- 综合排序
- 最热优先
- 最新优先
多智能体协同系统
多智能体协同系统的核心概念 多智能体协同系统（Multi-Agent Systems, MAS）通过多个自主智能体的交互实现复杂任务，广泛应用于机器人协作、自动驾驶、游戏AI等领域。 无人机集群协同 案例：美国国防部“Perdix”项目，数百架微型无人机通过局部通信实现编队飞行与动态目标追踪。 技术点：基于强化学习的分布式路径规划，避免碰撞的同时保持队形。 2. for i in range(3)] results = ray.get([a.act.remote("obs") for a in agents]) print(results) # 输出协同动作 基于PettingZoo的多智能体强化学习 from pettingzoo.mpe import simple_speaker_listener_v4 env = simple_speaker_listener_v4 实现要点：定义任务优先级与智能体能力匹配函数。 未来研究方向 异构智能体协同：混合不同能力的智能体（如无人机+地面机器人）。 可解释性：通过注意力机制可视化智能体决策依赖关系。
49510编辑于 2026-01-20- 来自专栏云云众生s
Python多智能体系统中的协同智能
langchain.llms import OpenAI # Initialize OpenAI model llm = OpenAI(api_key="your_openai_api_key", model="gpt-4" 航班智能体: book_flight 智能体处理任务的航班预订部分。 天气智能体: get_weather 智能体检索巴黎的天气数据。 预算智能体: calculate_budget 智能体根据用户的输入计算用户的剩余预算。 在这种情况下，每个代理都负责解决更大问题中的特定部分，并协同工作以提供全面的结果。 通过协同工作，这些代理可以生成一份综合报告，帮助做出更准确、更快速的医疗决策。 供应链优化 多代理系统可用于管理供应链的不同方面： 物流代理跟踪运输时间。 采购代理监控库存水平。 结论 多代理系统 (MAS) 代表了人工智能驱动解决方案发展中的一个突破性趋势。通过允许多个代理协同工作，每个代理都有自己的专业领域，MAS 极大地提高了大规模问题解决任务的效率和有效性。
78010编辑于 2024-10-20 - 来自专栏前端专区
Finclip，助力智能家居产业协同
当前，智能家居群雄逐鹿：以海尔、美的为代表的传统家电巨头，以华为、小米为代表的科技企业，以欧瑞博为代表的智能家居创业公司......都正在智能家居领域持续发力。 在智能家居巨大蛋糕的驱使下，各大厂商和平台都纷纷构建自己的智能家居生态平台，以下以3家头部企业为例，一窥当前智能家居头部玩家的玩法。 由此可见，华为的全屋智能仍然偏重于软硬件系统的设计和搭建。虽然在智能家居赛道上起跑偏晚，但华为在这条赛道上发展势头迅猛，2020年精装修市场智能家居系统份额9%排名第二。 与此同时，还推出全屋智能方案，结合HiLink生态，解决各智能终端之间互联互动问题，以此提升用户体验，继而推动智能家居迈向全屋智能。 各类入局者在智能家居领域竞争正酣，以至于目前多种标准林立，且大多数智能家居产品只能适用于某一个平台，互不兼容。这不仅增加了智能家居产品的成本，也破坏了用户使用体验。
83620编辑于 2022-08-10 - 来自专栏yeedomliu
《智能商业》03 智能商业双螺旋之一：网络协同
03 智能商业双螺旋之一：网络协同 在人类文明的长河中，农业文明的“点”状结构让人类立足于村庄，保证基本的温饱，传承我们对世界和自己最基础的认知；工业文明的“线”状结构让人类建立城市，极大地提升了我们理解世界和改造世界的能力 ；我们来到了互联网时代的门前，“网”状结构究竟会将我们带向怎样一个文明状态，可能谁都无法准确预言 网络协同的最大价值不是让既有链路更高效，而恰恰是让创新价值更突显；我们每个人将更不吝于贡献，因为在这个“ 我为人人，人人为我”的体系中，为自己赢得更大的收益的最好方法是为他人创造更大的收益 网络协同：新经济范式革命 互联网最终的使命就是让任何人、任何物，甚至是任何时间、地点，都能够互联、互通、互动。 优步进入新的领域屎遭挫折，这些都表明它正在面临一些根本性的挑战 问题的核心在于优步有没有实现真正意义上的网络协同效应。脸书、微信都是非常典型的需求端网络协同。 类似微信这种依靠网络协同效应的企业，才有机会赢家通吃。如果在需求端没有网络协同效应，即使供给端的规模效应再强大，用户的转移成本也依然很低 我们对比一下优步和淘宝，就能比较清楚地看到这一点。
