- 综合排序
- 最热优先
- 最新优先
Nemotron 3 Super：面向智能体推理的混合Mamba-Transformer MoE模型
多智能体系统产生的令牌数量是标准聊天的15倍，每次交互都会重新发送历史记录、工具输出和推理步骤。在长任务中，这种“上下文爆炸”会导致目标漂移，即智能体逐渐偏离原始目标。 该模型通过原生的1M令牌上下文窗口应对“上下文爆炸”，为智能体提供长期记忆，以实现对齐的、高精度的推理。 这些优势共同造就了一个非常适合长时间运行自主智能体的模型。 架构深度解析混合Mamba-Transformer MoE主干Super建立在与Nano相同的混合理念之上，但规模完全不同。其主干交错使用三种层类型：Mamba-2层：处理大部分序列处理。 然而，当多智能体应用升级为复杂的多步活动时，它们需要一个高容量模型来实现卓越的规划和推理能力。例如，一个计算机使用智能体需要在不同模式工具之间做出决策，以创建包含10张高质量幻灯片的演示文稿。
48210编辑于 2026-03-21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。 核心功能包括： 实时爬取主流科技媒体（如TechCrunch、Wired、The Verge） 自动分类（人工智能、网络安全、云计算等） 情感分析判断新闻倾向性 生成摘要简化阅读 典型应用场景： 投资机构追踪技术趋势 article in response.css('div.post-block'): yield { 'title': article.css('h2 a::text').get(), 'url': article.css('h2 a::attr(href)').get(), 'timestamp 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%
39511编辑于 2025-12-17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。
40710编辑于 2026-01-24- 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.
51110编辑于 2026-03-17 - 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 - 来自专栏算法之名
AI智能体
messages) print(response.content) 这里的 ZHIPUAI_API_KEY 需要你自己去智普网站 https://open.bigmodel.cn 去注册就有，运行结果 智能助手显神通 你的角色是一个诗人.'), HumanMessage(content='用七言绝句的形式写一首关于AI的诗')] streaming_chat(messages) 运行结果 智能助手显神通
82610编辑于 2024-09-29 - 来自专栏云时之间
智能体结构
智能体的结构 迄今为止我们通过描述行为—在任何给定的感知序列下采取的行动—讨论了智能体，现在我们不得不将知难而进，去讨论智能体内部是如何工作的，AI的任务是设计智能体程序，通过它来把感知信息映射到行动的智能体函数 注意智能体程序和智能体函数之间的差别。智能体程序在于当前感知为输入，而智能体函数是以整个历史为输入的。智能体程序只把当前感知作为输入是因为环境无法得到更多的东西。如果智能体的行动依赖于整个感知序列。 那么该智能体不得不记住全部感知的信息。 *智能体程序骨架还有其他的选择。例如我们可以让智能体程序成为协同程序。 这些令人望而生畏的容量，意味着：1:这个世界没有一个实际的智能体可以保存该表的空间。2：设计者没有时间来创建该表。3：没有智能体能够从他的经验中学习正确的表条目。 在这个文章的以下部分，我想概述四种基本的智能体程序，他们几乎涵盖了所有智能系统的基础准则： 1：简单反射型智能体 2：基于模型的反射型智能体 3：基于目标的智能体 4：基于效用的智能体 然后我们将概括的解释如何把这些智能体转换成学习智能体
1.4K70发布于 2018-04-11 - 来自专栏AI智能体从入门到实践
构建AI智能体：混合式智能金融顾问：融合快速响应与深度推理的自适应架构
一、前情提要 今天我们来探讨智能金融顾问系统的终极演进形态——混合式架构。 混合式架构的核心设计理念基于情境感知的智能路由和优势资源的动态调配。 智能路由 混合式架构的智能路由机制如同架构的大脑，这就像一个经验丰富的导诊台护士，能够快速判断患者的病情轻重，然后分派到不同的诊室：急诊室（反应式通道）：处理简单紧急的咨询专科门诊（混合式通道 2.2 多通道处理引擎反应式通道：基于规则引擎的快速匹配、标准化建议模板、极速响应（0.5-2秒）混合式通道：双线程并行处理、结果智能融合、平衡响应（2-8秒）深思式通道：多阶段深度分析、个性化策略生成 智能路由决策 - 基于查询复杂度自动选择处理通道2. 多通道并行处理 - 支持反应式、混合式、深思式三种处理模式3. 实时状态监控 - 可视化展示系统运行状态4.
