- 综合排序
- 最热优先
- 最新优先
- 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
本节重点 学习 AI 智能体的概念和构建方法，掌握如何实现具有自主决策能力的 AI 系统。 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？ 二、智能体实现关键技术 在自主开发智能体前，我们要先了解一下智能体的关键实现技术，也就是方案设计阶段做的事情。 综合上面 4 类技术，并且结合 CoT、Agent Loop、ReAct 等机制（可以总称为 “规划执行机制”），我们就可以构建一个完整的、有自主规划能力的智能体系统啦。 目前很多公司都在用这种方法构建复杂的智能体工作流，确实很方便~ OWL 框架 前面提到过 AI 智能体依赖工具调用能力来拓展能力边界，这里再给大家分享一个很实用的开源项目 OWL。
66710编辑于 2026-03-17 - 来自专栏机器之心
科研智能体「漫游指南」—助你构建领域专属科研智能体
当前基于大语言模型（LLM）的智能体构建通过推动自主科学研究推动 AI4S 迅猛发展，催生一系列科研智能体的构建与应用。 与传统综述不同，本篇综述为大家呈现了科研智能体的「漫游指南」，旨在提供构建科研智能体的「说明指南」：从科学研究的全周期出发，概述了科研智能体的分级策略，并详细阐述了对应等级的构建策略与能力边界；同时该「 漫游指南」详细阐明了如何从头构建科研智能体，以及如何对科研智能体的定向能力进行增强。 通过结合科学研究全生命周期与科研智能体构建策略，本综述深入剖析了构建策略与科研流程之间相互促进与协同的过程，揭示了科研智能体设计与应用之间的独特联系。 图 3｜不同等级科研智能体汇总 从头构建科研智能体 本综述凝练了科研智能体的构建过程，从头构建科研智能体的工作流主要为知识组织、知识注入以及工具集成三个部分构成。
47610编辑于 2025-09-02 - 来自专栏后端开发从入门到入魔
智能体应用开发：构建各类垂直领域的ai智能体应用
智能体在AI中的角色 智能体（Agent）是AI领域中一个关键的概念，它指的是能够在特定环境中自主运作并执行任务的软件实体。智能体不仅可以感知其环境，还能做出决策并采取行动以达成目标。 功能定义：列出智能体需要实现的具体功能。 场景模拟：设想智能体在不同情境下的应用案例。 性能指标：确定智能体的性能标准，如响应时间、准确性等。 智能体架构设计 智能体的架构设计是构建其内部结构和组件的过程。一个良好的架构设计能够确保智能体的灵活性、可扩展性和可维护性。架构设计的关键要素包括： 感知模块：负责收集环境信息。 这些工具和平台能够提供必要的支持，帮助开发者快速构建和测试智能体。 开发环境：选择支持智能体开发的语言和开发环境，如Python、Java等。 开源框架与库 利用开源框架和库可以减少开发工作量，同时利用社区的力量来改进和维护智能体： 机器学习框架：如TensorFlow、PyTorch等，用于构建和训练智能体的模型。
2K11编辑于 2024-06-13 - 来自专栏自然语言处理
体验智能体构建过程：从零开始构建Agent
工具：智能体可以根据用户请求执行的预定义函数。 工具箱：智能体可用工具的集合。 系统提示：指导智能体如何处理用户输入并选择合适工具的指令集。 2. 实现 现在，让我们卷起袖子开始构建吧！ 构建智能体 2.1 前提条件 在运行代码之前，确保你的系统满足以下前提条件： 1. Python环境设置 你需要安装Python来运行AI智能体。 步骤6：运行智能体 最后，让我们把所有内容放在一起并运行我们的智能体。 总结 在这篇博文中，我们探索了智能体的概念，并一步步实现了它。我们设置了环境，定义了模型，创建了基本工具，并构建了一个结构化的工具箱来支持我们智能体的功能。 最后，我们通过运行智能体将所有内容整合在一起。 这种结构化方法为构建能够自动执行任务并做出明智决策的智能交互式智能体提供了坚实的基础。
3.7K10编辑于 2025-04-13 如何构建企业级智能体应用 -- 两天的“AI智能体构建工作坊”有感