1.9K10发布于 2020-06-23 迈向智能协同：制造业项目协同系统的破局之道
制造业项目协同系统：提升效率的必备利器什么是制造业项目协同系统？制造业项目协同系统，是一类专为制造企业打造的综合性项目管理平台。 协同系统在不同类型制造企业的应用案例汽车制造行业汽车产业项目周期长、零件复杂度高，协同系统可实现设计、供应链、质量检验多维协同。 ，部署便捷，上手速度快中小型制造企业飞书协同平台UI现代化，自动化能力强，集成人工智能工具敏捷型制造、研发密集企业金蝶EAS协同模块与财务、人事、ERP系统深度集成，支持大规模部署中大型制造集团用友U8 4. 会增加员工负担吗？初期培训后反而能大幅减轻沟通与文档整理的负担。5. 是否需要专人维护系统？一般由IT或信息部兼职维护，厂商也提供运维支持。6. 使用成本高吗？ 总结：制造业项目协同系统将成未来主流趋势随着中国制造迈向智能化、数字化，项目协同系统将成为企业不可或缺的管理工具。不仅能提升项目管理水平，还能增强团队协同能力、降低成本、提升客户满意度。
24610编辑于 2025-07-10- 来自专栏yeedomliu
《智能商业》13 自组织协同网
13 自组织协同网 赋能的组织观念呼唤着赋能型的组织结构。基于科层制结构、以管理为核心的传统公司架构，会演变为以赋能为关键词的创新平台。 这种全新的组织结构能让一群创造者更自由地联结、更顺畅地协同、更高效地共创。 中后台包括基础数据存储和技术平台阿里云，人工智能和机器学习引擎DTPAI（数据技术人工智能平台），代码、算法、模型的共创平台，项目管理和工程平台，以及应用层面的商业智能分析、调研、设计和开发应用平台等。 中后台的能力对应于小团队，甚至单枪匹马的创造者，并能够用创新来撬动价值实现的杠杆系数 在线实时的动态目标矩阵 让听得见炮声的士兵做决策，其实有两个前提条件 将中后台变成一个协同网络。 只有把中后台变成一个协同网络，士兵才能成功调动相应的资源 这个士兵必须有足够的判断力。
63420发布于 2020-07-02 - 来自专栏智慧物联产品＆方案
智能网关如何实现智慧路灯杆协同？
借助智能网关的设备接入能力、集中通信能力、智能管控能力，可以支持不同子系统之间的数据协同、服务协同、物联协同。 智能网关如何实现智慧路灯杆多维协同？ 1、设备接入能力：智能网关可一站式对接智能照明灯具、安防监控、传感器、网络 AP等多功能设备，让智慧路灯杆充分结合道路、社区、园区、景区、厂区等不同的场景开发智能物联应用，发挥一杆多用优势，提高在场景中的服务能力和水平 4、智能响应能力：智慧路灯杆自主结合环境动态变化管控设备运行，例如照明开关灯控制、亮度调节，LED屏功率调节。
84430编辑于 2022-05-06 - 来自专栏《C++与 AI：个人经验分享合集》
《Java 与 OpenAI 协同：开启智能编程新范式》
在当今科技飞速发展的时代，人工智能已成为推动各领域创新变革的核心力量。OpenAI 作为人工智能领域的领军者，其开发的一系列强大模型，如 GPT 系列，为自然语言处理等诸多任务带来了前所未有的突破。 本文将深入探讨如何通过 Java API 调用 OpenAI 的各种模型，解锁更多智能化应用的可能。 在智能教育领域，有开发者利用 Java 调用 OpenAI 模型开发了智能辅导系统，能够根据学生的学习情况和问题，自动生成个性化的辅导材料和解答思路，极大地提高了教育的效率和质量。 例如，在智能家居领域，利用 Java 开发智能家居控制系统，借助 OpenAI 模型实现更加智能、自然的人机交互，让用户能够通过语音或文字指令更加便捷地控制家中设备；在金融科技领域，结合 Java 的金融数据处理能力和 虽然在这个过程中会面临一些挑战，但只要充分做好准备工作，精心构建和处理请求与响应，不断优化调用过程并妥善处理错误，就能够充分发挥两者的优势，开发出具有高度智能化的应用程序，在人工智能的浪潮中勇立潮头，为推动科技进步和社会发展贡献力量
