- 综合排序
- 最热优先
- 最新优先
- 来自专栏AI前沿技术
智能体｜AI Agent 框架介绍
智能体 Agent 核心是通过与环境交互更好的完成用户的指令或任务。一个合格的智能体应该具有那些能力，这些能力面临何种困难，又有那些的解决方案。 1.1，功能维度 复旦大学张奇团队在关于Agent的综述中，将基于大语言模型的智能体分为三功能模块：大脑 Brain、感知 Perception) 与行动 Action。 一个智能体的所具有的核心能力是一致的，本文以Planning、Memory和Tool use 为框架进行介绍。 2，规划 Planning 从完成任务的维度，智能体对任务进行拆解，然后对拆解的步骤进行反思。 步骤3：又放进去3个，现在有3+3=6个苹果。 最终答案：6个。 • 思维树（Tree of Though ToT） 思维树 ToT是CoT的泛化。
97510编辑于 2026-01-18 - 来自专栏AI技术应用
AI智能体的开发框架
AI智能体的开发框架指的是用于构建、部署和管理AI智能体的工具、库、平台和方法论的集合。选择合适的框架对于加速开发、确保可伸缩性、可维护性和最终的部署效果至关重要。 以下是一些主流的AI智能体开发框架和相关技术，可以根据具体需求进行选择和组合：1. 适用场景: 需要高度自然语言理解和生成能力的智能体，如创意内容生成、高级客服。3. 强化学习 (Reinforcement Learning) 框架如果智能体需要通过与环境交互来学习最佳策略。 智能体构建和编排框架 (Agent Building & Orchestration Frameworks)这些框架侧重于将不同的AI能力（如NLU、模型推理、外部工具调用）组合起来，形成一个更完整的智能体 通过合理选择和组合这些框架，可以高效地构建出强大、可靠且可扩展的AI智能体。
1K10编辑于 2025-06-16 - 来自专栏AI
AI智能体的开发框架
AI 智能体的开发框架是一系列工具、库和平台的集合，旨在简化和加速 AI 智能体的构建、训练和部署过程。 以下是一些流行的 AI 智能体开发框架及其特点：通用框架：LangChain: LangChain 是一个强大的框架，旨在帮助开发人员使用语言模型构建端到端的应用程序。 例如，LangChain 更适合自然语言处理相关的任务，而强化学习框架更适合需要智能体与环境交互的任务。环境复杂性： 如果智能体需要在复杂的环境中运行，则需要选择能够处理复杂环境的框架。 AI 智能体开发框架的共同特点：智能体框架： 定义智能体的结构和行为，包括感知、决策和行动等模块。强化学习算法： 提供多种强化学习算法，用于训练智能体。 环境模拟： 提供模拟环境，用于训练和测试智能体。总而言之，选择合适的 AI 智能体开发框架需要根据具体项目需求进行评估。
80910编辑于 2024-12-25 - 来自专栏自然语言处理
智能体框架：11 个顶级 AI Agent 框架！
最近笔者在找智能体框架，看到一个文章：https://ai.plainenglish.io/11-best-ai-agent-frameworks-for-software-developers-afa1700644bc 人工智能 Agent（智能体）彻底改变了软件开发者构建智能应用的方式。 AI Agent 框架是软件平台，使开发者能够构建具备以下能力的自主人工智能系统： 理解和处理自然语言输入- 对复杂问题进行推理 基于现有信息做出决策 采取行动以达到特定目标 通过互动进行学习并不断改进 ### 主要特性： 智能系统设计，处理复杂任务游刃有余 精细控制 Agent 工作流 支持多 Agent 交互 允许人工干预（Human-in-the-loop） 无缝集成外部工具和 API 优势： 强大且灵活的框架 对于希望构建复杂 AI 应用的开发者来说，这些框架提供了创建智能、自主系统所需的工具和基础设施。
13.6K52编辑于 2025-07-02 - 来自专栏周拱壹卒
典型智能体框架介绍及实战
对于智能体框架的理解 什么是智能体？ 简单概括 智能体 = LLM + 记忆 + 工具 + 流程 什么是智能体框架？ 抽象构建智能体应用的通用过程， 封装不变步骤， 提供便捷定制及调整智能体各部分组件方式的智能体构建工具， 并提供独立、内嵌、API 等形式的智能体能力发布访问形式。 为什么要用智能体框架？ 智能体框架的分类 按如下两个维度，对目前我们评估过的智能体框架进行分类： 开源（可私有化部署）/ 闭源（公网服务） 基于编码 / 基于流程图 agents 开源框架 GitHub Star 数量 贡献者数量 统计日期：2024 年 08 月 17 日 基于流程图的智能体框架普遍使用流程 1.
