- 综合排序
- 最热优先
- 最新优先
- 来自专栏nft市场
智能合约安全——delegatecall (2)
Attack.attack() 函数先将自己的地址转换为 uint256 类型（这一步是为了兼容目标合约中的数据类型）第一次调用 HackMe.doSomething() 函数；2. 如果想了解更多的智能合约和区块链知识，欢迎到区块链交流社区CHAINPIP社区，一起交流学习~社区地址：https://www.chainpip.com/
37920编辑于 2022-08-03 - 来自专栏JavaEdge
AI智能体落地前，务必关注这些安全红线！
如它真可能成为安全隐患，如何应对？ 什么是AI智能体？与以往AI有啥不同？ 要理解AI智能体的风险，首先得搞清楚我们到底在说什么。实际上，“AI agent”这个术语在业内有多种不同解释。 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 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%
36011编辑于 2025-12-17- 来自专栏有文化的技术人
企业级 AI 智能体平台安全沙箱在 E2B 中的实现
引言 随着 AI 智能体（AI Agent）在企业级应用中的广泛部署，如何让 AI 安全地执行代码、访问数据、操作工具成为核心挑战。 E2B 是一个「企业级 AI 智能体云端环境」，提供开源、安全的隔离沙箱，内置真实世界的工具，让 AI 智能体能够： 执行任意编程语言代码 进行数据分析和可视化 访问互联网和文件系统 运行完整的 Linux test.txt", "Hello World") content = sandbox.files.read("/data/test.txt") print(content) 8.3 AI 编码智能体示例 "] = "e2b_***" client = OpenAI() def coding_agent(task: str): """AI 编码智能体：生成代码并在沙箱中执行验证""" 集成到自己的 AI 应用中，为 AI 智能体提供安全、强大的代码执行能力。
27910编辑于 2026-04-09 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。 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
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。 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 ,stroke:#2196f3图7 智能体安全运维流程图总结作为一名长期专注于AI安全领域的技术博主"摘星"，通过本文的深入探讨，我深刻认识到智能体安全与可信AI已经成为当前人工智能发展中最为关键和紧迫的议题之一
43010编辑于 2025-07-29 - 来自专栏Go语言学习专栏
2 - AI 应用开发 - AI 超级智能体项目教程
2）对话型提示词（Conversational Prompts）：模拟自然对话，以问答形式与 AI 模型交互。 你认为人工智能会在未来取代人类工作吗？ 什么是人工智能？ 2）复合提示词（Compound Prompts）：包含多个相关指令或步骤的提示词。 分析下面这段代码，解释它的功能，找出潜在的错误，并提供改进建议。 请提供一个社交媒体营销计划，针对一款新上市的智能手表。计划应包含: 1. 目标受众描述 2. 三个内容主题 3. 每个平台的内容类型建议 4. 设计一个智能家居系统的基础架构: 1. 首先用文字描述系统的主要功能和组件 2. 然后创建一个系统架构图(用ASCII或文本形式表示) 3. 接着提供用户交互流程 4. **场景2：用户回答问题后追问** 用户：HashMap底层是数组+链表/红黑树，多线程下会有线程安全问题。 你：非常好。那具体会出现哪些线程安全问题？如何解决？
40210编辑于 2026-03-17 - 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
78310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。 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 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 即开即用适用人群业务人员、产品经理、运营人员技术门槛无需编程基础开发速度分钟级搭建应用场景自媒体文案批量生成、客服自动回复、简单任务自动化优点：可视化拖拽界面，操作简单内置丰富工具和模板快速验证业务想法降低AI应用门槛2️⃣ 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 技术门槛 无需编程基础 开发速度 分钟级搭建 应用场景 自媒体文案批量生成、客服自动回复、简单任务自动化 优点： 可视化拖拽界面，操作简单 内置丰富工具和模板 快速验证业务想法 降低AI应用门槛 2️⃣ 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 2025-09-17Composer 2：基于强化学习的智能编程体训练
Composer 2 的训练流程该训练流程将一个强大的通用模型转化为专门的编程智能体。 一个智能体可能读取数十个文件、执行多个 shell 命令，并与环境进行数百轮交互。为了让模型保持有效而不撑爆上下文窗口，Composer 2 依赖于自摘要。 这种方法使用的令牌显著减少，允许高效的 KV 缓存重用，并通过使智能体保持接地气来持续减少复杂任务中的错误。塑造智能体行为虽然功能正确性是首要目标，但开发者体验同样重要。 结论Composer 2 证明，从一个强大的通用模型开始，并应用领域专用的 RL，可以创建出前沿级别的工程智能体。 智能体编码的演变将依赖于缩小模型训练方式与实际工作环境之间的差距。FINISHED
2100编辑于 2026-04-18- 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
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？ 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。 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。
94620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。 TENCENT_VECTOR_DB_SHARD: ${TENCENT_VECTOR_DB_SHARD:-1} TENCENT_VECTOR_DB_REPLICAS: ${TENCENT_VECTOR_DB_REPLICAS:-2} restart: always environment: XPACK_ENCRYPTEDSAVEDOBJECTS_ENCRYPTIONKEY: d1a66dfd-c4d3-4a0a-8290-2abcb83ab3aa
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。 ) input_text = "AI智能体的核心功能包括" input_ids = tokenizer.encode(input_text, return_tensors="pt") output 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 典型应用案例：医疗AI模型在不共享原始病历数据情况下的跨医院协同训练 系统监控指标包括： 模型性能：准确率、召回率的实时变化曲线 计算资源：GPU利用率、内存消耗监控 数据质量：特征缺失率、异常值比例统计 伦理安全考量
36710编辑于 2025-12-17
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