协议行为。治理逻辑往往散落在中间件或外部系统中，存在安全盲区。 设计这种协调逻辑，也许使用一个专用的协调器代理，对于实用的 A2A+MCP 系统至关重要且具有挑战性 。 4. 智能体市场？ A2A + MCP 不只是技术协议，更可能是构建开放智能体生态市场的基石。
1.1K10编辑于 2025-05-09 - 来自专栏实在智能RPA
人工智能AI中“Agent智能体”指什么？
在人工智能领域，“Agent”是一个可以具象化的概念。它不再是科幻电影里冰冷的机器人形象，而是指代一种能在特定环境中自主感知、决策并行动以达成目标的智能实体。 01 Agent智能体特征一个真正的智能体，区别于简单的自动化程序，必须具备几项关键能力。首先是自主性，它能在没有人类持续干预的情况下运行，依据内置的目标和规则做出判断。 持续学习能力让它能通过经验或新数据优化决策模型，而社会性则体现在多Agent系统中复杂的协作、协商甚至竞争机制上。02 剖析Agent智能体架构现代智能体系统通常采用模块化设计，各司其职又紧密协同。 04 Agent技术挑战构建真正通用且鲁棒的智能体仍面临诸多挑战。高度依赖高质量、无偏见的训练数据，模型可能产生难以预测的“涌现行为”。伦理与安全边界亟需界定，尤其在涉及人身安全或重大决策的领域。 人工智能中的Agent，本质是构建能够主动理解世界、思考问题并采取行动的智能实体。它不仅是技术概念，更代表了一种解决复杂问题的新范式。
2.8K20编辑于 2025-07-31 腾讯云 ClawPro：百万级用户验证的企业级 AI 智能体管控中台实践
突破 AI 规模化落地的行为边界与管控瓶颈 在企业推进智能化转型的过程中，AI Agent 的部署正从“个人辅助”向“企业级规模化生产”演进。 在此阶段，企业面临着多维度的系统集成与运维管理挑战，核心痛点集中在以下三个方面： 安全合规与行为边界失控： AI 智能体在获取 Shell 权限后，无边界特权易导致环境失控；外部引入的恶意 Skill 存在窃取数据或供应链投毒风险；模型调用过程中企业敏感数据存在外泄至第三方（数据出内网）的安全隐患。 部署同源同构的专属 AI 智能体管控架构 针对企业共性需求，腾讯云推出 OpenClaw 企业版（ClawPro），定位为对标 MDM（企业移动设备管理）的 AI 数字员工管理平台，通过提供底层同源同构 基于 Agent 工作流引擎，系统能够自主规划个性化税务筹划与智能校验，实现 24 小时全天候自动驱动，在保障云端交互数据安全合规的同时，大幅提升复杂业务的超高性价比。
14300编辑于 2026-05-28AI智能体中的Skills是什么？
在AI 智能体（AI Agent） 里，Skills（技能） 可以简单理解为：智能体可以调用的、完成具体任务的 “能力模块” 或 “工具函数”。 代码执行file_read() / file_write()：文件读写call_api(url, params)：调用外部接口schedule_task()：定时任务robot_move()：机器人运动控制智能体通过规划 三、和 “工具（Tools）” 的区别日常语境里，Skill ≈ Tool，经常混用：Tool：更偏外部工具、插件、外部接口Skill：更偏智能体自身掌握的一套动作 / 能力四、举个生活例子你让 AI 智能体：“帮我查今天天气，然后写一段出行建议并发到邮箱”它会拆解并调用 Skills：web_search(天气) → 查天气text_generate(出行建议) → 生成文案send_email() 简单总结：Skills = AI智能体用来执行具体任务的标准化能力集合，是 Agent 从 “会思考” 变成 “会做事” 的关键。
7.8K20编辑于 2026-03-17- 来自专栏AI科技大本营的专栏
平安科技智能认知的“中台战事”
平安科技也在构建AI智能认知中台来实现业务衔接，与其他中台所不同的是，它不仅是一个能力中台，也是一个战略中台。 作为能力平台，平安智能认知中台向下作为整合者融合AI技术能力，向上作为方案提供者赋能业务，上下资源的整合即体现出中台的价值。 总体而言，平安智能认知中台并非只是面向能力领域，而是基于AI能力领域面向业务输出价值。 1.“金融+生态”催生平安智能认知中台 平安作为金融起家的巨无霸企业，拥有金融全牌照。 平安智能认知中台 2.平安智能认知如何打造“更小距离”？ 平安智能认知中台为平安这头大象的生态提供坚实的地基，而这一地基具体是如何打造的？ 平安智能认知中台生态模式 最后，智能认知中台在AI生态建设中有一套系统做法，开放上下游的同时，让自己成为生态的主导方，在生态上为合作伙伴解决问题，实现价值最大化。
1.6K10发布于 2020-01-21 AREE：给AI智能体建一个可控的工作台