2.1K10编辑于 2024-08-21 - 来自专栏AI技术应用
AI 智能体开发框架的特点
AI 智能体的开发框架是为了简化智能体（Agent）的构建过程，提供了一系列预设的组件、工具和范例，帮助开发者更高效地实现智能体的感知、决策和行动能力。 这些框架通常会抽象底层技术细节，让开发者更专注于智能体的逻辑和行为设计。 6.内置或支持决策/推理机制 (Built-in or Supported Decision/Reasoning Mechanisms):一些框架可能内置基础的规则引擎或决策树支持。 选择合适的AI智能体开发框架取决于项目的具体需求、团队的技术栈偏好以及框架所适用的领域。 例如，如果重点是构建大量相互协作的智能体，可能会选择一个成熟的多智能体系统框架；如果重点是构建一个能够通过对话与用户交互的智能体，则会选择一个对话式 AI 框架。
37610编辑于 2025-04-30 - 来自专栏测试开发囤货
MetaGPT：多智能体元编程框架
MetaGPT：多智能体元编程框架 使 GPTs 组成软件公司，协作处理更复杂的任务 MetaGPT输入「一句话的老板需求」，输出「用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等
92630编辑于 2023-08-08 - 来自专栏张善友的专栏
OpenAI官方开源多智能体框架「Swarm」，并不是我想要的多智能体框架
今天早上，OpenAI实施团队的 @shyamal在Github上开源了Swarm这个OpenAI官方的多智能体框架。 这个多智能体框架确实已经把多智能体的关键，说的很透彻了，Swarm 里面定义了两个核心「Agents」和「Handoffs」，多智能体的核心是在这个Handoffs上面。 swarm 和 k8s， 我们需要的智能体框架应该是k8s 这样的一个框架，如果你是一位云原生技术熟悉的同学很容易就知道我在说什么了。 个人观点认为他的设计还没有我们的多智能体框架好用，OpenAI的[Swarm]是docker swarm，我们的多智能体框架就是k8s，我需要的是像k8s编排容器那样编排智能体，我们刚刚在9月26日对外发布了多智能体的工业设计产品 OpenAI的Swarm 目前还处于实验阶段，期望他发展成为k8s 这样的一个多智能体编排框架： 这个框架是python写的，大家觉得用python 写多智能体应用是好选择吗？
61210编辑于 2025-02-04 - 来自专栏深度学习与python
Block公司开源AI智能体框架Goose
译者 | 明知山 策划 | 丁晓昀 美国 Block 公司的开源项目办公室推出 Goose，一个开源、非商业用途的 AI 智能体框架，旨在自动化任务并与现有工具无缝集成。 Goose 作为一个自主的 AI 智能体，能够通过协调各种内置功能来执行复杂任务。用户可以集成他们偏好的大语言模型，确保了工具部署的灵活性。 开源 AI 智能体不再是一个业余项目——它们正在定义未来。Goose 1.0 标志着范式的转变：去中心化、非商业用途的 AI 框架，连接智能与现实世界。AI 领域一直被少数几个访问受限的模型所主导。 Goose 是一个模块化的 AI 智能体框架，可以安装、执行、编辑和测试任何大语言模型（而不仅仅是少数的几个）。 随着更多贡献者不断完善其功能，Goose 有望实现进一步的发展。
1.2K10编辑于 2025-02-27 - 来自专栏AI技术应用
AI 智能体（AI Agent）的开发框架
AI 智能体（AI Agent）的开发框架是构建智能体的核心工具和平台，它们提供了从数据处理、模型训练到部署和监控的全流程支持。以下是常用的 AI 智能体开发框架及其特点。 1.通用机器学习框架1.1TensorFlow特点：由 Google 开发，支持深度学习和传统机器学习。提供强大的分布式计算支持。 6.模型部署与监控框架6.1TensorFlow Serving特点：专为 TensorFlow 模型设计的高性能服务系统。支持模型版本管理和动态更新。适用场景：TensorFlow 模型部署。 支持多种机器学习框架。适用场景：模型生命周期管理。7.分布式计算框架7.1Ray特点：分布式计算框架，支持任务并行和分布式训练。提供 RLlib（强化学习）和 Tune（超参数调优）等工具。 总结AI 智能体的开发框架涵盖了从数据处理、模型训练到部署和监控的全流程。
