- 综合排序
- 最热优先
- 最新优先
- 来自专栏phodal
你的 AI 智能体正确吗？API 开发中 10+ 个智能体的启示与反思
…… 也因此，在当前阶段，我们预期的一个智能体变为了 10+ 个智能体，以降低人的心智负担。也因此，我们开始思考三个问题： 过去的流程中，AI 可以参与到哪些环节？ API 安全测试：进行安全性审查与测试，检测潜在安全漏洞，如认证、授权、数据加密等，确保API不易受到攻击。 试验：API 开发的 10+ 个本地智能体 最近，我们在 Shire 语言中开发了 API 开发相关的智能体包，以支持开发者更好地构建 API。 我们创建了 10+ 个智能体，以支持 API 开发的各个阶段，如需求分析、API 设计、API 文档生成、API 代码生成、API 测试等等。 开发阶段：3 个智能体 开发阶段主要由三个智能体组成：结合需求的代码生成、开发测试 API 代码、API 代码测试。
49610编辑于 2024-11-22 - 来自专栏JavaEdge
AI智能体落地前，务必关注这些安全红线！
Capgemini调研显示，只有10%的受访企业高管表示他们目前在用AI智能体；但有50%计划在2025年部署，三年内这一比例预计将达到80%。 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？ 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。 换句话说，很多时候是因为急于解决琐碎问题，才不必要地引入了安全风险。 如何应对AI智能体带来的安全挑战？ 面对这些风险，我们可以采取多种方法来应对。 首先，要认真评估AI智能体的适用场景。 提前测试与整体思维：保障AI智能体安全的关键 最终，若想让AI智能体既安全又真正发挥作用，有两个核心要素必须重视： 首先是战略层面的整体思维：不要把智能体视为解决一切问题的“万能钥匙”。
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
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。 在这里，我们筛选真需求，击碎伪智能，夺回 AI 时代的协作主权。 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
在过去几年的研究和实践中，我见证了从简单的规则基础智能体到复杂的大语言模型驱动智能体的演进历程，同时也观察到了伴随而来的各种安全威胁和伦理问题。 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 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 10 分钟极速上手：使用 Coze 快速搭建可商用级智能客服智能体
本文带你零基础、零代码，用 Coze 平台快速搭建一个可直接上线使用的智能客服智能体。你只需在本文基础上优化人设、完善知识库，即可快速落地产品级客服能力。 三、创建智能客服智能体自定义智能体名称，例如「智能客服智能体」。3.1 人设与回复逻辑（直接复制使用）# 角色你叫小美，是一位资深QA专家，有任何QA方面的问题都可以咨询我。 作用：智能体无法回答时，自动保存用户问题到后台返回反馈编号给用户支持微信 / 钉钉 / 邮件实时通知管理员，用于迭代知识库3.4 其他设置默认即可满足使用；可按需调整开场白、语音音色、交互风格等，让智能体更贴合业务 六、效果展示场景 1：知识库匹配 → 精准回复场景 2：无知识 → 自动保存反馈并通知总结借助 Coze 平台，我们仅用不到 10 分钟就完成了从注册、建库、配置到发布的全流程，快速拥有了一个具备自动问答 、未知问题反馈、实时通知、可直接商用的智能客服智能体。
1.3K20编辑于 2026-03-09- 来自专栏算法之名
AI智能体
环境搭建 推荐 Python 3.10，具体参考乌班图安装 Pytorch、Tensorflow Cuda 环境 中的安装 Anaconda conda create -n py10 python=3.10.12 conda activate py10 pip install langchain pip install langchain_community HelloWorld 这里我们使用智普的 GLM 大模型 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 - 来自专栏大数据杂货铺
安全云数据湖仓一体的 10 个关键
云数据湖仓一体将多个处理引擎（SQL、Spark 等）和现代分析工具（ML、数据工程和商业智能）结合在一个统一的分析环境中。它允许用户快速摄取数据并运行自助分析和机器学习。 将这个生态系统迁移到云端对于那些规避风险的人来说可能会感到不知所措，但云数据湖仓一体安全多年来已经发展到可以更安全、正确完成并提供比本地部署显着优势和好处的地步数据湖仓一体部署。 以下是 10 种基本的云数据湖仓一体安全实践，它们对于保护、降低风险和为任何部署提供持续可见性至关重要。* 安全功能隔离 将此实践视为您的云安全框架最重要的功能和基础。 数据湖仓一体角色应仅限于管理和管理数据湖仓一体平台，仅此而已。云安全功能应分配给经验丰富的安全管理员。数据湖仓一体用户不应该将环境暴露于重大风险中。 原文作者：Brian Lachance 原文链接：https://blog.cloudera.com/10-keys-to-a-secure-cloud-data-lakehouse/
