- 综合排序
- 最热优先
- 最新优先
使用谷歌A2A协议构建自主AI代理指南
为什么需要自主AI代理？想象一下：凌晨3点，地球另一端的客户急需账户帮助。传统聊天机器人会通过升级流程唤醒支持团队。但如果AI代理能够自主、安全且正确地处理请求呢？这就是理想场景。 它就像为AI代理配备入口保安（输入验证）和出口质检员（输出验证）。有了这些最低限度的保障措施，代理可以自主运行而不会引发公关危机。双重验证概念的诞生当前关于AI代理的讨论很多。 接下来考虑AI代理实现自治的最低要求。结论是自主AI代理至少需要两个组件：输入验证——净化输入，防护越狱、数据投毒和有害内容输出验证——净化输出，确保品牌一致性并减少幻觉这就是双重验证系统。 ：Guardrails AI或NeMo Guardrails良好框架但需要更多设置对提示注入的专业性较低经验教训Llama Prompt Guard 2 86M存在盲点。 结论自主代理不是简单通过向每个问题投掷最大LLM来构建的。它们需要能够在没有人工监督的情况下安全运行的系统。
50610编辑于 2025-09-06- 来自专栏从头开始学习测试开发
OpenDevin —— 开源的 Devin 平替，你的第一个全自主 AI 软件工程师
一句话总结： OpenDevin 不是另一个代码补全插件，而是一个能独立承接并完成端到端软件工程任务的全自主 AI 智能体。 你只需给它一个模糊的产品需求（例如“做一个待办事项应用”），它就能像一位资深全栈工程师一样，自主规划架构、编写前后端代码、进行单元测试、调试错误，并最终为你提交一个包含完整 README、演示 GIF 它的目标非常明确：打造一个完全透明、可审计、可本地化部署的开源版 Devin，让每一位开发者都能拥有自己的 AI 工程师。 二、OpenDevin vs. 步骤 2：配置你的 AI 模型 OpenDevin 需要一个强大的 LLM 作为其“大脑”。这里我们以 Ollama（本地模型）为例。 工程师等。
2.5K10编辑于 2026-01-22 - 来自专栏山行AI
首个代理AI软件工程师—Devika
前言 在全球首位AI软件工程师和人类历史上首位具身智能AI机器人出现后，AI的高速发展已经逐渐在很多方面影响和改变着我们的工作和生活的方式。 与之同时出现了很多开源版本的AI软件工程师，如：Open Devin—一个少编码、多创造的开源AI软件工程师和本文要介绍的Devika—一款代理人工智能软件工程师。 Devika - 代理人工智能软件工程师 重要提示 本项目目前处于非常早期的开发/实验阶段。目前还有许多未实现/损坏的功能。欢迎大家贡献力量，帮助项目进展！ Discord服务器[13]•贡献[14]•许可证[15] 关于 Devika是一位高级AI软件工程师，能够理解高级别的人类指令，将其分解成步骤，搜索相关信息，并编写代码以实现给定目标。 Devika利用大型语言模型、规划和推理算法以及网络浏览能力，智能地开发软件。 Devika旨在通过提供一位能够在最少的人类指导下承担复杂编码任务的AI编程伙伴，革命性地改变我们构建软件的方式。
1.3K10编辑于 2024-03-26 - 来自专栏新智元
火星探测器安装AI软件，AEGIS 实现好奇号自主探索
【新智元导读】去年 5 月，NASA 的工程师为火星探测器好奇号安装了一套 AI 软件 AEGIS，使得好奇号实现了从自动向自主的飞跃。 去年5 月，NASA的工程师在好奇号的主控计算机上远程安装了一套人工智能软件，使得好奇号可以识别火星表面值得探测的特征，校正激光破碎器的准星。在好奇号的多数活动中，仍然还是由人类做主的。 但这一软件使得火星车在没有太多人类输入的情况下也可以主动进行科学探索，实现了从自动到自主的飞跃。 换句话说，这个软件——不过是好奇号380 万行代码中的 2 万行——把好奇号从一台 6 轮核能机器人变成了一名野外科学家。 从去年5 月到今年4 月间，AEGIS使好奇号自主选择值得探索的岩石和土壤时，准确率达到了93 %。上周，软件开发者在Science Robotics 发表了研究报告。
1.2K90发布于 2018-03-28 - 来自专栏啄木鸟软件测试
全栈软件测试工程师宝典连载（2）