1.3K10编辑于 2025-02-18 基于.NET AgentFramework开发OpenClaw智能体框架
基于.NETAgentFramework开发OpenClaw智能体框架本文档详细介绍了基于.NETAgentFramework开发OpenClaw智能体框架的设计理念、核心功能、技术实现、使用方法和注意事项 概述1.1项目背景OpenClaw作为2026年全球流行的开源AI智能体框架，以其多通道接入能力、灵活的Skill技能系统和工程化治理能力而闻名。 本文档将介绍如何利用MicrosoftAgentFramework（Preview）在.NET平台实现OpenClaw的核心功能，为.NET开发者提供一个生产级AI智能体框架的参考方案。 NetCoreKevin框架下的kevin.AI.AgentFramework模块基于.NET构建的企业级SaaSAI智能体应用架构，采用前后端分离设计，具备以下核心特性：AI智能体框架RAG检索增强AI 智能体技能|
33820编辑于 2026-03-23- 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
先学习 MCP 的几种使用方式，然后基于 Spring AI 框架实战开发 MCP 客户端与服务端，帮你掌握 MCP 的架构原理和最佳实践。 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 类似的 Java MCP 开发框架还有 Solon AI MCP，但由于我们更多地使用 Spring 生态，所以还是推荐使用 Spring AI 框架。 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 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
2025年被誉为"AI智能体元年"，当越来越多企业涌入智能体赛道时，却面临着"投入百万搭建平台，最终只做出简单问答机器人"的困境。 ROI评估框架同样不可或缺。企业需要建立智能体平台的投入产出模型，不仅要计算开发成本，还要预估效率提升带来的收益。 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。 企业应选择通过权威机构认证的智能体平台，如中国信通院可信AI智能体评估。 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技术应用
AI智能体应用层的开发框架
AI 智能体应用层的开发框架主要用于将 AI 模型集成到实际应用中，并提供用户交互、数据处理、模型推理等功能。这些框架通常提供高层次的抽象和工具，帮助开发者快速构建和部署 AI 驱动的应用程序。 以下是常用的 AI 智能体应用层开发框架及其特点。1.Web 应用开发框架1.1Flask特点：轻量级 Python Web 框架，易于扩展。适合构建 RESTful API 和小型 Web 应用。 5.2AutoGPT特点：基于 GPT 的自动化任务框架，支持目标驱动的任务执行。可以自动调用工具和 API。适用场景：自动化任务和智能代理。 6.数据可视化与交互框架6.1Streamlit特点：快速构建数据科学和机器学习应用的 Python 框架。支持实时更新和交互式组件。适用场景：AI 模型的可视化展示和交互。 总结AI 智能体应用层的开发框架涵盖了从 Web 应用、移动端应用到聊天机器人、自动化任务等多个领域。
1.6K10编辑于 2025-02-19 Lagent 开源的 LLM 智能体框架 (持续更新)
Lagent 是什么 Lagent 是一个开源的 LLM 智能体框架，允许使用者快速将一个大语言模型转换成智能体，并提供一些典型工具来激发大语言模型的潜能。 agents 实现了多种智能体，如 ReAct，AutoGPT。 InterLM 驱动的 ReAct 智能体 注意，如果你想使用 HuggingFace 模型，请先运行 pip install -e . api_key='Your SERPER_API_KEY') # 初始化 Python 代码解释其 python_interpreter = PythonInterpreter() # 配置 ReAct 智能体 大语言模型实例 action_executor=ActionExecutor( actions=[search_tool, python_interpreter]), # 指定智能体可以调用的工具
