- 综合排序
- 最热优先
- 最新优先
- 来自专栏AIGC新知
扣子上线模型管理和智能体评测，智能体更强更好用啦
扣子悄咪咪上线了模型管理和智能体评测两大模块，模型管理其实就是上一个版本的模型商店，智能体评测是新的一个功能。 模型管理 一、支持不同的模型选型。 目前支持不同种类的模型选型。 三、模型微调 部分模型支持微调，基于基座大模型，构建自己的微调数据集，训练属于自己的专业大模型。（没有训练过） 但是，这个更新，在我看来，对于构建垂直智能体很有意义！ 一个该领域的专家模型，将意味着构建出来的智能体相比超级大模型更加聪明。 智能体效果评测 一个问题：什么样的智能体算是一个优秀的智能体？ ## 2. 情绪理解与回应 - 2.1 检查智能体是否捕捉到用户提问中的情绪信息（{{emoji}}和{{e_tag}}）。 此处将会调用裁判模型，花费一定的模型token（火山点数）。 其实扣子的多智能体跳转里面也有这种类似的跳转判断模型。 评测结果如下：4 今天的体验就到这里了，晚安（bushi）。
2.8K10编辑于 2024-12-20 AI 智能体分类体系：从大模型到自主智能体的完整图谱
前记 关于智能体的分类，心里一直是比较困惑的，于是想系统地了解下智能体应该如何分类。 一、大模型是怎么"变成"智能体的 1.1 一个让笔者困惑很久的问题 在聊智能体分类之前，笔者想先说一个一直困扰自己的问题：大模型本质上就是在"预测下一个 token"，它怎么就突然具备了推理、规划、反思 这个问题其实是理解整个智能体体系的起点。 大语言模型的底层机制确实是基于概率的序列预测——给定前文，预测最可能出现的下一个词。 ✅ 1.3 一个关键结论 智能体的"高阶能力"并不是大模型自带的，而是通过架构设计、提示工程和工具集成，把大模型的"预测能力"组装成了"类智能行为"。 6.3 多智能体通信：同平台用框架协议，跨平台用 A2A 当我们谈多智能体协作时，有一个绕不开的问题：这些 Agent 之间怎么通信？ 答案取决于你的系统边界在哪里。
31210编辑于 2026-06-22大模型与 Agent 智能体开发实战
大模型与 Agent 智能体开发实战摘要大语言模型（LLM）的爆发式增长不仅改变了自然语言处理领域，更催生了一个全新的技术范式——Agent 智能体。 本文将系统性地介绍大模型 Agent 的核心原理、主流框架、开发实战、高级技巧和落地案例，帮助开发者从零开始构建自己的智能体应用。 一、理解大模型 Agent1.1 什么是 Agent 智能体Agent 智能体是指以大语言模型为核心，具备感知环境、自主决策、执行动作能力的 AI 系统。 1.2 Agent 与传统 LLM 应用的对比维度传统 LLM 应用Agent 智能体交互方式单轮问答多轮对话，主动追问任务处理被动响应主动规划、执行能力边界模型内部知识可调用外部工具记忆能力有限上下文长期记忆 结语大模型 Agent 智能体代表了 AI 技术的重要演进方向——从"能对话"到"能做事"，从"被动响应"到"主动服务"。它让大语言模型的能力从"理解世界"延伸到"改变世界"。
12910编辑于 2026-07-01- 来自专栏AI前沿技术
智能体 | Nanobot 大模型 IO 接口设计
如何打造通用性极强的交互架构，同时精准适配多样化、差异化的业务场景，是智能体业务落地的关键。 本文聚焦： • 大模型 IO接口的设计思路、架构方案及实际运行全流程。 ReAct循环实质是： 通过预设的 max_iterations 循环调用大模型，模型思考返回结果和是否停止标志，如果需要调用工具结果后继续思考，就获取工具结果后继续循环。 2，调用链路详解 第一步：调用方构建 AgentRunSpec #AgentLoop 调用 AgentRunner result = await self.runner.run(AgentRunSpec Base 类内置了重试基础设施，这是生产级稳定性的关键 正常响应异常/错误响应瞬时错误永久性错误retry_mode="standard"retry_mode="persistent"指数退避 1s→2s 上下文管理、流式输出 Dream Phase 1 直接 provider.chat_with_retry(messages, tools=None) 纯分析，不需要工具，轻量级 Dream Phase 2
22310编辑于 2026-06-01 - 来自专栏panzhixiang
大模型多智能体简单应用案例介绍
多智能体角色的说明 最近在尝试 LLM Multi Agent（多智能体）的应用场景，下面给一个最近觉得还比较好用，也不是很麻烦的案例。 ，但是从我个人的使用经验来看，使用多家不同的模型，效果会更好。 如果选择国内的模型，除了 DeepSeek，通义和豆包两个系列的模型也都挺好的，可以参考上面的代码进行配置。 ，比如上面的sre_engineer_01和sre_engineer_02， 这里的数量推荐是 2 或者 3，设置 1 的话效果一般没有 2 好，大于3的话又显得太繁杂了。 问题诊断 - 症状分析和分类 - 初步影响评估 - 可能的根因列表 - 需要收集的额外信息 2.