由于用户在项目初期很难提出明确的需求，而利用瀑布模型只有到编码结束，软件测试工程师才可介入软件测试，客户才可以看到是否是他们需要的产品，在此之前这些产品他们不完全了解，有时需要补充，有时客户也有可能推翻他们原本的需求 2. 1.4 软件测试模型 1.4.1 V模型 图1-4所示为V模型测试。 ? 图1-4 V模型测试 •单元测试相对于编码进行，这一步往往由开发工程师执行。 •系统测试相对于概要设计，软件测试工程师站在整体的立场上对系统进行全面的软件测试工作。 •验收测试是用户对产品进行的测试，一般分为Alpha测试和Beta测试。 从图1-7可以看到：第1、4象限是主要面对技术的测试、第2、3象限主要是面对业务的测试、第1、2象限是支持团队的测试、第3、4象限是评价产品的测试。 1.5 软件测试方法 软件测试方法见表1-1。
60520发布于 2021-01-18 - 来自专栏测试人的日常
软件测试下的AI之路（2）
前言 随着科技日新月异的发展，人工智能正逐渐渗透到我们生活的各方各面，从智能语音助手到自动驾驶汽车，从智能家居到人脸识别技术，AI正以其卓越的智能和学习能力引领着新时代的发展方向。 在这个快速演进的时代中，软件测试领域也受到了不小的冲击。虽然在当下，传统的软测技术仍然是绝对的主力，但是身为IT行业中的一员，近几年AI的全新业务体验与其超强的算力所带来的震撼感受也应该远超其他行业。 所以为了跟上时代的步伐，作为软测的大家是不是也应该考虑如何让AI辅助我们更加完整高效的完成日常的各类质量保障工作呢？ 2. 后话 好了，到了这里，我们就已经把用例产出 - 计划设计 - 结果查看 - 覆盖分析这个一整个的软件业务进行了大致的介绍与实践，相信大家一定也对mabl平台的整体功能和业务有了更深层次的认识了
92420编辑于 2023-10-18 - 来自专栏信创产业
软件自主可控、 软件代码成分(开源率自主率)分析、代码审计是什么，区别与联系
软件自主可控 指软件在核心技术、关键组件、供应链等方面不依赖外部实体，能够自主开发、运维并满足安全合规要求，通常用“代码自主率”量化（自研代码占比）。除了技术部分外，通常还包含一些材料审查。2. 软件代码成分分析（SCA） 软件代码成分分析（SCA）是一种自动化技术手段，SCA如同软件的“成分检测”，帮助开发者了解自己产品的“原料构成”。 通过静态手段识别软件中所有开源与第三方组件、版本、许可证及已知漏洞，输出“软件物料清单（SBOM）”。该部分大部分是通过工具进行指纹采集与开源库比对分析。3. SCA 为“自主可控”提供量化输入：通过统计自研与引入代码比例，计算代码自主率，是判断能否“自主可控”的关键数据来源。 2. 三者常嵌入同一流程：在信创或关基项目中，先由 SCA 生成 SBOM 与自主率报告，再对高风险组件和自研模块做深度代码审计，最终形成“自主可控”综合评估报告。
36110编辑于 2026-04-07 - 来自专栏人工智能
从Copilot到自主编程：AI将如何重塑软件开发流程
：AI可识别异常堆栈并自动修复（如Java空指针异常定位）腾讯云实践：CODING平台已集成AI代码自检功能 Part 2：软件开发流程的重塑实践阶段 传统流程 AI增强流程 效率提升点 实现偏差安全边界：第三方库漏洞的自动化检测难题3.2 伦理争议代码版权归属：AI生成代码的著作权界定工程师价值：基础编码岗位的转型压力3.3 认知鸿沟问题新手陷阱：过度依赖AI生成代码导致底层原理失察真实场景 ：Spring Bean循环依赖问题被AI掩盖，线上故障排查耗时增加2倍经验贬值危机：10年工程师的"快捷键记忆"价值衰减数据佐证：2024 Stack Overflow调研显示，67%开发者认为传统调试经验权重下降 加速新冠病毒刺突蛋白分析流程蛋白质折叠计算：AlphaFold2与分子动力学代码的智能耦合效率对比：传统方法6个月工作量压缩至72小时14.2 工业软件平民化CAD/CAE代码转换：将设计图纸自动生成有限元分析代码制造业案例 AI编码工具（附工具对比表）思维转型：聚焦架构设计与核心业务逻辑创新#腾讯云开发者社区 #AI编程革命 #Copilot深度解析 #未来软件开发 #技术人成长
