- 综合排序
- 最热优先
- 最新优先
智能体的第4个阶段，到来了！
随着类似项目的越来越成熟，我能感觉到，智能体的第4个阶段，已经到来了。 智能体的前3个阶段 这里所说的智能体，主要是指基于LLM的智能体，因为Agent这个词进入大众视野，是LLM得到广泛认可后才火的，在此前的AI发展历程中，人们并不是很认可Agent技术路线，直到LLM的出现 这一阶段的智能体，实现了初级工具集成，在字节的coze平台上，智能体把官方和用户们共同提供的插件作为工具，智能体可以自主决定使用哪一个工具作为本次对话的执行。 第3阶段：多智能体架构 当开发者们发现，特定提示词配合特定工具集时，智能体能在某些方面表现的非常优异，而多加或少加工具，都会让智能体性能大打折扣，于是他们决定，由多个智能体打包成一个复合智能体来向用户提供通用性的智能体产品 MCP协议的出现，打破了这种智能体无法调用本地软件的窘境，智能体无法操作软件的情况可能会慢慢成为过去式。
31610编辑于 2025-12-29Nemotron 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。 混合Mamba-Transformer主干：结合Mamba层的序列处理效率和Transformer层的精确推理能力，提供更高的吞吐量，内存和计算效率提升了4倍。 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。 然后，强化学习针对各种智能体环境中的可验证结果来优化这些行为。预训练Super使用针对某机构Blackwell优化的4位浮点格式NVFP4，在25万亿个令牌上进行预训练。 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 sentiment['label'], 'confidence': sentiment['score'], 'summary': summary } 知识图谱构建 使用Neo4j AI'})-[:RELATED_TO]->(m:Company {name:'OpenAI'}) CREATE (n)-[:MENTIONED_IN]->(a:Article {title:'GPT-4
39611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- 来自专栏算法之名
AI智能体
name__ == '__main__': os.environ['ZHIPUAI_API_KEY'] = '******' chat = ChatZhipuAI(model='glm-4' 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 _main__': os.environ['ZHIPUAI_API_KEY'] = '******' streaming_chat = ChatZhipuAI(model='glm-4' 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。 4：既是环境足够简单，可以得到一个可行的表容量，设计者仍然得不到关于如何该条目的指导 除了这些，AI的关键挑战是如何搞清楚编写程序，在可接受的范围内，从少量的代码而不是大量的表目中产生出理性的行为，我们有很多的例子是显示出在其他的领域上述做法是可行的 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 系统概述 本系统实现了智能金融顾问的混合式架构，通过智能路由机制在反应式快速响应，与深思式深度分析之间动态选择最优处理路径。核心特性：1. 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 四、RAG vs Agent智能体 RAG（检索增强生成）和Agent是两种不同的技术路线，但可以相互配合。 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 四、RAG vs Agent智能体RAG（检索增强生成）和Agent是两种不同的技术路线，但可以相互配合。 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- 来自专栏育种数据分析之放飞自我
混合线性模型学习笔记4
这个小节主要是介绍混合线性模型的理论知识，包括固定因子的显著性检验（Wald），随机因子的检验（LRT），固定因子的效应值（BLUE），随机因子的效应值（BLUP）。 1. 题目：混合线性模型理论1 ? 在这里插入图片描述 2. 大纲 混合线性方程组中矩阵的书写形式，固定因子如何构建矩阵，随机因子如何构建矩阵，固定因子和随机因子的显著性检验。 ? 3. 4. 混合线性模型 混合线性模型的矩阵写法： ? 模型解释： ? 矩阵形式推导： ? 5. 单因素随机区组：混合线性模型 固定因子：单因素 随机因子：区组 ? 写出似然函数： ? 相关系列： 混合线性模型学习笔记1 混合线性模型学习笔记2 混合线性模型学习笔记3
85410发布于 2020-05-13 - 来自专栏设计模式
AI 智能体上下文工程 4 大实用策略解析