61010编辑于 2025-01-02 腾讯云协同办公与数智化方案助力智能制造企业突破协同瓶颈
破解协同办公底座建设困境 智能制造企业伴随业务规模扩张与内部协同需求加大，面临高效协同办公底座缺失的战略困境。 undefined依托腾讯云WeMake工业互联网平台，融合云计算、大数据、人工智能、实时音视频及数字孪生等技术，面向制造业提供数字协同、业务智能、IT基础设施升级、信息安全等全栈解决方案（来源：腾讯智慧能源简介 量化协同效率与业务价值提升 长飞先进：通过方案实现办公设备安全接入与协同应用生态构建，提升内部协同合作能力，促进信息共享与业务协同（来源：长飞先进解决方案）。 远景科技集团：腾讯云基础设施支撑EnOS连接3.65亿台智能设备和845GW能源资产，降低云服务成本约20%（来源：远景科技客户价值）。 数据与智能能力：大数据平台（WeData）、AI平台（TI）、分布式数仓（TDSQL、TCHouse）支撑数据治理与智能决策，如鞍钢集团国产分布式数仓替换Oracle后应用效能提升30%-60%（来源：
14210编辑于 2026-04-12- 来自专栏人工智能与演化计算成长与进阶
16推荐系统3-4协同过滤算法
参考资料 斯坦福大学 2014 机器学习教程中文笔记 by 黄海广 16.3 协同过滤 Collaborative filtering 推荐系统有一个很有意思的特性就是 特征学习 ，即 自行学习所要使用的特征 Note 对于上述电影推荐系统的问题仅仅建立在每位用户都对数个电影进行了评价，并且每部电影都被数位用户评价过的情况下，这样才能重复这个迭代过程来估计出 和 协同过滤算法 指的是当你执行算法时，要观察大量的用户的实际行为来协同地得到更佳的每个人对电影的评分值 把这两个特点结合起来就能得到真正的协同过滤算法。 如果你有电影的特征，你就可以解出以下的最小化问题，找到用户参数 ? 协同过滤算法可以同时学习这两者。我们的优化目标便改为同时针对 x 和 θ 进行。 ? 协同过滤算法使用步骤： 初始 x(1),x(2),...,x(nm)，θ(1),θ(2),...
90711发布于 2020-08-14 - 来自专栏绿盟科技研究通讯
智能安全运营：大模型工具协同与学习框架
大模型驱动的智能安全运营 大模型技术的快速发展，给智能安全运营技术提供了全新的交互范式、任务分析范式与思路，并从分析维度、整合维度、协同维度，为经典网络空间人工智能技术栈的升级提供了重大机遇。 特别是领域知识+领域常识，使得大模型能够充分的缓解困扰网络空间人工智能发展的一个核心难题——数据模式与安全语义的鸿沟问题。 任务执行阶段：按照任务规划，协同调用工具集合完成子任务，收集执行结果并传递关键上下文。 4. 响应生成阶段：整合所有工具的执行过程与结果，形成解决任务目标需求的完整结果。 值得注意的是，大模型是智能安全运营技术体系中的核心能力之一，而不是全部。 Face [2] Tool Learning with Foundation Model [3] https://github.com/Significant-Gravitas/Auto-GPT [4]
96540编辑于 2023-08-31 腾讯CodeBuddy：AI4SE研效协同工具体系驱动软件工程智能化转型
剖析行业AI4SE发展现状与核心瓶颈 当前AI4SE（AI for Software Engineering）各阶段成熟度一般，面临研发提效增质需求与传统开发模式的根本冲突。 undefined（数据来源：腾讯《当前AI4SE各阶段成熟度现状》《当前AI4SE建设成效与瓶颈》） 构建CodeBuddy产品矩阵与AI4SE研效协同方案 腾讯以CodeBuddy为核心，打造覆盖软件全生命周期的 AI Coding PaaS中台，形成多形态产品矩阵与研效协同工具体系： CodeBuddy IDE：一站式AI工作台，原生集成Figma/腾讯设计，支持Spec+TDD开发方式，智能链接TAPD等产设研工具 、流程图等技术文档； AI4SE研效协同工具体系：围绕需求（Tapd对话式澄清）、设计（腾讯设计AI辅助+多角色协同）、研发（设计稿转代码、技术规范约束）三大场景，串联工具链实现端到端智能化。 TCA代码分析工具，架构分析智能体Repo Wiki实现代码知识文档实时同步； 场景覆盖：从单点编码辅助（L1-L2）到项目级自动化（L3）、AI软件工程师（L4），迈向AI开发团队（L5）范式，支持氛围编程与规约编程共存