1K10编辑于 2025-02-11 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。 article in response.css('div.post-block'): yield { 'title': article.css('h2 a::text').get(), 'url': article.css('h2 a::attr(href)').get(), 'timestamp ': datetime.now().isoformat(), 'source': 'TechCrunch' } 自然语言处理层 通过预训练模型进行文本分析 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%
49111编辑于 2025-12-17- 来自专栏人工智能极简应用
AI智能体研发之路-模型篇（二）：DeepSeek-V2-Chat 训练与推理实战
一、引言 5月6日私募基金幻方发布DeepSeek-V2，千亿级模型，每百万Tokens仅需1元-2元。 二、模型简介 2.1 DeepSeek V2模型概述 DeepSeek V2（Moe）是一个基于专家网络（MoE）的大语言模型，是DeepSeek LLM（dense）的升级版本。 国内网络环境下LLaMA-Factory部署：AI智能体研发之路-模型训练篇（一）：大模型训练框架LLaMA-Factory在国内网络环境下的安装、部署及使用_llama训练框架-CSDN博客 SFT训练启动代码 3.2 DeepSeek V2模型推理 这里采用LLaMA Factory WebUI的chat部分进行模型推理测试，由于资源限制智能采用int4量化后进行推理测试，大概占用了12G显存。 如何部署Dify智能体开发平台可参考之前的文章：AI智能体研发之路-工程篇（二）：Dify智能体开发平台一键部署_dify 接入 天气预报-CSDN博客 四、总结 本文首先针对deepseek-v2-
2.6K10编辑于 2024-08-13 2026 智能体元年：从模型能力竞赛，到系统级智能落地
从2026年开始，行业关注的已不再是“更聪明的模型”，而是更可靠、更可控、更可协作的智能系统。 2️⃣评价体系的根本变化2026年后，行业评估AI的方式发生了本质转变：❌过去：模型跑分、学术基准、知识覆盖率✅现在：端到端任务成功率单次推理的边际成本系统稳定性与可维护性一句话总结：不再问AI知道多少 二、Agent的成熟：从对话工具，走向工作流执行者2026年成为AI元年的第二个关键原因，是智能体（Agent）第一次具备了可规模化的工作能力。 2️⃣企业落地的现实选择在真实工程中，从零构建Agent系统意味着：高昂的工程成本复杂的上下文管理工具权限与安全设计长周期的不确定性验证三、计算重心转移：端侧模型与垂直智能的崛起2026年的第三个显著变化 1️⃣端侧AI成为现实基础设施随着量化技术与NPU硬件成熟：3B–7B参数模型已可在PC与移动端稳定运行这带来了三个直接价值：数据不出端，隐私可控⚡零延迟交互显著降低推理成本2️⃣垂直模型的专业化时代2026
88821编辑于 2026-01-21- 来自专栏腾讯技术工程官方号的专栏
一文带你了解大模型——智能体（Agent）
图2. 智能体的开发框架 现在（2024 年 5 月）如果你想要开发一个 AI 智能体，已经比大模型爆发的初期方便太多了，随着 AI 应用需求的持续火热，智能体框架层出不穷。 智能体开发框架，会抽象和封装那些被高频使用的模块，如记忆能力、规划能力、RAG 能力、大模型调用等。使用智能体框架，可让帮助你快速搭建智能体。 下图的左侧是多智能体的协作流程，右侧是单智能体的工作流程。 图11 展望 随着大模型的百花齐放，LLM 会支持更长的上下文、更大的参数规模，其推理能力也会愈发强大。 因此，基于大模型搭建的智能体（AI Agent）的能力边界也在不断突破。