智能体也正在获得这种能力！通过“便签本”做笔记是一种在智能体执行任务时持久化信息的方法。其核心思路是将信息存储在上下文窗口之外，确保智能体可随时获取。 无论哪种方式，便签本都能让智能体保存有用信息，助力任务完成。 记忆（Memories） 便签本帮助智能体在特定会话（或线程）内解决任务，但有时智能体需要跨多个会话记住信息！ Reflexion提出了在智能体每轮交互后进行反思，并复用这些自主生成记忆的理念。生成式智能体（Generative Agents）则会从过往智能体反馈集合中定期合成记忆。 4. 隔离上下文（Isolate Context） 隔离上下文指拆分上下文，以帮助智能体执行任务。 多智能体（Multi-agent） 隔离上下文最流行的方法之一是在子智能体之间拆分上下文。 Anthropic的多智能体研究证明了这一点：具有隔离上下文的多个智能体的性能优于单个智能体，这很大程度上是因为每个子智能体的上下文窗口可专注于更具体的子任务。
94011编辑于 2025-10-20 - 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？ 4）工具调用 工具是扩展智能体能力边界的关键，智能体通过工具调用可以访问搜索引擎、数据库、API 接口等外部服务，极大地增强了其解决实际问题的能力。当然，MCP 也可以算是工具调用的一种。 综合上面 4 类技术，并且结合 CoT、Agent Loop、ReAct 等机制（可以总称为 “规划执行机制”），我们就可以构建一个完整的、有自主规划能力的智能体系统啦。 4）Orchestrator-Workers 协调器-执行者工作流 对于复杂的任务、参与任务的智能体增多时，我们可以引入一位 “管理者”，会根据任务动态拆解出多个子任务，并将这些子任务分配给多个 思路：其实利用 Spring AI，只需要把 MCP 服务中的工具提取出来变成工具列表，就可以复用已有的 ToolCallAgent 了 4）自行开发一个特定领域的超级智能体，可以直接继承 ToolCallAgent
77310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。 4. 处理多层次结构的能力 核心优势：可扩展至多层次的复杂数据结构。 makeCluster(4) clusterEvalQ(cl, require(lme4)) boot <- function(i) { object <- try(glmer(缓解 ~ IL6 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。 先把发票智能处理或报销审批跑通，测出真实效率提升和ROI，再逐步扩展。第二，拉上IT、财务、业务三方开需求对齐会。财务智能体不是财务部门一家的事，需要IT提供系统对接，业务部门明确规则。
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。 GPT2Tokenizer.from_pretrained("gpt2-medium") model = GPT2LMHeadModel.from_pretrained("gpt2-medium") input_text = "AI智能体的核心功能包括 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。 4. 学习率调度器 动态调整学习率可提升模型收敛速度和最终性能。常见调度策略包括： CosineAnnealing：学习率按余弦曲线衰减，适用于训练后期精细调参。
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。 因为[海马体]会把这些信息拦在入口。最后是长期记忆，内存容量有限，所以我们很多时候会借助硬盘的内容，但是所有的计算依然发生在工作记忆当中，只不过多了一个信息检索的步骤。 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
23100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. 4. **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。 POSTGRES_SHARED_BUFFERS: ${POSTGRES_SHARED_BUFFERS:-128MB} POSTGRES_WORK_MEM: ${POSTGRES_WORK_MEM:-4MB 'shared_buffers=${POSTGRES_SHARED_BUFFERS:-128MB}' -c 'work_mem=${POSTGRES_WORK_MEM:-4MB \n• 您的家族有什… "model_name": "gpt-4o-mini" } 输出 { "text": "```json\n[\n {\n \"chapter\": \" 代码为 import json def main(arg1: str) -> dict: if arg1.startswith('```'): arg1 = arg1[8:-4]
1.1K00编辑于 2025-02-06 - 来自专栏算法之名
AI智能体(二)
name__ == '__main__': os.environ['ZHIPUAI_API_KEY'] = '******' chat = ChatZhipuAI(model='glm-4' 我是人工智能助手智谱清言，可以叫我小智，很高兴见到你，欢迎问我任何问题。' token_usage': {'completion_tokens': 32, 'prompt_tokens': 6, 'total_tokens': 38}, 'model_name': 'glm-4'
69610编辑于 2024-10-05
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