5月21~22日，IBM针对合作伙伴在上海举办了“AI智能体构建工作坊”，基于watsonx平台进行了实战教学，两天亲身完整体验了企业级智能体应用的构建。 watsonx Orchestrate通过Skill Studio实现企业基于API、技能流和自动化智能决策工作流的技能构建，构建好的技能可以直接用于AI智能体或AI助手。 watsonx.ai提供了各种大小模型的训推环境，为智能体的构建提供了Langraph，CrewAI等框架，提供基于Notebook和可视化界面方式构建智能体，并封装提供AI服务的能力。 ，可以微调一个基础模型，可以可视化构建一个新模型，可以基于Python或R语言notebook构建智能体和模型等。 企业级智能体平台应该能够为构建智能体提供所有的构建积木块（能力、工具和技术），提供简便的构建方法，并提供部署运行和运营监控的载体。
51621编辑于 2025-05-30- 来自专栏AI前沿技术
智能体｜Workflow和Agent的区别与构建
智能体（Agent）与工作流（Workflow）已逐渐成为串联大模型、工具与实际业务场景的核心载体。业务场景的实际落地离不开标准化流程，而Agent则为标准化流程，提供了智能升级的新方法。 1.2，Agent 智能体 Agent 是具备自主决策能力的AI实体。依靠大模型的认知与推理能力，动态决定任务执行的流程、工具调用时机与方式，拥有核心决策权。 1.3，Agentic 系统 Agentic 系统是通过“智能体化”设计，将大模型、工具与流程整合，实现任务自动化或半自动化执行的系统。 其核心并非“是否自主决策”，而是“以智能体为核心串联资源，达成任务目标”，所以无论是预编排的工作流，还是具备自主决策权的Agent，都属于Agentic系统 构建Agentic系统的一个核心原则：保持工作流简洁 2.7，自主智能体Agent 核心逻辑：以用户指令或任务为起点，自主规划任务执行路径。 如果用户的指令是清晰的，智能体就可以自己规划独立的完成任务。
1.4K20编辑于 2026-01-20 - 来自专栏AI前沿技术
智能体｜Workflow和Agent的区别与构建
智能体（Agent）与工作流（Workflow）已逐渐成为串联大模型、工具与实际业务场景的核心载体。业务场景的实际落地离不开标准化流程，而Agent则为标准化流程，提供了智能升级的新方法。 1.3，Agentic 系统 Agentic 系统是通过“智能体化”设计，将大模型、工具与流程整合，实现任务自动化或半自动化执行的系统。 其核心并非“是否自主决策”，而是“以智能体为核心串联资源，达成任务目标”，所以无论是预编排的工作流，还是具备自主决策权的Agent，都属于Agentic系统 构建Agentic系统的一个核心原则：保持工作流简洁 图6，评估者-优化者 工作流 适用场景： 有明确的评价标准且可以通过不断的修改提升输出结果。 2.7，自主智能体Agent 核心逻辑：以用户指令或任务为起点，自主规划任务执行路径。 如果用户的指令是清晰的，智能体就可以自己规划独立的完成任务。
77910编辑于 2026-01-26 - 来自专栏AI前沿技术
智能体｜Agent 自动化评测系统构建
2）业务实操，评测数据集构建和分类体系。 3）以深度研究评测为例，介绍 RACE 和 FACT 评测框架。 1，评估的必要性 辛苦上线后的Agent，用户反馈说体验变差了！团队的天都塌了。 3，深度研究 Agent 测试集准备 深度研究Agent（Deep Research Agent DRA）定义：需要智能体执行多轮网络搜索、信息收集、分析处理并生成高质量报告的复杂问题。 3.1，意图体系构建 收集目标数据集 DeepResearch Bench 收集了一个包含96万个原始用户查询的内部数据集，这些查询来源于用户与支持网络搜索功能的LLM聊天机器人的交互记录。 拔尖任务 确定各主题领域的目标任务数量后，研究重点转向构建既具有高度挑战性又基于真实研究需求的研究任务。这一过程专门用于测试深度研究智能体能力的上限。 ；用于衡量智能体引用的精确度，反映使用合适来源准确支撑陈述的能力。 • 每任务平均有效引用数(E. Cit.)；量化agent在每个任务中检索并呈现的有价值且可验证信息的平均数量。
