- 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。 比如翻译工具、网页搜索工具、爬虫工具、地图工具等： 这种搜集资源的能力，希望大家也能够掌握，尤其是学新技术的时候，即使官方文档写的不够清晰完善，我们也可以从开源社区中获取到一手信息。 当然也可以直接使用 Google 或 Bing 的搜索 API（甚至是通过爬虫和网页解析从某个搜索引擎获取内容）。 try { String response = HttpUtil.get(SEARCH_API_URL, paramMap); // 取出返回结果的前 5
58510编辑于 2026-03-17 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 开发者社区热点话题发现 企业竞争情报监控 技术实现方案 数据采集层 使用Python的Scrapy框架构建爬虫，示例代码： import scrapy from datetime import datetime text-classification", model="distilbert-base-uncased") summarizer = pipeline("summarization", model="t5- Company {name:'OpenAI'}) CREATE (n)-[:MENTIONED_IN]->(a:Article {title:'GPT-4 Release'}) 部署架构 采用微服务架构： 爬虫服务
60511编辑于 2025-12-17- 来自专栏Dance with GenAI
AI网络爬虫：用deepseek批量提取天工AI的智能体数据
天工AI的智能体首页： F12查看真实网址和响应数据： 翻页规律： https://work.tiangong.cn/agents_api/square/sq_list_by_category? 这是一个json数据； 提取每个json数据中所有键的名称，写入Excel文件的表头，所有键对应的值，写入Excel文件的数据列； 保存Excel文件； 注意：每一步都输出信息到屏幕； 每爬取1页数据后暂停5- pd.DataFrame([flat_agent])], ignore_index=True) else: print(f"请求失败，状态码: {response.status_code}") # 随机暂停5- 9秒 time.sleep(random.uniform(5, 9)) # 保存到Excel文件 excel_file = "F:/tiangongaiagent20240619.xlsx" df.to_excel
77510编辑于 2024-07-10 - 来自专栏Dance with GenAI
AI网络爬虫：用deepseek批量提取coze扣子的智能体数据
%3D&a_bogus=EyW0%2FR8DdEVTvfg655KLfY3qVVa3Y0Ia0SVkMDhe5n3Rtg39HMOv9exYKs0vMDjjNs%2FDIeEjy4hbYpcQrQcnM1wf7Wsx %2F2CZmyh0t-P2so0j53intL6mE0hN-Jj3SFlm5XNAEOJ0y75aKY00W9oamhK4bfebY7Y6i6trIE%3D%3D https://www.coze.cn %2F2CZmyh0t-P2so0j53intL6mE0hN-Jj3SFlm5XNAEOJ0y75aKY00W9oamhK4bfebY7Y6i6trvf%3D%3D 请求方法: GET 状态代码: 200 %2F2CZmyh0t-P2so0j53intL6mE0hN-Jj3SFlm5XNAEOJ0y75aKY00W9oamhK4bfebY7Y6i6trvf%3D%3D" # 请求头 headers = { Status code: {response.status_code}") # 暂停5-9秒 time.sleep(5 + (page_number % 5)) # 保存Excel文件 df.to_excel
1.6K10编辑于 2024-06-24 AI网络爬虫：用deepseek批量提取coze扣子的智能体数据
%3D&a_bogus=EyW0%2FR8DdEVTvfg655KLfY3qVVa3Y0Ia0SVkMDhe5n3Rtg39HMOv9exYKs0vMDjjNs%2FDIeEjy4hbYpcQrQcnM1wf7Wsx %2F2CZmyh0t-P2so0j53intL6mE0hN-Jj3SFlm5XNAEOJ0y75aKY00W9oamhK4bfebY7Y6i6trIE%3D%3Dhttps://www.coze.cn lk3s=60aae199\u0026x-expires=1718792155\u0026x-signature=FlRwUZl%2FOoBKUwJHWskM5skN4xs%3D","id": "482431 %2F2CZmyh0t-P2so0j53intL6mE0hN-Jj3SFlm5XNAEOJ0y75aKY00W9oamhK4bfebY7Y6i6trvf%3D%3D请求方法:GET状态代码:200 OK Status code: {response.status_code}")# 暂停5-9秒time.sleep(5 + (page_number % 5))# 保存Excel文件df.to_excel(
1.3K10编辑于 2024-06-20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。
71210编辑于 2026-01-24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]
2K10编辑于 2026-03-13- 来自专栏喵叔's 专栏
智能爬虫框架
