- 综合排序
- 最热优先
- 最新优先
Goose：免费开源的本地化AI编程助手
Goose：免费开源的本地化AI编程助手，挑战Claude Code每月200美元的高昂费用人工智能编程革命伴随一个显著问题：成本高昂。 Goose能做而传统代码助手不能做的事情Goose作为命令行工具或桌面应用程序运行，可以自主执行复杂的开发任务。 步骤3：配置连接在Goose Desktop中，导航到“设置”，然后“配置提供商”，并选择Ollama。 Goose与Cursor、GitHub Copilot以及付费AI编程市场的比较Goose进入了一个拥挤的AI编程工具市场，但占据了独特的位置。 AI编程工具每月200美元的时代可能即将结束AI编程工具市场发展迅速。开源模型正以不断缩小与专有替代品差距的速度改进。
89210编辑于 2026-03-11- 来自专栏JavaEdge
使用Dify快速搭建AI Agent智能助手应用
1 定义 智能助手（Agent Assistant），利用LLM的推理能力，自主对复杂的人类任务进行目标规划、任务拆解、工具调用、过程迭代，在无人类干预的情况下完成任务。 2 咋用智能助手？ 选择智能助手的推理模型，智能助手的任务完成能力取决于模型推理能力，建议用Agent时选择推理能力更强的模型系列如 gpt-4，以获得更稳定的任务完成效果。 Dify提供： 内置工具 自定义工具，支持 OpenAPI / Swagger 和 OpenAI Plugin 规范 意义 允许用户借助外部能力，创建更强大 AI 应用。 calling 的模型系列，支持了 ReAct 推理框架实现类似效果 Agent设置中，可修改助手的迭代次数限制： ReAct 模式： Function Calling 模式： 2.3 配置对话开场白 为Agent配置一套会话开场白和开场问题，配置的对话开场白将在每次用户初次对话中展示： 助手可完成啥样任务 可提出的问题示例 2.4 文件上传 部分多模态 LLM 原生支持处理文件，如 Claude
1.9K11编辑于 2025-06-01 - 来自专栏AI
AI Agent实战：基于ReAct与FunctionCalling构建本地编程助手
摘要：本文通过一个从零构建的本地编程助手Agent项目，详解FunctionCalling如何与ReAct（推理-行动）模式协同工作，实现大模型对文件系统的增删改查操作。 本文不探究技术层面以外的影响，这系列博客目标是个人AI转型期间的所有经验积累，因此言归正传，回到主题：FunctionCalling理解。 # main.py """ 主程序入口 启动编程助手 Agent，接收用户输入，运行 ReAct 循环完成文件操作任务 """ from do_exec_react import run_react_loop def main(): """ 主函数：启动交互式命令行界面 """ print(" 欢迎使用本地编程助手 Agent") #print("输入您的需求，例如 3、ReAct模式 ReAct模式是一种让大语言模型通过交替进行“推理（Reasoning）”和“行动（Acting）”来解决复杂任务的高级提示框架。
34310编辑于 2026-03-03 - 来自专栏创作是最好的自我投资
QClaw | 无需专业prompt也能懂你的AI Agent 助手
QClaw以下是来自QClaw官网的介绍：QClaw是腾讯电脑管家基于OpenClaw开源生态打造的本地化AIAgent助手，被大家亲切称为“小龙虾AI”。 应用场景QClawAI智能助手，可以帮助我们一站式解决远程办公、日常效率、内容创作、开发技术、学习教育、电商职场等几大核心场景需求，关于各大场景可以做什么，一张表格告诉你应用场景适用情况QClaw核心功能核心价值远程办公场景不在工位 首先在浏览器登录我们的网易163邮箱，点击网页版上方的设置，找到POP3/SMTP/IMAP选项，点击进入选择对应的服务协议接口，默认两个协议都是关闭的选择第一个协议，点击开启，这里会弹出一个【帐号安全提示 使用设备选填，为了方便识别，我们可以直接填写我们的使用方QClaw这里两个协议都需要开启，继续点击开启【POP3/SMTP服务】，授权码只会显示一次，这里开启POP3/SMTP服务就直接开启了，不会再弹出授权码显示的弹框了 结语在这篇文章中，我以“养龙虾”为喻，带大家认识了腾讯电脑管家推出的本地化AI助手-QClaw（昵称“小龙虾”）。
47611编辑于 2026-04-12 2026年AI Agent客服问答助手知识难题破局