47K1524编辑于 2024-05-29 - 来自专栏媒矿工厂
CVPR 2023教程 | 多模态智能体-链接大模型
v=Wb5ZkZUNYc4&list=PLB1k029in3UhWaAsXP1DGq8qEpWxW0QyS&index=6 内容整理：王怡闻 在 Linjie Li 的演讲中，她回答了多模态智能体中的重要问题之一 ：如何用大模型将多模态智能体串联起来。 图1 图2 新范式的产生 因此，利用大型语言模型的优势，研究人员目前正在探索一种新的范式，从解决有限的预定义问题的独立模型，转向结合多个工具或专家模型，以解决复杂的开放性问题。 图4 受到NLP领域的启发过去几个月间，多模态智能体领域的进展十分迅速，并且涉及到了多个领域，如下图。后面将以MM-ReAct作为例子展示多模态智能体是如何工作的。 而随着大模型的不断更新，在这个新范式下建立的多模态智能体系统的能力也会随之增强。 图9 GPT + SAM -- 理解人类指令 我们可以将不同的模型结合到一起，以应对更复杂的任务。
76430编辑于 2023-09-09 迈向智能体时代：Gemini 2.0 AI模型技术详解
介绍Gemini 2.0：面向智能体时代的新AI模型Demis Hassabis 和 Koray Kavukcuoglu 代表 Gemini 团队撰写在过去一年中，人工智能领域继续取得了令人难以置信的进展 游戏及其他领域的智能体Google DeepMind拥有利用游戏帮助AI模型在遵循规则、规划和逻辑方面变得更好的悠久历史。 例如，就在上周，推出了Genie 2，这是一个可以从单张图像创建无尽多样可玩3D世界的AI模型。秉承这一传统，我们已利用Gemini 2.0构建了能够帮助您导航视频游戏虚拟世界的智能体。 坚信，构建AI的唯一方法是从一开始就负责任，并将继续优先考虑将安全和责任作为模型开发过程的关键要素，同时推进模型和智能体的发展。 Gemini 2.0、AI智能体及未来今天的发布标志着Gemini模型的新篇章。
71310编辑于 2026-01-20AI智能体+大模型产品经理实战营（2025）
核心场景与商业模式医疗AI智能体的商业化聚焦两大方向：B端赋能：通过技术输出降低基层医疗门槛。例如美中嘉和构建的智能体检管理系统，基于多模态大模型实现医学影像分析、报告生成与健康管理方案输出。 核心场景与商业模式物流AI智能体的价值在于实现全流程智能化管理，其变现路径包括：企业级解决方案：顺丰构建的物流决策“智能大脑”通过三层架构实现全链路优化：垂域模型：理解客户指令（如“优化深圳到北京运输” 2. 关键成功要素场景深度融合：AI智能体需与物流业务紧密结合。例如，顺丰针对“航空异常调度”场景，训练AI智能体识别延误原因并自动生成应对方案，使调度响应时间缩短60%。 生态协同能力：传化智联通过“智能公路港网络+AI大模型”构建行业生态，其72个智能公路港日均车流量17万车次，为AI模型提供海量训练数据，形成“数据-模型-服务”的正向循环。 2. 关键成功要素用户粘性设计：教育AI需通过游戏化机制与持续反馈提升用户留存。例如，某编程学习智能体引入“关卡挑战+成就系统”，使用户平均学习时长提升至45分钟/日，复购率达65%。
94010编辑于 2025-11-24- 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. - 智能答案生成 - 根据知识库动态生成结构化答案，突出逻辑性（如STAR法则）。 - 提供“极速模式”（秒级响应）和“精准模式”（联网校验信息准确性。 2.