62410编辑于 2026-02-28 - 来自专栏张善友的专栏
基于 MemNet 构建智能体 Zettelkasten 认知记忆架构
绪论：大型语言模型的状态危机与记忆抽象的范式转移 在当代人工智能的发展轨迹中，构建具备长期连贯性、复杂推理能力以及自我演化特征的自主智能体（Autonomous Agents）始终面临着一个基础性的架构瓶颈 二者的结合，为构建具备可组合性、简单性且防冲突的下一代智能体记忆系统提供了完整的蓝图。 智能体可以像驾驶火箭一样，在不断的运行中持续地为旧笔记添加新的链接、修正过时的参考，或者根据新涌现的证据重构原有的知识主干 6。 确定性上下文组装与认知工程 在智能体利用 Zettelkasten 执行复杂任务时，最为关键的步骤是在将提示词（Prompt）送入大语言模型进行推理之前，构建高质量的上下文环境。 通过这种方式，智能体可以动态地修改每个回合之间的上下文，实施摘要、剪枝或重新构建框架的操作，从而有效地遏制认知漂移的发生。
29710编辑于 2026-03-08 - 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
按照官方的说法，总共有 6 大核心概念。大家简单了解一下即可，除了 Tools 工具之外的其他概念都不是很实用，如果要进一步学习可以阅读对应的官方文档。 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 MCP 服务端开发 可以使用 Pexels 图片资源网站的 API 来构建图片搜索服务。 6）跨平台兼容性：开发 MCP 服务时，应该考虑在 Windows、Linux 和 macOS 等不同操作系统上的兼容性。
49910编辑于 2026-03-17 构建企业智能体生态体系：腾讯云智能体开发平台如何引领AI原生转型？
摘要 在AI技术加速迭代的背景下，企业构建智能体生态已成为数字化转型的核心战略。 本文以腾讯云智能体开发平台为核心，结合行业趋势与实战案例，解析企业构建智能体生态的关键路径，并重点呈现腾讯云在模型能力、协作框架及全链路服务上的创新突破。 一、智能体生态构建的核心挑战与趋势 1.1 企业智能体落地的三大核心痛点 数据孤岛：非结构化知识难以激活，业务系统间协同效率低（如某制造企业因数据分散导致智能体决策偏差）； 技术门槛：需同时掌握大模型调优 二、腾讯云智能体开发平台：构建生态的“技术底座” 2.1 核心能力矩阵 腾讯云智能体开发平台基于混元大模型与DeepSeek系列模型，提供三大技术突破： 能力维度 技术特性 结语：智能体生态的终局价值 企业构建智能体生态的本质，是建立“数据-知识-决策”的自进化系统。
95910编辑于 2025-09-10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
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。 三、数据准备：构建知识流动的管道智能体的核心竞争力在于"认知能力"，而这种能力来源于高质量的数据喂养。数据准备不是简单的"数据清洗"，而是要构建一套知识从产生到应用的完整流动管道。 业务专家负责定义智能体的应用场景和效果指标，如"客服智能体需将首次解决率提升至85%"；技术人员负责平台部署、接口开发和性能优化；数据分析师则专注于知识构建和效果评估。 五、合规准备：构建全链路安全屏障智能体平台涉及大量企业敏感数据和客户隐私信息，合规安全是不可逾越的红线。尤其在金融、医疗等监管严格的行业，合规准备甚至比技术能力更为关键。 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。
87110编辑于 2025-09-11- 来自专栏AI智能体从入门到实践
构建AI智能体：反应式智能体：基于感知-行动，AI世界的条件反射