36510编辑于 2026-04-02- 来自专栏《C++与 AI：个人经验分享合集》
《鸿蒙微内核与人工智能算法协同，开启智能系统新时代》
本文将深入探讨鸿蒙系统的微内核架构是如何与人工智能算法高效协同，从而提升系统性能和智能化水平的。 任务调度与协同：微内核的进程间通信机制高效灵活，为人工智能算法与其他系统任务之间的协同提供了便利。人工智能算法可以作为一个独立的任务在系统中运行，与其他任务之间通过进程间通信进行数据交互和协同工作。 例如，在多设备协同场景中，人工智能算法可以根据不同设备的性能和用户的使用习惯，合理地分配任务到各个设备上，实现任务的并行处理和协同完成，提高系统的整体性能和效率。 协同带来的系统性能和智能化水平提升 性能提升显著：通过微内核与人工智能算法的协同优化，系统的资源利用率得到了极大的提高，减少了资源的浪费和冲突。 鸿蒙系统的微内核架构与人工智能算法的高效协同，为操作系统的性能提升和智能化发展提供了一种全新的思路和方法。
33010编辑于 2025-05-21 - 来自专栏总线协议转换网关
ProfiNet智能网关模块在智能制造中的应用：多协议设备协同控制
PROFINET由PROFIBUS国际组织（PROFIBUS International，PI）推出，是新一代基于工业以太网技术的自动化总线标准。
40000编辑于 2025-07-18 - 来自专栏物联网智慧生活
5G边缘计算工业网关 智能工厂高效协同
5G边缘计算工业网关，边缘计算就近处理海量数据，实现工厂大量设备高效协同工作，智能化自动化管理。 在智能工厂制造领域，工厂利用边缘计算智能网关进行本地数据采集，并进行数据过滤、清洗等实时处理。同时边缘计算还可以提供跨层协议转换的能力，实现碎片化工业网络的统一接入。 5G边缘计算网关智能工厂应用 工业物联网边缘是5G工业物联网设备、其数据和应用于该数据的边缘智能的组合。工业物联网的优势可以应用于智能工厂，包括最流行的用例之一：制造工厂。 2、通信方式、支持WAN/LAN、ADSL、GPRS、 4G、5G、WIFI(可选)、GPS（可选）、可选NB-IOT。 4、协议丰富，支持ModbusRTU、ModbusTCP、MQTT、OPC、HTTP、环保212规约、住建部能耗规约，支持定制第三方的上位机通信协议。
69920发布于 2021-04-12 - 来自专栏喔家ArchiSelf
数据架构“变形记”：从孤岛林立到智能协同
随着数据消费模式的不断演进，数据分析也从传统的商业智能（BI）逐步扩展到融合机器学习的智能产品，推动企业向智能化、预测性决策方向迈进。 2. 随着商业智能（BI）工具的兴起，分析型用户的范围得到了显著扩展，其中包括偏好通过图形化方式查看汇总信息的高层管理人员。 4. 数据仓库架构 数据分析通常需要在聚合层面对数据进行处理，以发现新的模式和洞察。 典型的数据仓库架构通常由以下流程定义：从操作型系统（如 SAP、Salesforce）和第一方数据库（如 MySQL、SQL Server）中抽取数据，并最终加载到商业智能（BI）系统中进行展示和分析。 小结 数据架构的演进，始终围绕着一个核心目标：满足日益复杂和多样的分析与智能计算需求。
30910编辑于 2025-11-04 AI 图纸表格识别与智能文档协同处理技术介绍
以下从技术层面，详细介绍涵盖表格识别、数据导出、EBOM 转换 MBOM 及智能文档协同处理的完整技术方案。 二、智能文档协同处理技术智能文档协同处理技术围绕图纸及表格数据的全生命周期管理，提供文档存储、版本控制、协同编辑与权限管理能力，具体技术实现如下：1. 协同编辑与批注技术针对表格数据的协同编辑，采用 OT（Operational Transformation）算法实现多人实时协同。 4. 用户后续查看数据时，可通过备注信息在智能文档系统中快速定位数据在原始图纸中的位置，便于数据核对与问题追溯。