48843编辑于 2025-12-16 - 来自专栏农民工前端
智能体（Agent）全面解析：什么是智能体agent
一、什么是智能体（Agent）？ 智能体是一个能够自主思考、决策、调用工具的智能代理系统。 智能体的出现，让AI从单纯的"对话者"进化为真正的"执行者"。 智能体的核心优势 大脑：LLM提供强大的理解和推理能力 记忆：记住对话历史，保持上下文连贯 工具：灵活调用各种外部能力 二、两种搭建智能体的路径 根据技术门槛和应用场景，智能体的搭建主要有两种方式： 1️⃣ 技术门槛 无需编程基础 开发速度 分钟级搭建 应用场景 自媒体文案批量生成、客服自动回复、简单任务自动化 优点： 可视化拖拽界面，操作简单 内置丰富工具和模板 快速验证业务想法 降低AI应用门槛 2️⃣ 随着LLM能力的不断提升和工具生态的日益丰富，智能体将在更多领域发挥重要作用，成为我们工作和生活中不可或缺的智能伙伴。
1.1K10编辑于 2026-03-03 智能体（Agent）全面解析：什么是智能体agent
一、什么是智能体（Agent）？智能体是一个能够自主思考、决策、调用工具的智能代理系统。 它不仅仅是简单的问答机器人，而是具备以下核心能力的自主系统：思考能力：理解用户意图，分析任务需求决策能力：规划执行步骤，选择合适工具行动能力：调用外部工具，执行具体操作记忆能力：记住上下文，积累经验智能体的价值智能体的出现 智能体的核心优势大脑：LLM提供强大的理解和推理能力undefined记忆：记住对话历史，保持上下文连贯工具：灵活调用各种外部能力二、两种搭建智能体的路径根据技术门槛和应用场景，智能体的搭建主要有两种方式 即开即用适用人群业务人员、产品经理、运营人员技术门槛无需编程基础开发速度分钟级搭建应用场景自媒体文案批量生成、客服自动回复、简单任务自动化优点：可视化拖拽界面，操作简单内置丰富工具和模板快速验证业务想法降低AI应用门槛2️⃣ 随着LLM能力的不断提升和工具生态的日益丰富，智能体将在更多领域发挥重要作用，成为我们工作和生活中不可或缺的智能伙伴。您好，我是肥晨。
2.8K21编辑于 2026-03-02- 来自专栏飞鸟的专栏
OAuth2混合模式
简介OAuth2混合模式（Hybrid Flow）是一种OAuth2授权模式，它结合了授权码模式和隐式授权模式的优点，可以在保证安全性的同时，提供更好的用户体验。 混合模式结合了这两种授权模式的优点，它使用授权码模式来获得授权码，然后使用隐式授权模式来获得访问令牌。这样可以保证安全性，同时又不需要客户端和授权服务器之间的交互，给用户带来更好的体验。 在本文中，我们将使用Spring Cloud Security OAuth2来实现OAuth2混合模式，并给出详细的流程和示例。 流程OAuth2混合模式的流程包括以下步骤：客户端向授权服务器发送授权请求，并指定响应类型为code。例如，客户端可以向以下URL发送请求：GET /oauth/authorize? 以上是OAuth2混合模式的流程
1.2K10编辑于 2023-04-14 Composer 2：基于强化学习的智能编程体训练
Composer 2 的训练流程该训练流程将一个强大的通用模型转化为专门的编程智能体。 一个智能体可能读取数十个文件、执行多个 shell 命令，并与环境进行数百轮交互。为了让模型保持有效而不撑爆上下文窗口，Composer 2 依赖于自摘要。 这种方法使用的令牌显著减少，允许高效的 KV 缓存重用，并通过使智能体保持接地气来持续减少复杂任务中的错误。塑造智能体行为虽然功能正确性是首要目标，但开发者体验同样重要。 结论Composer 2 证明，从一个强大的通用模型开始，并应用领域专用的 RL，可以创建出前沿级别的工程智能体。 智能体编码的演变将依赖于缩小模型训练方式与实际工作环境之间的差距。FINISHED
17410编辑于 2026-04-18- 来自专栏林欣哲