72411编辑于 2026-03-17 - 来自专栏项目文章
【大模型开发教学智能体】：你的专属大模型教学助手
一、前言 随着智能体技术的迅猛发展，各个企业不断扩展其应用场景，满足日益增长的用户需求。百度推出的“文心智能体大赛”正是为了激发开发者的创新潜力，推动智能体技术在各个领域的实际应用。 通过这一平台，开发者能够利用文心大模型，针对自己的行业和应用场景，选择适合的开发方式，打造具有时代特征的产品。 二、快速创建智能体 进入文心智能体平台，我们可以选择基于“零代码”或者“低代码”创建智能体，这里各位可以根据自己的需求和情况来进行选择。 这里我们点击零代码创建智能体。 2.2 智能体Prompt配置 我们先简单来介绍一些Prompt智能体相关的一些知识： 智能体prompt指令是一种用于指导或激活智能体（如人工智能模型）执行特定任务的输入方式。 例如咱们的大模型开发教学智能体设定如下： 角色与目标 作为一个大模型相关的专家，你的主要任务是解答用户的代码问题，教授机器学习的基础知识，以及解释大模型算法。
1K10编辑于 2024-06-07 - 来自专栏大模型应用
智能体构建：智能体落地8020法则：20%模型调用，80%系统工程与策略博弈.139
一、前言 在智能体技术爆发的初期，绝大多数研发团队都陷入了一个共性误区：将大模型的参数规模、推理能力视为智能体落地的核心指标。 二、80/20法则的核心 智能体落地80/20法则，是产业级智能体研发的核心指导思想：在智能体全生命周期中，大模型的推理、生成、工具调用仅贡献20%的核心能力；而围绕模型构建的成本控制体系 2.3 大模型与智能体的关系这些缺陷决定了大模型无法独立完成复杂的产业级任务。例如：金融投研智能体需要实时查询最新的财报数据。工业故障诊断智能体需要调用设备的实时传感器数据。 换言之：大模型是智能体的执行引擎；系统工程是操控引擎的“驾驶系统”。3. 智能体基础架构 为了克服大模型的局限性并构建稳定、高效的工业级智能体，我们通常采用标准化的五层分层架构。 平均响应延迟 ≤ 2秒: 在控制成本的同时，保障用户的流畅交互体验。五、上下文精准注入工程1. 智能体失效的核心诱因 上下文管理是智能体最容易出现问题的环节。
24322编辑于 2026-06-16 腾讯医疗大模型：医疗健康智能体产品概要
主讲人： 李慧 | 医疗健康产品商业化负责人 数据来源： 2024腾讯全球数字生态大会 一、产品定位与核心亮点 技术定义： 腾讯医疗大模型是一款基于腾讯混元AI生成技术的医疗健康智能体，旨在构建“个人健康助理 医患沟通助理（To B/医生端）： 包含智能随访管理、企业微信集成辅助沟通、影像报告质控与生成（小觅AI助手）。 2. 硬核指标 文本处理能力： 支持 256K 超长文本输入（用于报告解读）。 效能提升： 医患咨询响应：从 >2分钟 缩短至 20秒（提升 10x）。 影像报告书写效率：提升 20%。 3. 产品优势 语义理解： 支持自然语言交互，具备多轮追问能力，符合医学逻辑。 四、典型案例 案例一：智能随访与个性化管理（居民端） 背景： 患者“赵红英”需要进行长期的康复训练与复查管理，涉及多次复查（第1次、第2次、第3次）及康复训练计划。 解决方案： 使用智能随访计划生成及派发功能，结合患者信息收集模块（收集发音、感受、图片上传等），生成个性化管理建议。
32210编辑于 2026-05-30- 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 腾讯医疗大模型产品概要：医疗健康智能体
一、 产品定位与核心亮点 腾讯医疗健康智能体是基于腾讯混元大模型的医疗健康领域AI应用。 其核心技术属性为医疗垂直领域大语言模型，商业差异化卖点在于将大模型技术与专业的医学知识库（腾讯医典）相结合，为个人用户和医疗机构提供精准、专业的健康信息服务和医患沟通效率工具。 硬核指标 技术基础：基于腾讯混元大模型。 文本处理能力：支持256K超长文本输入。 报告支持：支持50+ 常见报告类型的智能识别与解读（检验、检查、体检报告等）。 据称能将医患咨询内容生成时间从20分钟缩短至约2分钟，效率提升10倍。 总结 腾讯医疗健康智能体通过大模型技术，在个人健康服务层面实现了更精准、便捷的信息获取与指导；在医疗机构服务层面，有效助力医患沟通效率提升（智能随访、辅助沟通）和报告处理流程优化（报告提效），达成了“增效降本
28110编辑于 2026-05-30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。
58210编辑于 2026-01-24AI 智能体
Augment Code也支持Claude Sonnet 4.5，切换到这个模型后，开发新功能时，会发现他进行每一步的时候都会生成相应的文档，不再像之前一样需要特别的提示，才会生成相应文档。 生成这么多的文档，是因为使用新模型的原因吗？ 这个背后，其实有个更大的体系架构。 也就是AI Agent AI Agent AI 智能体是一个能够感知环境并采取行动以实现特定目标的系统。 它从标准大语言模型演进而来，被赋予了规划、使用工具以及与周围环境交互的能力。可以把智能体 AI 想象成一个能在工作中不断学习的智能助手。 2.扫描环境信息：它会收集所有必要的信息 阅读邮件、检查日历、访问联系人以了解当前状况。3.制定计划：它会思考并制定实现目标的最佳方案。4.执行行动：它会发送邀请、安排会议、更新你的日历来落实计划。 Claude Code Claude Code是一个比较通用的智能体 系统架构 工具系统是 Claude Code 的"手脚"，使其能够与外部环境交互： 文件工具：读取、写入、搜索文件； 执行工具：运行
12200编辑于 2026-06-25
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