2026年，真正有效的智能系统已在四大能力上取得突破：能看懂图片表格、会调用业务系统、记得住用户上下文、可多个助手协同办事。但多数企业仍停留在简单问答阶段，未能发挥其价值。 要破局，企业需三步升级：建实知识底座——全面解析文档、图片、表格，让知识“看得见、查得到”；升级问答逻辑——从“查一次答一句”变为会推理、能追问的智能交互；迈向任务闭环——让多个专业助手协作，完成跨系统 二、市场概览：AI Agent-2026年企业数字转型的核心引擎调研显示，超过六成的企业正在探索如何用智能系统提升效率，尤其是中等规模的企业，应用积极性最高。 会分工协作 复杂任务由多个“专业助手”配合完成。比如要出一份市场报告，一个负责搜集数据，一个分析趋势，另一个撰写内容，最后整合成稿。这种团队式运作，让系统能处理更复杂的实际工作。 三、行业痛点：为何多数问答助手失败？六大常见问题，根源剖析基于多家企业反馈，当前的问答型Agent面临六大核心痛点，这些问题从根本上限制了其商业价值的实现。
14622编辑于 2026-04-08- 来自专栏学习之旅
【软件】AI Agent：无需电脑的手机自动化助手AutoGLM
Android第三步：授予必要权限第四步：配置模型服务第五步：开始使用使用教程基本操作任务示例大全高级功能使用技巧常见问题Shizuku 相关权限相关操作相关模型相关前言前段时间智谱发布了手机自动化AI Agent——Open-AutoGLM，但是部署过程非常麻烦。 配置项值Base URLhttps://open.bigmodel.cn/api/paas/v4Modelautoglm-phoneAPI Key在 智谱 AI 开放平台 获取备选配置（ModelScope 第五步：开始使用在主界面输入任务描述，如："打开微信，给文件传输助手发送消息：测试"点击「开始任务」按钮悬浮窗会自动弹出，显示执行进度观察 AI 的思考过程和执行操作 缺点是不能语音交互，只能输入文字 之后可在配置列表中快速切换创建任务模板：将常用任务保存为模板，一键执行：进入「设置」→「任务模板」点击「添加模板」输入模板名称和任务描述在主界面点击模板按钮快速选择自定义系统提示词：针对特定场景优化 AI
3.3K02编辑于 2026-01-04 - 来自专栏程序小小事
JetBrains IDEs GO AI：最新coding agent，更智能的编程助手！
从 2025.1 版本开始，每个开发者都能使用 JetBrains IDE 中的 AI 功能! 最新的编码代理 Junie，会和AI Assistant一起，为我们的AI编程添砖加瓦！ Edit模式：等同cursor的manual模式，这里会修改代码，需要用户确认 Chat模式：等同cursor的Ask模式，可以任意对话 那 JetBrains AI assistant 的agent去哪里了 1、作为产品经理先设计出这个app实现哪些功能 2、作为UI设计师完成这些原型界面的设计 3、使用html在一个界面上生成所有的原型界面，使用Tailwind CSS创建高保真UI原型，可从Unsplash 的思考与创作过程 输入提示词后，Claude 3.7开始按照要求步骤工作： 核心功能设计：首先作为产品经理，设计出包括用户系统、智能搜索、支付、出行助手等功能模块 UI设计思路：确定设计风格（简洁现代、 或许Junie + AI Assistant 是你不错的选择！ 基于 AI 的开发工具在我们的行业中以惊人的速度发展。这一切都不可避免！ 现在，我们要做的事是拥抱AI，克服AI带来的挑战！
66310编辑于 2025-04-24 - 来自专栏云开发
教你 3 分钟搭建 AI 助手，超 Easy！
前言 今天给大家带来的是使用云开发创建AI智能体的实践教程，本文将向您展示如何通过简单的配置，无需编写任何代码，就能轻松搭建起专属 AI 助手。 AI助手 选择「分享」可以直接对话体验 如果没有满意的AI助手可以通过「从模版创建」 平台默认提供了10多个AI助手供你选择 选择后可以进入AI助手编辑详情页面 左边区域可以设置人设提示词 右边区域可以直接对话调试效果 确认没问题点击「提交」就创建成功了，接下来再自定义一个AI助手，选择「创建智能体」 输入AI助手名称点击「确认」 进入AI助手详情页，不会写人设提示词可以点击「获取AI建议」 AI会根据名称来生成一套专业的人设提示词 ，点击「使用AI建议」即可 设定好AI助手人设后，可以在右边区域对话调试 除此之外还可以设置AI助手的基础信息 对外展示信息 头像 名称 简介 背景 开场白 欢迎语 推荐问题 确认无误后，点击「提交」就创建好了 ，可以「分享」给你的好友使用 电脑端效果： 手机端效果： 支持在「对话」菜单中查看所有智能体的对话记录 总结 整个体验下来，创建流程简单丝滑，只需要输入你要创建的AI助手名称即可生成，全程无需代码，