人工智能的智能体
今天来谈谈人工智能的研究工作中所做的一些基本的抽象。 一、智能体的概念 人工智能研究的对象称为智能体（Agent），其他的外部条件划归为环境。 智能体做出什么样的反应取决于输入和输出之间的映射关系函数，这个函数就是智能体研究的核心。 编写出智能体的程序则具体实现这个数学意义上的函数。 二、智能体的性能衡量 我们研究智能体是要他能做正确的事，因此需要有一个标准去衡量他的表现，一个合理的智能体会最大化这个期望的标准。 这里要注意一点，我们以最终期望达到的效果来做为衡量的标准，而不要以智能体的行为本身作为标准。 总结，人工智能的研究的期望是实现一个，在给定的每个可能的感知序列下，能做出让期望的性能最大化的行动的理性的智能体。
2K60发布于 2018-04-10 - 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
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？ 23 年时的大多数 AI 聊天机器人应用，几乎都是反应式智能体。 2）有限规划智能体：能进行简单地多步骤执行，但执行路径通常是预设的或有严格限制的。鉴定为 “能干事、但干不了复杂的大事”。 A2A（Agent to Agent）也是最近很热门的一个概念，简单来说，A2A 协议 就是为 “智能体之间如何直接交流和协作” 制定的一套标准。 A2A 的安全关注点：更关注智能体网络中的身份认证、授权和信任链。A2A 需要解决“我怎么知道我在和谁通信”、“这个智能体有权限请求这项任务吗”、“如何防止恶意智能体窃取或篡改任务数据” 等问题。 对于一个成熟的智能体系统，可能会同时运用 MCP 和 A2A，MCP 负责某个智能体内部调用工具完成任务，A2A 负责智能体之间协同完成任务。
77210编辑于 2026-03-17 - 来自专栏拓端tecdat
R语言混合效应逻辑回归（mixed effects logistic）模型分析肺癌数据|附AI智能体
p=22302 在混合效应逻辑回归用于建立二元结果变量的模型，其中，当数据被分组或同时存在固定和随机效应时，结果的对数几率被建模为预测变量的线性组合（点击文末“阅读原文”获取完整代码、数据和AI智能体） Q 混合效应逻辑回归相比普通逻辑回归有什么优势？ 智能体：混合效应逻辑回归(也称为多层次逻辑回归)是普通逻辑回归的扩展，特别适用于具有层次结构或聚类结构的数据。 2. 同时建模固定效应和随机效应的能力 核心优势：可以区分群体水平(固定效应)和组别水平(随机效应)的影响。 # 添加癌症阶段 factor(rep(levels(癌症阶段 )) # 显示前几行数据 head(plotdat2) # 绘制 ggplot(plotdat2 ) + geom_ribbon 智能体：基于当前混合效应逻辑回归的研究进展和应用实践，以下是值得关注的新方法和创新方向： 一、计算方法的创新突破 变分推断加速技术（文档1提及传统MCMC计算瓶颈） 使用随机变分推断(SVI)处理超大规模分层数据
1.3K10编辑于 2025-05-08 - 来自专栏人工智能
2026混合云私有化财务智能体：部署灵活性与服务保障对比
纯云、私有化、混合云都要支持；要能扛住大规模并发；还要和现有ERP、OA、核心系统无缝打通。这些都是真金白银的技术门槛。 金智维Ki-AgentS则深度融合了大模型的智能规划能力与自研RPA的确定性执行能力，创新提出“受监督智能体”理念，确保智能体在财务高合规场景下既智能又可控，每一步执行都有完整审计路径和回滚机制，这一点在零容错要求的财务领域尤为关键 财务典型场景落地路径• 业财一体化痛点：业务数据和财务系统两张皮，人工制证易错，月结动辄5-7天。方案：智能体自动拉取业务系统数据，实时生成凭证、完成结转清账。 所以，搭建企业财务智能体，绝不仅仅是挑选一个工具那么简单，而是一项需要系统规划、跨部门协同的工程。 第三，选2-3个平台做真实POC。用自己的历史数据、真实权限环境跑一遍全流程。