1.1K10编辑于 2022-12-02 - 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。 即便是国际象棋这样的在一个世界上微小的，良好表现的片段，查找表也将要至少包括10的150次方的条目。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。 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 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 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
需要注意，自主规划能力是智能体发展的重要方向，但并非所有应用场景都需要完全的自主规划能力。在某些场景中，限制智能体的自主性反而能提高效率和安全性。 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。 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。
66710编辑于 2026-03-17 - 来自专栏openclaw系列
OpenClaw技能系统深度指南：构建可扩展、安全、智能的工具化 AI 智能体
在AI智能体（Agent）从“聊天机器人”迈向“自主执行者”的进程中，工具使用能力（ToolUse）已成为核心分水岭。而OpenClaw的Skills系统，正是实现这一跃迁的关键基础设施。 配合ClawHub技能注册中心、插件集成与细粒度权限控制，OpenClaw构建了一个企业级智能体工具生态。 本文将全面解析OpenClawSkills的设计哲学、加载机制、配置语法、安全模型与最佳实践，助你打造真正可信赖、可维护、可扩展的AI智能体。一、什么是Skill？ 通过标准化的格式、严格的依赖管理、灵活的配置覆盖与强大的安全沙盒，开发者可以安全地将任何CLI、API或脚本转化为AI智能体的“超能力”。在ClawHub生态的加持下，技能的复用与共享将成为常态。 未来的智能体，不再是一个孤立的模型，而是一个动态加载、持续进化、安全可控的能力集合体。最后提醒：不要盲目安装技能，永远假设它是恶意的。在赋予AI能力的同时，也请赋予它边界。
95020编辑于 2026-03-27 - 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。 : ${MULTIMODAL_SEND_FORMAT:-base64} UPLOAD_IMAGE_FILE_SIZE_LIMIT: ${UPLOAD_IMAGE_FILE_SIZE_LIMIT:-10 ${CODE_EXECUTION_READ_TIMEOUT:-60} CODE_EXECUTION_WRITE_TIMEOUT: ${CODE_EXECUTION_WRITE_TIMEOUT:-10 retries: 10 start_period: 30s timeout: 10s # The pgvector vector database. pretty'] interval: 30s timeout: 10s retries: 50 # https://www.elastic.co/guide/en
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。 **智能合约和应用生态**：以太坊拥有强大的开发者社区和丰富的应用生态，这推动了其需求的增长，并对价格产生积极影响。 2. **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 StepLR：按固定步长衰减（如每30轮降低10倍）。 OneCycleLR：先升温后降温，适用于快速收敛。 示例：在训练ResNet时，CosineAnnealing通常比固定学习率表现更好。 版本回滚机制实现方案： 采用蓝绿部署架构，保留至少两个可运行版本 版本元数据记录每次更新的性能指标和变更日志 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
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 测试和验证代理机构与推理模型（deepseek r1）集成利用FEP原则指导科学推理（问题分析 - 假设 - 实验 - 验证）循环第六章：增强工具使用和代码执行主题：高级工具集成（API、人机交互、代码生成）安全的代码执行环境 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 self.latest_observed_msg: news = self.rc.memory.find_news(observed=[self.latest_observed_msg], k=10
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