1.1K10编辑于 2025-03-21 - 来自专栏机器之心
北大用ChatGPT打造开发团队，无需人类干预，AI自主完成软件开发
机器之心专栏 机器之心编辑部 人类可以通过合作的方式解决复杂问题，这种模式同样适用于 AI 领域。 「一个人的能力有限，一支团队的力量无限」，这一句话在现实世界的软件开发中体现的淋漓尽致。 但在 AI 世界中，这样的模式是否也适用呢？ 北京大学李戈教授团队提出了一种全新的 self-collaboration（自合作）模式。 它允许多个大模型模型扮演不同的角色，组成了一个无需人类参与的软件开发团队，通过大模型间的合作和交互，自主完成整个软件开发流程，甚至包括一些复杂的代码生成任务。 2. 修复或细化代码，考虑到测试人员反馈的测试报告反馈。编码器角色指令的详细信息如图 2 所示。 测试员：测试员获取程序员编写的代码，然后记录包含各个方面（例如功能性、可读性和可维护性）的测试报告。 在此设置下，研究者比较了由 self-collaboration 框架实例化的初等团队中每个 ChatGPT 角色的表现，如表 2 所示。
51540编辑于 2023-08-08 - 来自专栏让技术飞起来
AI时代软件工程师职业还将存在多久？
活人软件工程师被GPT替代后，团队组成可能只剩下两个活人：产品经理和审核。产品经理负责通过提示工程的手段向AI提出各种设想、要求并对成品作验收。 但是对于AI来说，敏捷 = 算力。迭代一版软件产品，就看你有多少颗GPU/TPU/CPU了吧。而且AI没有休息一说，可以无休止的工作，一天把软件代码迭代个十万八千次，不是问题。架构设计模式？重构？ 号称AI赋能码农、增强其能力提升其效率的神器 - 各种Copilot，来了。随之而来的是各种“神预测”。“未来的工程师只有两种人，能利用AI的和不能利用AI的”。 但至少目前看来，用英语做提示让大语言模型生成真正有效的代码、实现一定的软件功能，依然不是普通人能驾驭，它可能带来另外的专业门槛。“AI是平庸工程师的复仇”。有些技术视频博主如是说。 接下来，牢固掌握原理性知识、理解底层技术有Mechanical Sympathy的人，有机会“进化”成AI世代的软件工程师，而粘贴代码、搞点字节搬运、做做增删改查机械任务的那些，将消失于这个行业。
90711编辑于 2023-12-27 - 来自专栏sylan215 的软件测试技术学习
再谈软件测试工程师发展的 2 个方向
因为已经有一定的工作经验，所以这次我要谈到的 2 个方向，可以说是一个分叉口，分别是技术方向和管理方向。 一、技术方向 先来看看技术方向。 2. 统一测试工具的支撑。 同样拿我们 windows 客户端测试举例，可以考虑提供当前业务适用的、频度高、效率好、实现简单、使用简单的测试工具。 比如系统性能监控工具、软件性能指标测试工具、文件快速替换工具、文件注册表一键操作工具、快速回归的 PVT 工具等。 这些工具并不难，和业务贴合度高，但是效果特别好，难点就是去发现这样的改进点。 3. 2. 团队协作。 管理的是人，就是一个团队，必须要充分发挥团队的力量，要能人尽其才，所以需要在不同时候，给予不同的安排和激励，特别是每个人的需求在不同的时候也会不同。 以上，是我对测试工程师在技术方向和管理方向发展的一些看法，如果你已经工作 3 到 5 年了，可以参照着标准看看自己适合哪个方向，提前给自己做好规划。
54620编辑于 2022-03-30 - 来自专栏云云众生s
在AI时代软件工程师仍然不可或缺
随着我们不断探索不断发展的技术领域，人工智能（AI）对各个行业产生的深远影响是不容否认的。AI 已彻底改变了运营，实现了任务自动化并提高了效率。然而，尽管有这些进步，AI 仍无法取代软件工程师。 软件工程师的独特性 虽然 AI 擅长自动化重复性任务、处理海量数据，甚至生成高质量的代码片段，但软件工程师的角色远远超出了这些功能。 同样，软件工程师使用 AI 来增强他们的能力，但由于他们独特的创造性思维和解决复杂问题的能力，他们仍然不可替代。 软件工程师必须参与终身学习 才能保持相关性。这种持续学习的心态是该职业的内在属性，确保软件工程师始终处于技术进步的前沿。相反，AI 在其预定义数据集的范围内运行，无法像人类一样自主获取新知识或技能。 软件工程师对于技术的持续增长和发展至关重要。虽然 AI 可以增强他们的工作，但它无法取代软件工程师带来的创造力、批判性思维和协作。