当我们对少数网站内容进行爬取时写多个爬虫还是有可能的，但是对于需要爬取多个网站内容的项目来说是不可能编写多个爬虫的，这个时候我们就需要智能爬虫。 智能爬虫目前有三种： 基于网页内容的爬虫 当网页含有大量需要提取的信息时，我们就需要用到基于网页内容的爬虫。该爬虫会将 HTML 视为文本并利用 NLP 技术进行处理。 一、Newspaper Newspaper 是一个利用 NLP 的智能爬虫框架，可以从页面中提取出很多内容。 5 分），因为 article 元素有可能是正文内容或正文内容的一部分。 三、总结 我们讲解了常见的三种智能爬虫类型，还通过代码的形式学习了 newspaper 和 readability 的使用方法和原理，我们可以利用这篇文章学到的内容来编写自己的爬虫，同时对爬虫的开发有了更进一步的了解
1.5K20发布于 2020-09-08 AI 智能体
也就是AI Agent AI Agent AI 智能体是一个能够感知环境并采取行动以实现特定目标的系统。它从标准大语言模型演进而来，被赋予了规划、使用工具以及与周围环境交互的能力。 可以把智能体 AI 想象成一个能在工作中不断学习的智能助手。 它遵循一个简单的五步循环来完成任务 1.获取任务目标：你给它一个目标，比如“帮我安排日程”。 5.学习与优化：它会观察结果并不断调整。例如，如果会议被重新安排，系统会从中学习以提升未来表现。 Claude Code Claude Code是一个比较通用的智能体 系统架构 工具系统是 Claude Code 的"手脚"，使其能够与外部环境交互： 文件工具：读取、写入、搜索文件； 执行工具：运行
18300编辑于 2026-06-25- 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
1K10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。 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
1.5K70发布于 2018-04-11 - 来自专栏有趣的Python和你
python爬虫之MQL5爬虫
今天中文社区有人要爬MQL5的网站，要和其做的图表一样，这里写上原图和我画的图，代码就不上了~ 以下是我的图片 成长.png 结余.png 净值.png 表格没有做，回归的直线没有做，继续加油!
52130发布于 2018-07-03 - 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。
1.9K10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。
3.7K22编辑于 2026-03-02- 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。
1.6K10编辑于 2025-08-27 - 来自专栏啄木鸟软件测试
测试专家必看：5大智能体测试开源方案
当系统核心逻辑从确定性代码转向非确定性推理链、当用户交互由预设路径演变为多轮自主规划、当‘正确性’本身需依赖语义对齐而非断言匹配——我们不得不承认：LLM智能体（Agent）已不是‘带AI功能的软件’， 正因如此，2024年起，全球测试社区加速孵化面向智能体的专用测试框架。 本文精选5个真正具备生产级潜力的开源方案，从设计哲学、核心能力、适用场景到真实落地案例，为测试专家提供一份高信息密度的选型指南。 结语 智能体测试不是对旧方法的修补，而是一场方法论重构。上述5个开源方案，分别从流水线治理、协同可信、行为契约、协议抽象、理论量化五个维度，勾勒出新测试范式的完整拼图。值得注意的是：没有‘银弹’框架。 下一站，是让测试智能体自己来测试其他智能体。而这场进化，已经开始了。
60800编辑于 2026-06-15 - 来自专栏从0开始学Go
用 CodeBuddy 和 PyQt5 爬虫智能体轻松爬取掘金，自动化采集技术文章和数据
而今天，我想和大家分享如何利用 CodeBuddy 智能开发工具以及 PyQt5 框架，通过一个智能爬虫系统，自动化地爬取 掘金 上的技术文章和数据。 更重要的是，PyQt5 可以与爬虫代码进行紧密集成，实现爬虫任务的动态显示与控制。如何构建基于 PyQt5 的智能爬虫？确定目标与需求首先，我们需要明确自己爬取的目标内容。 在掘金网站上，我们通常会关注以下几个方面的数据：热门技术文章各类专栏的内容技术话题的最新动态用户评论和点赞数等互动数据我们可以根据需求，选择爬取不同类型的页面（如文章列表、文章详情页、评论区等）设置爬虫智能体 # 网络爬虫专家智能体提示词 ## 角色设定 你是一名世界顶尖的网络爬虫专家，精通各类网站数据抓取技术。 PyQt5 界面与爬虫集成在实现爬虫功能的同时，我们还可以利用 PyQt5 构建一个简洁的用户界面，方便我们启动和管理爬虫任务。
89220编辑于 2025-07-04 - 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。
2.2K70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
1.4K21编辑于 2026-03-17 智能体进展III
标题：大规模基于语言模型的多智能体协作 代码地址：https://github.com/OpenBMB/ChatDev/tree/macnet 发表日期：2024-06-11 摘要：最近在大型语言模型驱动的自主代理方面的突破表明 我们推测这可能是因为缩放代理在交互式反射和细化过程中催化了它们的多维考虑能力，从而产生了更具有理解力的智能体制品。 论文地址：https://arxiv.org/abs/2406.07155
11710编辑于 2026-07-13
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