- 综合排序
- 最热优先
- 最新优先
- 来自专栏Go语言学习专栏
5 - 工具调用 - AI 超级智能体项目教程
1）联网搜索 2）网页抓取 3）资源下载 4）终端操作 5）文件操作 6）PDF 生成 而且这些需求还可以进行组合 如果 AI 能够完成上述需求，就不再只是一个有知识的 “大脑”，而是有手有脚，会利用工具完成任务的 “智能体” 了。 try { String response = HttpUtil.get(SEARCH_API_URL, paramMap); // 取出返回结果的前 5 jsonObject.getJSONArray("organic_results"); List<Object> objects = organicResults.subList(0, 5) ().get("userName")); } } 看源码我们会发现，ToolContext 本质上就是一个 Map： A47lphkkDDkxdCS/rQHpdWHGIqT1c+f0rRj5gEHvdTo
31010编辑于 2026-03-17 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。 Super通过其混合专家（MoE）架构解决了“思维税”问题。其吞吐量是之前Nemotron Super的5倍以上。 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。
48510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 text-classification", model="distilbert-base-uncased") summarizer = pipeline("summarization", model="t5-
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。
40810编辑于 2026-01-24- 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 构建多智能体 AI 应用的5个最佳框架
智能体的基本结构 下面的代码片段展示了一个 AI 智能体最简单、最基础的形式。一个智能体使用语言模型来解决问题。 •投票与评价分析：通过分析用户反馈与问卷调查数据[5]，洞察客户需求，从而优化客户体验。•差旅与报销管理：自动化处理费用申报、跟踪与审批流程。 5. LangGraph LangGraph[23]是一个基于节点的 AI 框架，是目前最受欢迎的多智能体系统构建工具之一。它属于 LangChain 生态系统，专用于图结构化的智能体流程编排。 更多信息 山行AI希望本文对你有所帮助，由笔者翻译整理自：https://medium.com/@amosgyamfi/best-5-frameworks-to-build-multi-agent-ai-applications 各个渠道上的用户情绪:https://getstream.io/blog/building-an-ecommerce-chatbot-with-react-native-and-dialogflow/ [5]
1.1K10编辑于 2026-03-13- 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。 行动表明确的表示了每个智能体程序实现的智能体函数。要用这种方式来建造理性智能体。作为设计者，我们必须构造包括各种可能的感知序列的适当行动的函数表。 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。 ，不是选择用快刀还是利剑，而是根据不同的使用场景，智能选择最合适的匹配方式，由此，必定会有混合式架构的诞生。 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.
48943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？ 二、智能体实现关键技术 在自主开发智能体前，我们要先了解一下智能体的关键实现技术，也就是方案设计阶段做的事情。 5、其他支持 为了实现完整的智能体功能，OpenManus 依赖以下关键组件： 记忆系统：使用 Memory 类存储对话历史和中间状态 LLM 大模型：通过 LLM 类提供思考和决策能力 工具系统：提供 ，到数据收集智能体获取必要数据，然后是分析智能体处理这些数据，接着由可视化智能体创建直观图表，最后由报告智能体整合所有发现生成完整报告。 实现 5）参考 OpenManus 的源码，实现更多功能，比如 “规划并执行” 模式的智能体工作流（参考 flow/planning.py） 本节作业 1）完成 AI 超级智能体的开发 2）理解 AI
77310编辑于 2026-03-17 - 来自专栏AI大模型应用开发炼丹房
解锁智能体工作流：5个核心组件深度解析
AI智能体结合了大型语言模型（LLM）的推理、工具交互和记忆能力，赋予工作流动态性和适应性。与传统的确定性工作流或非智能体AI工作流相比，智能体工作流能处理更高复杂度的任务。 二、智能体工作流的定义与关键模式智能体工作流是由一个或多个智能体动态执行的任务序列，强调自主规划、工具使用和反思迭代。 它与非智能体工作流的区别在于其“智能体性”（Agentic）：与传统工作流的比较：确定性工作流（如费用审批规则）缺乏适应性；非智能体AI工作流（如文本摘要）仅静态生成输出；而智能体工作流整合LLM 三、智能体工作流的应用智能体工作流广泛用于企业场景，结合不同模式处理复杂任务。 架构分为： 单智能体RAG：作为路由器，从多个知识源（如专有数据库或API）检索数据。多智能体RAG：多个智能体协作（如主智能体协调专业检索智能体），处理更复杂查询。
1.2K10编辑于 2025-08-27 - 来自专栏web全栈之路
WPF+HTML5混合开发
做wpf和html混合开发也有一段时间了，从传统桌面开发WPF转到web前端，有相通之处，也有差别比较大的地方，xaml到html都是类似xml的结构，style和web的style类似， 可能是前者接触更久的缘故，毕竟微软的东西，有自己一套成熟的体系，封装的系统且友好，而html与js，有vue.js，react.js等热门前端框架，无论是扩展性，丰富性，社区活跃度都比WPF要好 说到混合开发
1.5K20编辑于 2022-09-29 - 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。 如文档所示，可以构建三层模型(患者-医生-医院) 可以包含交叉随机效应(非嵌套结构) 可以添加随机斜率(如文档4最后部分，住院时间的效应在不同医生间变化) 5. 例如，假设我们的预测模型的范围是5到10，我们想要6个样本， ，所以每个样本将与前一个样本相隔1，它们将是 . 然后我们创建不同的k个不同的Xi，其中 ，在每种情况下，第j列被设置为某个常数。 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 - 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5
混合效应或简单混合模型通常是指固定效应和随机效应的混合。我更喜欢混合模型一词，因为它很简单并且没有暗示特定的结构。 3. 标准线性模型 首先，让我们从标准线性模型开始，以熟悉该表示法。 5. 所有可能的混线性模型分析这个数据 因此，我们要考虑数据的集群性质。与其像上面的SLiM中那样忽略聚类，不如考虑为每个人运行完全独立的回归。 5.9 Mixed Model 5b: Multivariate normal model ? 5.10 Mixed Model 6: Penalized regression ? ? ASReml 4.1.0 Wed Apr 5 16:34:50 2020 LogLik Sigma2 DF wall cpu 1 -3817.282 1 混合线性模型学习笔记2 混合线性模型学习笔记3 混合线性模型学习笔记4
1.6K10发布于 2020-05-14 - 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。 server.log} LOG_FILE_MAX_SIZE: ${LOG_FILE_MAX_SIZE:-20} LOG_FILE_BACKUP_COUNT: ${LOG_FILE_BACKUP_COUNT:-5} WEAVIATE_ENDPOINT: ${WEAVIATE_ENDPOINT:-http://weaviate:8080} WEAVIATE_API_KEY: ${WEAVIATE_API_KEY:-WVF5YThaHlkYwhGUSmCRgsX3tD5ngdN8pkih true} WEAVIATE_AUTHENTICATION_APIKEY_ALLOWED_KEYS: ${WEAVIATE_AUTHENTICATION_APIKEY_ALLOWED_KEYS:-WVF5YThaHlkYwhGUSmCRgsX3tD5ngdN8pkih :-true} AUTHENTICATION_APIKEY_ALLOWED_KEYS: ${WEAVIATE_AUTHENTICATION_APIKEY_ALLOWED_KEYS:-WVF5YThaHlkYwhGUSmCRgsX3tD5ngdN8pkih
1.1K00编辑于 2025-02-06 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
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