2.7K10编辑于 2024-06-24 腾讯云 AI 代码助手：AI Agent 构建企业新一代研发范式
文章摘要本文将探讨腾讯云 AI 代码助手在聚焦产品开发领域的同时基于扩展性能力集成接入用户业务需要 AI Agent 智能体应用完成 SDLC 全过程的衔接完成新一代研发范式落地的解决方案。 智能体进赋能自身业务、科技等领域进行加速推进创新， AI Agent 智能体以其自主性、智能性和协作性，为企业带来了全新应用场景，从科技领域而言企业研发模式正经历着一场革命性的变革，腾讯云 AI 代码助手是基于腾讯混元代码大模型作为大脑中枢建立的 腾讯云 AI 代码助手 Extensions 腾讯云 AI 代码助手 Extension 是一个标准扩展的机制，通过 SDK 和标准接入规范按照自身的场景诉求进行扩展其他的能力， Extensions AI Agent 在 DevOps 场景的应用腾讯云 AI 代码助手内置 Extension 标准扩展的机制，通过该机制规范可以进行特性业务场景诉求的扩展和智能化能力聚合， Extension 扩展能力的业务承载表现就是与对话进行交互通过快捷指令的方式进行落地包含类似 总结AI Agent 智能体的发展为企业研发带来了新的机遇。腾讯云 AI 代码助手 Extension 正是这一技术发展的产物，它不仅提升了研发团队的生产力，也为企业创新提供了强有力的支持。
1.4K10编辑于 2024-12-06- 来自专栏运维有术
用 OpenClaw 打造你的 AI 助手军团：Gateway -> Agent -> Session 多 Agent 架构完全拆解与实战
图 1：OpenClaw 多 Agent 架构全景图 前段时间我在做一个有意思的尝试：想让 AI 助手同时跑在 WhatsApp 和 Telegram 上，白天用 WhatsApp 回复家人消息，晚上用 多 Agent 协作：路由和隔离 多Agent协作流程图 图 3：Agent 运行循环流程图 这是我之前说的那个需求的核心：不同渠道用不同 Agent。 3. 强大的多 Agent 路由 确定性路由、完全隔离、独立配置，让多 Agent 场景变得简单。 4. 自托管优先 数据完全在自己手里，适合隐私敏感场景。 但如果你要部署一个真正可用的多渠道 AI 助手，OpenClaw 是更好的选择。 最佳实践：踩坑总结 用了一段时间，总结几个经验。 如果你也在做多渠道 AI 助手，或者对多 Agent 协作感兴趣，强烈建议试试 OpenClaw。上手成本不高，收益却很大。
68110编辑于 2026-04-01 语音助手阿拉伯语本地化技术解析
语音助手阿拉伯语本地化技术解析阿拉伯语版语音助手于2021年12月在沙特阿拉伯和阿联酋推出。与所有新语言版本一样，阿拉伯语在语音识别、语言理解和语音合成方面提出了独特挑战。 技术演进方向新的语音助手语言不仅是新语言，更是针对特定地区的新本地化版本。技术团队将继续扩展阿拉伯语到更多地区，同时将系统扩展到全新的语系家族。
47510编辑于 2025-08-22【标题】Agent智能体实战：如何用CoT提示工程打造自主AI助手？
#Agent智能体实战：如何用CoT提示工程打造自主AI助手？ 摘要：本文深度剖析Agent智能体与Chain-of-Thought（CoT）提示工程的融合实践，通过真实项目案例揭示构建自主AI助手的核心技术路径。 读者将掌握从环境搭建到生产部署的完整方法论，获得可立即应用于实际业务的Agent开发能力，彻底解决传统AI助手逻辑断裂、依赖人工干预的痛点。特别适合AI工程师、产品经理及技术决策者深度实践参考。 不同于空谈理论，我将带您亲历从环境搭建到生产部署的每个关键节点，包含我在魔搭社区调试Qwen3模型时踩过的“巨坑”、CoT提示词设计的反直觉技巧，以及让AI助手具备“自我纠错”能力的工程化方案。 ,MessagesPlaceholderdefbuild_base_agent(llm):#定义Agent核心提示模板system_prompt=("你是一个专业AI助手，必须通过分步推理解决问题。""
21810编辑于 2026-01-24- 来自专栏AI大模型应用开发炼丹房
Cherry Studio+Filesystem MCP Server：本地化AI文件助手的架构设计与实战