28510编辑于 2026-03-13 【AI智能体创作】
AI智能体创作思路 AI智能体的核心在于模拟人类思维和行为模式，通过算法和数据处理实现自主决策。创作思路通常包括目标定义、数据收集、模型训练、评估优化等环节。 目标定义阶段明确智能体的功能边界，比如聊天机器人、游戏NPC或自动化工具。数据收集阶段获取相关领域的语料、图像或其他输入数据。模型训练阶段选择合适的算法架构，如深度学习、强化学习或规则引擎。 ) input_text = "AI智能体的核心功能包括" input_ids = tokenizer.encode(input_text, return_tensors="pt") output 2. 混合精度训练 混合精度训练（FP16/FP32混合计算）可节省显存占用，提升训练速度，适用于显存受限的情况。 示例：在训练BERT模型时，混合精度训练可使其在单卡显存不足的情况下仍能运行。 3.
41010编辑于 2025-12-17认知智能体（0）
其次就是代理的通信模式，也就是[个体间的信息交互]：对话式：发挥不同智能体的风格工具调用：控制智能体行为和输出广播：智能体的自主意识我们以[注意力]为线索，来展开智能体的认知能力。 我们追求的不是复杂的认知操作，而是通过一个个简单的认知能力形成集体智能，从而迸发出涌现现象。有人说结婚如果不是1 + 1>2，那干嘛结婚。但是为什么会大于2 ？ 所以认知智能体需要加入元认知的能力。 系列文章分成十个章节：第一章：认知AI智能体的基础主题：ai代理的定义和类型（reflex、基于目标、基于效用...）开发代理需要的技能（编程、认知架构、llm）环境配置（python、Ollama、litellm 目标：开发能够从结果中学习并自主改进策略的智能体第九章：使用RL、世界建模和RAGEN进行拓展主题：强化学习集成（RAGEN管道）用于状态和奖励预测的世界建模多智能体协作与分布式问题解决
23000编辑于 2025-06-05- 来自专栏算法之名
AI智能体(四)
接AI智能体(三) memory工具使用 以往，我们都是直接跟大模型进行交互，没有办法系统的实现记忆。 在上图中，用户在向大模型问问题时会首先读取记忆体，查看以往是否回答过相同的问题或者相关的文档可以参考。 如果有就会返回并添加到提示词模版中，再通过大模型的处理得到答案，得到答案之后再将答案反写回记忆体，这是一个循环的过程。 **智能合约和应用生态**：以太坊拥有强大的开发者社区和丰富的应用生态，这推动了其需求的增长，并对价格产生积极影响。 2. **跨链技术的进步**：随着跨链技术的发展，以太坊能够与其他区块链网络进行互操作，这可能会扩大其生态系统，并增加其作为价值转移和智能合约平台的吸引力。 5.
1.1K00编辑于 2025-02-06 - 来自专栏算法之名
AI智能体(六)
接AI智能体(五) Dify Dify是一个开源的Agent开发平台，使用Dify有两种方式，一种是使用Dify的在线平台。https://cloud.dify.ai。 一种是进行私有化部署。 TENCENT_VECTOR_DB_SHARD: ${TENCENT_VECTOR_DB_SHARD:-1} TENCENT_VECTOR_DB_REPLICAS: ${TENCENT_VECTOR_DB_REPLICAS:-2} restart: always environment: XPACK_ENCRYPTEDSAVEDOBJECTS_ENCRYPTIONKEY: d1a66dfd-c4d3-4a0a-8290-2abcb83ab3aa
1.1K00编辑于 2025-02-06
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