二、什么是反应式智能体 反应式智能体的设计源于对自然界（如昆虫）高效行为的观察，一只蜜蜂不需要构建整个花园的认知地图，它只需根据光线、花朵形状和气味等即时感官输入，就能做出飞向花蜜的决定。 涌现行为：智能体整体的、看似复杂的行为，是由多个简单行为在环境交互中涌现出来的，而非预先编程的。6. 反应式智能体的优势速度快： 响应延迟极低，适用于需要快速反应的任务，如避障。 完整构建步骤1. 定义任务和目标： 明确智能体需要完成什么。例如：“在房间里漫游而不撞到任何东西”。2. 识别相关情境： 列出智能体在执行任务时可能遇到的所有关键场景。 反应式智能体代表的是一种工程哲学：用简单、可靠、可验证的组件构建复杂的智能系统。它提醒我们，有时候最有效的解决方案不一定是最复杂的。 在追求更复杂AI技术的今天，理解反应式智能体的原理和价值，不仅有助于我们构建更可靠的实时系统，也为我们理解智能的本质提供了重要的视角。
48721编辑于 2025-12-14 使用GraphBit构建生产级智能体工作流
本文通过完整示例演示了如何使用GraphBit框架构建面向生产的智能体工作流程。我们将创建端到端的客户支持工单处理系统，展示图结构执行、工具调用和可选的LLM驱动智能体如何在一个系统中协同工作。 classify_ticket", c), ("route_ticket", rt), ("draft_response", dr), ] }构建有向 GraphBit工作流程，包含多个具有明确定义职责的智能体节点：SYSTEM_POLICY = "您是一个可靠的支持运营智能体。 result = executor.execute(wf) return result在单个工单上执行工作流程并捕获执行状态和输出，这最后一步说明了系统如何从离线确定性无缝过渡到完全智能体执行。 总之，我们实现了一个完整的GraphBit工作流程，涵盖运行时配置、工具注册、离线确定性执行、指标聚合，以及可选的基于智能体的外部LLM提供程序编排。
14410编辑于 2026-01-15Graphiti 为 AI 智能体构建实时知识图谱
Graphiti 是一个框架，用于构建和查询具有时间感知的知识图谱，特别适用于在动态环境中操作的 AI 智能体。 Graphiti 的独特之处在于，它能够自主构建知识图谱，同时处理关系的变化并维护历史上下文。 Graphiti 与 Zep 的上下文工程平台 Graphiti 为 Zep 的核心提供支持，Zep 是一个为 AI 智能体提供开箱即用的上下文工程平台。 Zep 提供智能体记忆、图谱 RAG（用于动态数据）以及上下文检索和组装功能。 我们很高兴开源 Graphiti，认为它的潜力远远超出了 AI 记忆应用的范畴。 •选择 Graphiti：如果您需要一个灵活的开源核心，并且愿意构建/运营周围的系统。 为什么选择 Graphiti？
42810编辑于 2026-03-13- 来自专栏AI智能体从入门到实践
构建AI智能体：使用智能助手结合线上API 实现天气查询
本文旨在实现QwenAgent的Assistant助手与高的天气API的无缝集成，构建一个能响应用户自然语言查询、返回精准天气信息的智能系统。 role': 'assistant', 'content': '北京今天晴，温度25°C...'}总而言之，Assistant 类是 QweAgent 框架的核心，它提供了：简化的API接口：让开发者快速构建智能助手应用强大的工具集成 四、对比 function call 的实现 在《构建AI智能体：Function Calling - 解锁大语言模型的实际行动力+案例解析》一文中我们讲过通过Function Calling location, "extensions": "base", }使用高*地图天气API v3支持城市名称或行政编码查询返回结构化天气信息（温度、湿度、风力等）处理API响应状态码和错误信息6. 、初始化Assistant，实现自然语言到天气数据的转换测试验证功能并解决常见问题 这个项目不仅提供了实用的天气查询功能，更重要的是展示了如何将 AI 大模型与实际 API 服务相结合，构建真正有用的智能应用
70421编辑于 2025-12-04 - 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.