更多AI大模型应用开发学习视频及资料，尽在聚客AI学院。一、技术架构核心1. Cherry Studio客户端 国产化AI桌面客户端，提供以下核心能力：多模型调度：支持OpenAI/Gemini/Anthropic等云服务、网页端AI（Claude/Perplexity Cherry Studio配置要点 在模型服务设置中选择供应商并启用MCP：3. 助手创建流程使用预设助手模板创建新助手重命名为"智能文件助手"设置系统提示词明确路径规范： "用户桌面路径：C:\Users\yuan_\Desktop，下载目录：C:\Users\yuan_\Downloads 智能内容编辑用户指令： "将天空为什么是蓝色的科学解释保存到report.txt"-> 模型生成科普内容-> 通过edit_file工具写入3.
2K10编辑于 2025-07-22 - 来自专栏用户11994688的专栏（3）
基于LangChain的简易智能旅游助手Agent
一、项目背景与功能实现 本文分享基于 LangChain 框架开发的智能旅游助手 Agent，核心功能是「查询城市天气 + 根据天气推荐景点」，并对比 ReAct 与 FunctionCall 两种 Agent , get_attraction], )3. main.py：FastAPI 服务封装动态加载 Agent 模式：根据 .env 中的 AGENT_MODE 加载 ReAct 或 FunctionCall 3. 五、总结本次项目通过 LangChain 实现了两种模式的旅游助手 Agent，实践发现：ReAct 模式适合需要显式推理过程的复杂场景，但需投入大量精力处理格式解析问题；FunctionCall 模式更适合简单工具调用场景 后续可优化方向：增加多轮对话的上下文理解能力（如识别「昨天问的上海天气」等指代）；接入更多工具（如景点门票、交通信息）；优化景点推荐结果，增加本地化 / 个性化策略。添加RAG？
5910编辑于 2026-04-07 - 来自专栏AI技术应用
AI本地化部署的流程
AI本地化部署（On-Premise AI Deployment）的流程是一个系统性、多阶段的过程，旨在将AI模型及其所有相关组件（数据、基础设施、应用程序）部署在企业自己的数据中心或边缘设备上。 以下是AI本地化部署的详细流程：阶段一：规划与需求定义 (Planning & Requirement Definition)项目启动与目标明确：明确业务目标： AI智能体或模型将解决什么具体业务问题？ 软件许可证与成本： 评估操作系统、虚拟化软件、数据库、AI框架等的许可费用。团队技能评估： 识别当前团队在AI、DevOps、运维方面的技能缺口。 阶段四：AI服务化部署 (AI Servitization & Deployment)构建推理服务：API开发： 为AI模型创建RESTful API或gRPC接口，作为模型推理的入口。 AI本地化部署是一个长期的过程，需要企业持续投入资源进行优化、维护和迭代。
1.6K10编辑于 2025-06-06 - 来自专栏AI技术应用
AI本地化部署的优势
AI本地化部署（On-Premise AI Deployment）指的是将AI模型、数据、基础设施和相关应用程序全部部署在企业自己的服务器、数据中心或边缘设备上，而不是依赖于第三方云服务提供商。 所有敏感数据和AI模型都在企业自己的防火墙内处理和存储，数据从不离开企业控制范围，极大地降低了数据泄露和滥用的风险。 本地化部署是满足这些合规性要求的关键。物理安全控制： 企业可以对其数据中心进行物理安全控制，包括访问控制、监控、防火防盗等，提供比云服务更精细化的物理安全保障。 优化硬件利用率： 可以根据特定AI模型的计算特性，精确配置和优化硬件资源，实现更高的硬件利用率和计算效率。3. 总结AI本地化部署的优势主要体现在数据主权、安全性、性能、低延迟、长期成本控制以及高度的定制化和集成能力。这些优势使得它成为许多对安全、性能和合规性有严苛要求的企业或特定行业应用场景的首选方案。
1.8K11编辑于 2025-06-06 【Multi-agent】智能科研助手实战项目
但反过来想：这些事情，其实都可以拆成一堆「标准化的小任务」，非常适合交给 Multi-Agent AI 科研小队 来做。 代码语言：python AI 代码解释：只挂一个 arxiv 工具，让这个 Agent 专门负责“查文献”。 代码语言：python AI 代码解释：Supervisor 只能通过 Tools 调用子 Agent，自行规划步骤。 3. 先调用 paper_hunter_agent 检索论文；2. 再调用 paper_analyst_agent 做结构化总结；3.