98210编辑于 2025-08-26腾讯CodeBuddy实现产设研全流程智能协同开发
40%以上） 腾讯内部瓶颈：多业务线（游戏/云/金融）存在技术栈差异（C++/Go/Java），传统开发模式难以满足敏捷交付需求（大型产品平均交付周期超6个月） 多形态AI工具链重塑开发范式 端到端协同一体化平台 CodeBuddy IDE：集成TAPD需求管理+Figma设计稿+Git代码库（支持设计稿D2C自动转代码），实现自然语言驱动产设研全流程 腾讯Design平台：Browser/APP/小程序三端协同设计 插件：2023年7月上线后腾讯内部周活超50,000+，无缝接入VS Code/JetBrains等10+主流IDE CLI工具：2025年4月上线周活7,000+，企业规约编程采纳率达86% API驱动开发，DevOps流程自动化率提升65% 腾讯金融科技：满足Java高并发风控系统开发，合规检查准确率达98% 腾讯技术体系支撑企业级AI工程化 差异化竞争优势 全流程覆盖：唯一提供设计协同 活跃用户数据来自腾讯2025年开发者中心内部报告 TCA代码分析工具集成能力详见腾讯云安全白皮书 v4.2 信创适配指标源自腾讯云与麒麟软件联合测试报告（2025Q1） AI成熟度模型引用腾讯CSIG《AI4SE
67730编辑于 2026-04-01- 来自专栏菩提树下的杨过
LangGraph4j 学习系列(9)-人机协同(human_in_the_loop)
) 结束 [N/B/Q]: B node-1->3 请输入 N(next) 继续到 node-2，B(back) 退回到 node-1，或 Q(Quit) 结束 [N/B/Q]: Q node-1->4 按N后，从保存的checkpoint中恢复，继续执行 按R后，将loopCount恢复初始值，同时清空checkpoint历史记录 /** * 人机协同（Human-in-the-Loop）示例：在图执行到指定节点前中断 * * @see org.bsc.langgraph4j.CompiledGraph#stream * @see org.bsc.langgraph4j.CompileConfig.Builder# Thread.sleep(20); } System.out.println("done"); } /** * 构建人机协同的循环图 /src/main/java/org/bsc/langgraph4j/agent/_09_human_in_loop at main · yjmyzz/langgraph4j-study · GitHub
28810编辑于 2026-03-02 - 来自专栏TSINGSEE青犀视频
浅析基于云-边-端协同AI智能分析网关的算力资源智能调度能力
随着AI、云计算、边缘计算、大数据、物联网等技术的不断发展、数据的不断增加，基于云、边、端协同架构的部署需求也越来越多。 TSINGSEE青犀视频的智能分析网关/云平台，不仅融合了AI智能识别技术，同时依托云、边、端协同的架构优势，由终端负责数据感知，边缘负责局部的数据分析，而云端则汇集所有边缘的感知数据、业务数据以及互联网数据 2、云-边-端协同在智能分析网关平台，能提供基于全局数据的云服务，通过汇集、融合所有的数据，并提供相关的计算、网络、存储、安全资源等，实现对全业务链的智能调度、资源整合与运维、AI算力分发、辅助决策等能力 云-边-端协同放大了云计算与边缘计算的应用价值，边缘计算更接近业务现场，并且通过数据的采集和初步处理，支撑云端更多的应用。 TSINGSEE青犀视频智能分析网关具备海量数据汇聚处理、高稳定性、高灵活性、高可用性等特点，同时基于云、边、端架构闭环式协同管理，让海量数据实现存储、处理、智能分析、辅助决策和快捷执行，满足用户的敏捷部署
1.3K60编辑于 2023-01-06
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