如果你关注AI Agent（智能体）领域，大概率听过这样一种说法："大模型是大脑，工具是手脚，Agent就是连接大脑和手脚的神经系统。" 简单来说，它是一个为AI智能体专门设计的、封闭的、可预测的执行空间。"封闭"是什么意思？不是说它不与外界交互，而是说智能体在这个空间内的所有行为都是可控的、有边界的。 这对企业级应用至关重要——你不会希望AI智能体在处理客户数据时，突然"自由发挥"做了一些你没预期的事情。用一个更接地气的比喻：AREE就像是为AI智能体搭建的一个标准化车间。 在Java企业级开发中，大量的业务逻辑已经沉淀在Service层、DAO层、工具类中。AREE允许AI智能体直接调用这些Java资产，而不需要通过额外的API网关或协议转换。 写在最后AREE这个概念虽然听起来比较新，但它的核心思想并不复杂——给AI智能体提供一个标准化的、可控的、高效的执行环境，让智能体能够可靠地完成实际业务任务。
12910编辑于 2026-05-09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 article in response.css('div.post-block'): yield { 'title': article.css('h2 a::text').get(), 'url': article.css('h2 a::attr(href)').get(), 'timestamp 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： 企业用户平均减少67%的信息收集时间 重大技术事件发现速度提升40% 误报率控制在2%
42811编辑于 2025-12-17AI-Agentforce智能体中台从六大维度AI重构医药行业运营逻辑
强强联合：技术巨头与医药新锐的互补共振作为全球领先的AI SaaS智能营销云平台，迈富时的核心竞争力源自其自主研发的AI-Agentforce企业级智能体中台。 “智能体中台的赋能，打破了企业不同业务线和数据的隔离，构建面向不同场景的专业的数字员工为企业提供一套最佳的AI解决方案。 六大维度突破：AI重构医药行业运营逻辑基于AI-Agentforce智能体中台，聚焦六大核心场景，形成了可落地的智能解决方案矩阵。 迈富时将通过智能体中台，为银诺医药搭建适配不同场景的Agent（智能体），这些智能体可灵活协作，贯穿患者疾病管理的全流程——从用药提醒、病情监测到疑问解答，实现“千人千面”的个性化服务，让科技真正贴近患者需求 行业启示：AI-Agentforce智能体中台开启医药智能新生态迈富时与银诺医药的合作，本质上是AI技术与医药行业深度融合的典型实践。
53410编辑于 2025-09-22- 来自专栏大数据解决方案
做中台2年多了，中台到底是什么呢？万字长文来聊一聊中台
有的中台定义严格来说不是定义， 比如说“中台是提升效率和加速业务增长的一种工具”、“中台是我们的战略目标”、“中台就是一个革命性的设计”，似乎不做中台就成了反革命一样，就是落后生产力的代表。 甚至业务中台这个概念也没有那么新：Oracle Fusion Middleware 早在 2006 年就发布了， 覆盖了包括企业智能、团队协作、内容等多个领域。 我想特别强调中台和前台的定义差别。 2.提升稳定性：同一个业务能力持续打磨， 要求需求同时具备高的接口稳定性和好的跨业务线通用性。 这个时候他对应的层级是 2， 收入是 3。某一天， 他启动一个大项目， 给这个项目一个冠冕堂皇的名字， 比如说“拿破仑项目”。他的团队急速膨胀到 4。 紧接着他的上级内举不避亲， 把他从层级 2 提拔到 5， 收入也相应的从 3 调整到 6。然后周而复始， 他再启动“拿破仑二世项目”继续开发膨胀软件。很快他的“成功”也被疯狂复制。
1.9K20发布于 2021-12-02 - 来自专栏机器学习算法与Python学习
开源星际争霸2多智能体挑战smac
转自：专知 SMAC是Github上的一个用于在暴雪星际争霸2上进行多智能体协同强化学习（MARL）的环境。 SMAC用了暴雪星际争霸2的机器学习API和DeepMing的PySC2为智能体与星际争霸2的交互提供了友好的接口，方便开发者观察和执行行动。 https://github.com/oxwhirl/smac 安装SMAC pip install git+https://github.com/oxwhirl/smac.git 另外，星际争霸2也是要安装的 示例代码 ---- 在下面的代码中，独立的智能体在接收到观察和全局状态后会执行随机策略。 from smac.env import StarCraft2Env import numpy as np def main(): env = StarCraft2Env(map_name=