56510编辑于 2024-06-17 - 来自专栏人工智能快报
新软件能赋予机器自主决策能力
据英国《每日邮报》网站2015年10月20日报道，俄罗斯武器制造商——俄罗斯联合仪器制造公司声称其研制出的新软件Unicum AI能赋予机器人自主决策能力，并已用于装备人工智能坦克。 该公司通过视频演示了Unicum AI软件，在视频中机器人坦克似乎可以自主行动并攻击目标。 根据《今日俄罗斯》网站和俄罗斯联合仪器制造公司的消息，Unicum AI软件在任意时刻都可控制多达十台机器人坦克，并能够独立地组建“特遣部队”。 在没有人为的干涉下，Unicum AI可以控制机器人坦克之间的通信，选取“特遣部队”的指挥机器人，并为每一个机器人指派任务。 此外，Unicum AI还能够在战场上定位目标，并在收到人类控制员的确认信息后消灭目标。
64890发布于 2018-03-13 - 来自专栏全栈程序员必看
java软件工程师和java开发工程师区别_软件测试工程师
今天就来和大家科普一下java工程师和软件工程师的关系是什么，二者各自具体的工作性质和岗位职责是什么，帮有想了解java工程师和软件工程师的朋友们解答疑惑，能更好的认识这两个职位。 首先来说软件工程师。软件工程师其实是一个通用的具有概括性的名词概念，这个里面包括了很多更具体化的职业方向，比如软件管理人员、软件设计人员、软件开发人员和程序员等，这些都属于软件工程师。 上面说到，软件工程师是一个广义的概念，可以说是一个行业的统称，下面是分很多种类和方向的，而java工程师就算是软件工程师范围内的一类工程师。 因为我国的软件出口早在10年前就已经达到200多亿的规模了，在我国IT类职场人气职位中，软件工程师是位列第一名的，所以包括java工程师，所有类的软件工程师认筹单就业前景十分乐观。 相信经过上面的简单介绍，大家已经知道Java工程师和软件工程师的关系这个问题的答案了，那么有兴趣的朋友们赶快来加入到java工程师和软件工程师的行列中来吧。
1.3K20编辑于 2022-11-09 Alexa进入自主时代：AI技术新突破
总的来说，这些技术将为Alexa语音服务和Alexa开发者可用工具带来新的通用性和自主性水平，开启人工智能的新"自主时代"，在这个时代，像Alexa这样的AI系统将变得更加自我感知和自主学习，并且能够通过经验丰富的开发者甚至最终用户实现自助服务 同样，当客户发出不熟悉的指令时，真正自主学习的Alexa将能够推断其可能含义——也许通过搜索网络或探索知识库——并提出可能性。自助服务本质上意味着AI的民主化。 通俗地说，这些就是对话AI领域的无代码和低代码开发环境等价物。需要明确的是，自主时代尚未完全到来，它的曙光需要仍在开发中的技术走向成熟，无论是在该中心还是其他地方。 自主学习历史上，AI开发周期涉及数据收集、数据注释以及在新注释数据上重新训练模型——所有这些加起来是一个费力的过程。 这些进展，连同该机构科学上报告的其他进展，表明Alexa AI团队继续加速其创新步伐。更多激动人心的公告即将到来。我会不时回到这里，向您更新Alexa进入自主时代的旅程。
33010编辑于 2025-10-05- 来自专栏企鹅号快讯
谷歌挖走苹果芯片工程师 自主移动芯片将要面世
12月23日消息，据报道，谷歌已聘用苹果公司芯片工程师约翰·布鲁诺（John Bruno），该公司正在致力于设计自己的消费者设备芯片组。 去年，也曾出现过其他一些芯片工程师从苹果及其主要芯片供应商高通跳槽到谷歌。 其中离开苹果的芯片工程师包括马努·古拉蒂（Manu Gulati）、崔旺泽（Wonjae Choi）和塔育·法德罗（Tayo Fadelu），离开高通转投谷歌的工程师包括伊迈拉克·比斯瓦斯（Mainak 布鲁诺跳槽到谷歌正是苹果致力于打造消费者芯片组业务之际，据The Information报道称，苹果于2010年在第一代iPad中推出了自主移动芯片，并且凭借iPhone 5s的A7芯片，苹果是推出64 苹果的自主芯片已经用于自己的智能手机产品，并且正在研发具有人工智能相关功能的芯片。这家总部位于丘珀蒂诺（Cupertino）的科技公司最终计划是将人工智能芯片用于自己iPhone和iPad等设备。