72911编辑于 2024-05-28 企业如何高效构建智能体生态体系？腾讯云智能体开发平台解锁AI落地新路径
随着人工智能技术加速渗透业务场景，构建覆盖全链路的智能体生态体系已成为企业数字化转型的核心竞争力。然而，智能体开发面临技术门槛高、资源整合难、成本可控性差等挑战。 本文结合行业实践，解析企业构建智能体生态的关键路径，并推荐腾讯云智能体开发平台（Tencent Cloud ADP）——一款集成了多模型能力、低代码工具与企业级安全管控的一站式解决方案。 一、智能体生态体系：从单点应用走向全局协同 智能体生态体系并非孤立AI应用的堆砌，而是通过统一平台整合数据、模型、业务流程，实现智能体之间的协同与迭代。 二、四步构建智能体生态，腾讯云ADP提供全链路支持 基于腾讯云智能体开发平台的实践，企业可分四步搭建可持续演进的智能体生态： 框架选型：选择兼容LLM+RAG、Workflow、Multi-agent 结语 构建智能体生态体系是企业拥抱AI浪潮的必由之路。腾讯云智能体开发平台以“可信、专业、开放、可靠”为核心优势，提供从开发到运维的全生命周期支持，助力企业快速落地高精准、可演进的智能应用。
55110编辑于 2026-02-05- 来自专栏AI智能体从入门到实践
构建AI智能体：LangChain智能体：打造会使用工具(Tools)、有记忆(Memory)的AI助手
它提供了一套完整的工具和组件，帮助开发者构建基于大语言的复杂应用程序，如智能对话系统、知识问答平台、内容生成工具等。 基础内容可参考《构建AI智能体：解密LangChain中的RAG架构：让AI模型突破局限学会“翻书”答题》二、LangChain的核心组件模型层Models：模型层是 LangChain 的基础，支持多种大语言模型接口 、功能丰富的LangChain多工具智能体，适合作为更复杂应用的基础框架。 <meta name="keywords" content="<em>构建</em>AI<em>智能</em><em>体</em>：十八、解密LangChain中的RAG架构：让AI模型突破局限学会“翻书”答题"> <meta name="description Final Answer: <em>构建</em>AI<em>智能</em><em>体</em>：十八、解密LangChain中的RAG架构：让AI模型突破局限学会“翻书”答题-CSDN博客2025-09-13 14:19:58,233 - LangChainAgent
1.3K21编辑于 2025-11-24 什么是 AI 智能体？如何一步步构建属于你自己的智能体？
什么是 AI 智能体？ 下一件大事？Gartner 认为：AI 智能体（AI Agents）将是未来的关键技术。 理解智能体（Agents）的关键在于：自主性（Agency）。 不同于传统的生成式 AI 系统，智能体不仅仅是对用户输入做出回应。 如何动手构建一个 AI 智能体？ 我们将围绕上方图示中的保险业务流程，设计一个智能体系统。该智能体应能从理赔申请的发起一直处理到赔付完成。 ⚠️ 在这里我们主要讨论业务架构和流程设计。 但这对智能体来说远远不够。几乎所有具备一定能力的 AI 智能体都必须访问企业内部或外部的数据源，如数据库等系统。 此外，为了使流程的上下文在当前会话之外仍然持续可用，智能体必须将数据写入系统或数据库。 如果你刚才实现了上面所提到的 2 到 3 个步骤，那么你就已经构建出了一个 AI 智能体。我在前文中只列出了这些智能体系统的核心组成部分，其余部分你一定也可以轻松想象得到。
20010编辑于 2026-03-13
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