1.6K20发布于 2019-03-07 - 来自专栏Crossin的编程教室
耗时2天，我自制了一台体感游戏机
而且是体感游戏机。 说到体感游戏，现在大家可能最多想到的是 switch 上的健身环大冒险。 但往前几年，其实还有另一个非常火的体感游戏设备，就是 xbox 上的 kinect。 在 NVIDIA 智能物联网的 github 仓库里，我发现了一个类似的项目，用手势去操作浏览网页。 将以上这些全部合在一起，就得到了我们想要的功能： 一个可以用动作来玩游戏的系统 视频演示：耗时 2 天，我自制了一台体感游戏机_哔哩哔哩_bilibili 对于 Orin 来说，用在这个项目上其实有点大炮打蚊子了 NVIDIA-AI-IOT/trt_pose_hand 运行环境： NVIDIA Jetson AGX Orin JetPack 5.0 Python 3.8.10 代码已开源：http://python666.cn/c/2
1.5K30编辑于 2022-05-10 - 来自专栏Crossin的编程教室
耗时2天，我自制了一台体感游戏机
而且是体感游戏机。 说到体感游戏，现在大家可能最多想到的是 switch 上的健身环大冒险。 但往前几年，其实还有另一个非常火的体感游戏设备，就是 xbox 上的 kinect。 在 NVIDIA 智能物联网的 github 仓库里，我发现了一个类似的项目，用手势去操作浏览网页。
1.8K10编辑于 2022-06-08 - 来自专栏数据饕餮
数据中台体系结构、建设方法和落地实践（2）：数据中台的概念定义
一、前言 关于数据中台的概念定义，业内有各种各样的版本，尤其是涉及数据中台与数据仓库、数据平台等相关概念的差异一直争议不断，可谓一百个人眼中，就有一百个数据中台，千百万人眼中，就有千百万个数据中台 本章内容围绕数据中台的定义，采用两种方法，三个视角，给大家阐述，在工程实践者的眼中，数据中台的概念定义。 二、正文 2.1 什么是数据中台 数据中台概念的理解，我们可以通过拆解其建设内容和知识结构进行理解，此为归纳法。 通过以上时间和数据生命周期两个维度，进行数据仓库、数据平台和数据中台的对比和分析，我们可以得出归纳两个结论：一、时间视角：数据中台是数据仓库、数据平台发展和演进的下一个阶段；二、数据视角：数据仓库、数据平台和数据中台 三、未完待续 计划写一个完整的关于数据中台的系列文章，此为第二篇，基于工程实践视角阐述数据中台的概念定义和演进路线。下一篇：《数据中台的体系结构》，敬请期待。沟通交流，共同学习，可以加交流群：
90711发布于 2020-07-30 - 来自专栏腾讯云TI平台
腾讯云智能媒体AI中台3.0 全新升级！
在4月19日举办的第29届“中国国际广播电视信息网络展览会”（CCBN）上，腾讯云智能宣布媒体AI中台3.0全新升级，在智能编目、智能拆条等技术功能的基础上，进一步强化智能标签能力，让内容标签颗粒度更细 对此，腾讯云智能媒体AI中台3.0升级将智能标签能力进一步强化，引入自研“标签权重引擎”，让内容标签颗粒度更细、理解度更深、泛化性更高。 同时，3.0版媒体AI中台，还支持更多智能功能，包括智能标题和智能摘要生成等。不断发展的AI大模型能力为传媒行业带来了巨大的想象空间，不断提升行业生产效率。 目前，媒体AI中台已经服务央视、北京电视台、深圳电视台等超过20+客户，譬如与央视共建人工智能开放平台，打磨更多适合媒体的AI能力，持续致力于内容的生产、管理、分发、运营等业务场景，为传媒人打造专属的AI 腾讯云智能媒体AI中台入选2022中国AI最具创新价值落地案例
3K50编辑于 2023-04-25 - 来自专栏云时之间
智能体结构
体系结构也许只是一台普通的个人计算机，或者一辆自动驾驶汽车，车上载有一些计算机，摄像头和其他传感器。总而言之，体系结构为程序提供来自传感器的感知信息，运行程序，并且把程序产生的行动选择传送给执行器。 在我写的文章中绝对多数的章节都是关于智能体的程序的，其实和机器学习程序大同小异。 1:智能体程序 其实我们设计的智能体程序都具有相同的骨架，他们从传感器得到感知信息作为输入，返回一个行动交给执行器。 我们将用一段在附录B中定义的简单伪代码去描述智能体程序，在上图中我们显示了一段相当普通的智能体程序，他记录感知序列，然后使用感知序列作为牵引，到行动表里查询该决策应该做什么。 这些令人望而生畏的容量，意味着：1:这个世界没有一个实际的智能体可以保存该表的空间。2：设计者没有时间来创建该表。3：没有智能体能够从他的经验中学习正确的表条目。 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
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