77180发布于 2018-01-25 - 来自专栏企鹅号快讯
工程师已成功编程出自主行为小型昆虫机器
康奈尔大学的工程师正在开发新的编程，使他们更加自主，适应复杂的环境。 学分：哈佛微型机器人实验室 据外媒体报道:康奈尔大学工程师们已经成功地建造了小型的类似昆虫的机器人，但是将其编程为像真正的昆虫那样自主行为仍然是技术上的挑战。 康奈尔大学的一组工程师一直在尝试一种模仿昆虫大脑工作方式的新型编程方法，很快人们就会想，这种飞行在墙上的飞行实际上是否是飞行。 由于芯片比传统处理器需要更少的功耗，因此工程师可以将更多的计算包装到相同的有效负载中。 康奈尔算法将帮助RoboBee更加自主和适应复杂的环境，而不会显着增加其重量。
794100发布于 2018-01-25 - 来自专栏云云众生s
架构师理解自主式AI指南
自主式AI是基于现有能力和即将实现的能力的AI的下一个合乎逻辑的进化发展。 在本架构师关于理解自主 AI的指南中，我希望展示自主 AI 是基于现有能力和触手可及的能力的 AI 的下一个逻辑进化。 让我们从回顾 AI 多年来是如何发展的开始。 现在，我们正在进入第三个浪潮，即自主 AI。自主 AI 系统可以规划、采取行动，甚至修改原始计划以改进结果。 要理解自主AI的价值和前景，你必须了解控制层面及其当前构建方式的两个方面： 它在设计时是硬编码的。在运行时，它不能更改。 它是由可能并不完全了解组织运营领域范围的工程师构建的。 底线是，任何你用软件构建的东西都有控制层面和工具层面。 自主AI的承诺 自主AI的承诺是使用LLM全面了解组织的工具层面，并允许它们构建和执行控制层面所需的逻辑。
32110编辑于 2025-01-18 - 来自专栏新智元
微软AI程序员登场，10倍AI工程师真来了？996自主生成代码，性能超GPT-4 30%
甚至连刚开始攻读计算机学位的人也恐慌，「10倍AI工程师」对未来的工作影响。 除了Cognition AI这种明星初创公司，美国的各个大厂也早就在想办法用AI智能体降本增效了。 AutoDev专为自主规划、执行复杂的软件工程任务而设计，还能维护Docker环境中的隐私和安全。 在此之前，微软已有主打产品GitHub Copilot，帮助开发人员完成软件开发。 用户可以定义复杂的软件工程目标，AutoDev会将这些目标分配给自主AI智能体来实现。 然后，这些AI智能体可以对代码库执行各种操作，包括文件编辑、检索、构建过程、执行、测试和git操作。 这是一种用于自主任务执行的开源AI智能体，通过提供代码和IDE特定功能来支持执行复杂的软件工程任务。 AutoDev构架 上图是AutoDev架构的简单示意图。 随着Devin、AutoDev等AI工程师的诞生，程序员们的工作可能会一大部分实现自动化。
52210编辑于 2024-03-25 LearnBuddy：专家同行的AI自主学习平台
一、产品定位与核心亮点 LearnBuddy 是由腾讯云副总裁、腾讯教育解决方案负责人杨晖及其团队推出的AI教育产品，定义为“专家同行的AI自主学习平台”。 师-生-机三元协同：突破传统二元教学，实现“教师高阶引导 × AI 规模化陪伴 × 学生自主探究”的教学效果公式。 专家陪伴的自主学习：提供24x7在线伴学、专家分身1V1指导、科研全流程Skills支持。 管理者 知识资产难沉淀：教授退休调离导致智力流失不可逆；AI落地难成体系：工具碎片、数据孤岛、缺统一管控。 内容生产：AI制课（含课件、测验、交互模拟、音频）。 资产中心：专家分身、Skills Hub（技能库）、IMA知识库、资料库。 连接层：连接器（Connector）、学习空间、赛事中心。 2. 2. 学生端案例：自主学习与科研探索 背景：学生需要完成《AI Agent》、《智能工厂》等课程学习，并进行科研探索。 解决方案： 通过学习空间访问本校课程，利用专家分身进行1V1指导。
64610编辑于 2026-06-17
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