71910编辑于 2024-10-03- 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 三个主流智能体框架（AutoGen、CrewAI、LangGraph）
三个主流智能体框架（AutoGen、CrewAI、LangGraph）的代码实现案例，基于最新文档和社区实践整理： AutoGen 案例：多智能体协作求解数学问题 from autogen import # 加载LLM配置（例如OpenAI API） config_list = config_list_from_json(env_or_file="OAI_CONFIG_LIST") # 创建两个智能体 # 注册自动回复逻辑 def ask_question(recipient, messages, sender, config): return True, "解方程 x^2 + 5x + 6 user_proxy.initiate_chat(assistant, message="请解决这个数学问题") CrewAI 案例：新闻调研任务链 from crewai import Agent, Task, Crew # 定义智能体 代码示例包含： 基础配置模块（config.py） 核心智能体实现（agent.py） 工作流调度逻辑（workflow.py） 单元测试用例（tests/） 例如在对话系统案例中，config.py
1.1K10编辑于 2026-01-20- 来自专栏AgenticAI
实战OpenAI最新开源多智能体框架Swarm
所以，Swarm 是一个多智能体框架。 OpenAI 声明了这只是探索性的一个框架，并不打算完善上生产，主要目标是为了演示 OpenAI 官方教程《智能体编排：路由与交接（Orchestrating Agents: Routines and 按照我的理解多智能体为大语言模型的 Agent 系统引入了分工合作、专人专事的思路，可以用来实现工作流类型的应用。通过给不同的 Agent 设定特定的 Prompt，能够让他们更精确的完成任务。 虽然 OpenAI 的 Swarm 只是 Demo，但其简洁的实现，能够让我们快速了解多智能体。 1. 参考资料 [1] Swarm: https://github.com/openai/swarm [2] 智能体编排：路由与交接（Orchestrating Agents: Routines and Handoffs
1K10编辑于 2025-03-18 应对AI智能体模糊回答的技术框架解析
模糊回答，而非幻觉，是AI智能体的隐形故障模式最大的失败并非声势浩大，而是悄无声息的。模糊性、语义漂移和隐藏的缺陷会在任何人注意到之前就侵蚀掉信任。 而这个框架展示了如何通过对齐检索和提示，将它们转化为具体、可信赖的回应。AI智能体的隐形故障大多数人担心的是幻觉。但真正的信任杀手是模糊性——那些看起来光鲜亮丽却言之无物的回答。 从支柱到管道当你看到它实际运行时，这个框架就变得鲜活起来。智能体的响应管道不仅仅是一系列步骤，而是两种理念之间的对话。 具备对齐策略的AI智能体响应管道阶段1：用户输入 → 词汇桥接行动 → 用户提交自然语言查询。风险 → 检索器-大语言模型词汇不匹配。 归根结底，真正的挑战不是让智能体听起来流畅，而是让它们听起来忠实。模糊性悄无声息地侵蚀信任，而明确性则一个答案接一个答案地赢回信任。
19600编辑于 2026-01-11- 来自专栏云云众生s
AutoGen AI智能体框架开发者指南
AutoGen在Python开发者中很受欢迎，因为它可以用来构建多智能体AI系统。以下是入门方法。 AutoGen 是 Python 开发者中流行的框架，用于通过复杂的、对话驱动的协作和人机交互功能构建多智能体 AI 系统。 这些角色为多智能体系统中的专业行为和专业知识奠定了基础。 指令 AutoGen 通过其复杂的报文传递系统实现指令处理。 该框架支持显式和隐式委托策略，允许代理移交子任务、请求专业知识或协作解决复杂问题。委托通过智能路由机制进行，该机制评估代理能力、系统消息和之前的交互历史。 通过提供强大的代理交互、任务管理和工作流编排工具，AutoGen使开发人员能够创建智能、适应性和安全的AI应用程序。
1.6K11编辑于 2025-01-09
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