69310编辑于 2025-11-22- 来自专栏AI技术应用
AI大模型本地化部署
AI大模型本地化部署是将大规模人工智能模型（如GPT、LLaMA、DeepSeek等）部署到本地服务器或设备上，以满足数据隐私、安全性和性能需求的过程。 以下是AI大模型本地化部署的关键步骤、技术难点及解决方案。一、本地化部署的关键步骤1.需求分析与规划 明确应用场景（如智能客服、文本生成、图像识别等）。评估本地硬件资源（GPU、内存、存储）和预算。 2.模型选择与优化选择适合任务的预训练模型（如DeepSeek、Llama3、GPT等）。通过量化、剪枝、蒸馏等技术压缩模型，降低计算资源需求。 3.数据隐私与安全难点：本地化部署需确保数据隐私和合规性。解决方案：采用私有化部署方案，避免数据外传。4.部署复杂性难点：从硬件调试到模型优化，流程复杂。 通过以上步骤和解决方案，AI大模型本地化部署可以更好地满足行业需求，推动AI技术的广泛应用。
4.1K10编辑于 2025-03-08 - 来自专栏白话互联
【Ai Agent】Ai Agent News | 9月11日速递
今天是9月11日星期四，让我们一起来看看今天 Ai Agent 带来的 AI 领域的重要动态吧！ *角色定义*：明确AI Agent在企业中的定位和职责 *数据整合*：确保AI Agent能够访问高质量的相关数据 *行动规划*：设计Agent能够执行的具体任务和流程 *反馈机制*：建立持续学习和优化的闭环系统 ❤ Indeed Unveils AI Agents for Job Seekers and Recruiters 求职招聘领域迎来AI助手新时代 Indeed推出了两款AI Agents，分别面向求职者和招聘方 AI Agent时嵌入运行时安全，为AI原生开发提供更可靠的安全保障。 文章提到，代理式AI应用正在兴起，例如德勤的Zora AI Agent和普华永道的Agent OS平台正在重塑内部工作流程。
33510编辑于 2025-09-17 - 来自专栏服务端技术杂谈
AI Agent搭建
单智能体的问题： 1、工具太多，导致LLM很难决策调用哪个工具； 2、上下文太长，导致推理退化； 3、难以在单一提示词中兼顾专业性和通用性需求； 多智能体可以很好解决以上问题： 1、通过模块化开发，维护成本更低 ； 2、定义专精智能体，专业性更强； 3、策略可定制，而不是完全交给LLM自由发挥； 但仍有很多最佳实践需要注意。 因为Agent比人类更擅长理解的的内容，也是人类可读的、具有意义的文本，这些高质量内容，可以显著降低Agent在检索任务中的幻觉。 Agent与工具的交互，本质上是一个持续对话场景。 意图识别：与构建阶段相同，采用LLM从对话消息中提取客服、用户对话意图； 2、双层检索：根据意图识别中生成的意图，采用双层检索，使用意图匹配和语义内容来查找历史相似性对话和客服回复生成最优候选示例； 3、 回复生成：根据双层检索结果作为few-shot，结合用户和助手意图、对话记忆采用LLM生成回复； 传统的一级意图图谱在多轮对话场景中容易出现语义冲突。
36310编辑于 2026-03-11
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