- 综合排序
- 最热优先
- 最新优先
- 来自专栏服务端技术杂谈
AI Agent搭建
一个普遍的误区是，认为工具越多Agent能力越强，但其实这会给Agent有限的上下文与决策系统带来巨大的认知负荷。 正确的思路是，少即是多。 这本质上，是将部分Agent的规划责任，前置到工具的设计当中，是一种责任转移的思路。 当工具库膨胀之后，命名混乱与功能重叠，会让Agent无所适从，通过命名空间来组织工具。 需要打磨工具的描述，因为这些描述是Agent理解工具的唯一信息来源。 工具描述，应将所有隐含的知识显性化、力求清晰、无歧义。 结构化命名，相当于为Agent提供了一张清晰的地图，帮助在正确的场景下，快速定位合适的工具。 同样，工具返回给Agent的内容质量，远比数量更重要。 因为Agent比人类更擅长理解的的内容，也是人类可读的、具有意义的文本，这些高质量内容，可以显著降低Agent在检索任务中的幻觉。 Agent与工具的交互，本质上是一个持续对话场景。
4510编辑于 2026-03-11 - 来自专栏白话互联
【Ai Agent】Ai Agent News | 9月11日速递
今天是9月11日星期四，让我们一起来看看今天 Ai Agent 带来的 AI 领域的重要动态吧！ *角色定义*：明确AI Agent在企业中的定位和职责 *数据整合*：确保AI Agent能够访问高质量的相关数据 *行动规划*：设计Agent能够执行的具体任务和流程 *反馈机制*：建立持续学习和优化的闭环系统 AI Agent，但未来将是多Agent流程的天下 这一工具代表了从传统工作流自动化向AI增强流程的重要转变，为企业提供了更灵活、更智能的自动化解决方案。 AI Agent时嵌入运行时安全，为AI原生开发提供更可靠的安全保障。 文章提到，代理式AI应用正在兴起，例如德勤的Zora AI Agent和普华永道的Agent OS平台正在重塑内部工作流程。
31110编辑于 2025-09-17 - 来自专栏C语言
【AI】Chat or Agent ？
随着生成式AI技术的不断进步，关于其未来发展方向的讨论也愈发激烈。究竟生成式AI的未来是在对话系统（Chat）中展现智慧，还是在自主代理（Agent）中体现能力？这一问题引发了广泛的讨论和探索。 一、生成式AI在对话系统（Chat）中的发展方向 1. 多模态对话系统 2.1 语音交互 对话系统将整合语音识别和生成技术，使用户能够通过语音与AI进行对话，同时AI可以通过语音反馈，提供更加自然的交互体验。 二、自主代理（Agent）的发展方向 1. 自主决策和执行能力 1.1 环境感知 自主代理通过传感器和数据分析，实时感知周围环境的变化，从而做出适应性决策。 伦理与政策 随着生成式AI的广泛应用，伦理问题和政策法规将变得越来越重要。如何确保AI的公平性、安全性和隐私保护，将是未来发展的重要课题。 总的来说，生成式AI的未来充满了无限可能。
34710编辑于 2024-12-11 - 来自专栏深度学习与python
Kong AI Gateway 正式 GA
Kong Gateway 3.7 版本已经重磅上线，我们给 AI Gateway 带来了一系列升级，下面是 AI Gateway 的更新亮点一览。 AI Gateway 正式 GA 在 Kong Gateway 的最新版本 3.7 中，我们正式宣布 Kong AI Gateway 达到了通用可用性（GA）阶段。 您只需将请求重定向到指向 AI Gateway 路由的 URL，即可通过 AI Gateway 使用 LLM。 引入流式 AI 消息支持 Kong AI Gateway 已在”ai-proxy” 插件中，对所有 LLM 引擎加入了对 AI 的流式交互能力的原生支持。 访问 https://konghq.com/products/kong-ai-gateway 开始使用 Kong AI Gateway！
81910编辑于 2024-06-17 AI Agent Skill 科普
经常使用AI的你是否遇到过这样的情况： 让AI写一篇文章，它直接生成了一篇完整内容，完全跳过了你想先讨论选题的环节。 让AI分析数据，它编造了一些不存在的数据点，让整个分析结果变得不可信。 让AI帮忙写代码，它每次都要你重新说明代码风格和命名规范。 这些"不可控"的行为，让很多人对 AI 不能完全放手去用，今天，我就来详细聊聊AI Agent Skill 这个让AI变"听话"的工具。 什么是AI Agent Skill？ 简单来说，Skill就是AI的能力说明书和工作手册。 它不是复杂的代码，而是结构化的知识文档。 实战案例解析 写作Agent Skill 以我使用的写作Agent为例，核心架构是： 两层判断机制 先判断工作区（公众号/视频/技术文档等） 再判断任务类型（新写作/修改/审校等） 9步写作流程 从理解需求到最终交付的完整流程 总结 AI Agent Skill不是什么复杂的技术概念，它就是一种让AI更听话、更实用的方法。 通过结构化的规则和流程，Skill解决了AI"不可控"的核心问题。
13520编辑于 2026-03-10- 来自专栏AI技术应用
AI Agent 开发流程
开发一个 AI 智能体 (AI Agent) 与开发传统 App 有本质区别。 传统 App 是“基于规则”的（点击 A 弹出 B），而 AI Agent 是“基于目标”的（告诉它目标，它自主规划路径）。以下是 2026 年主流的 AI Agent 开发全生命周期流程：1. 核心架构设计一个标准的 AI Agent 通常由以下四个模块组成：大脑 (Brain): 选择合适的模型（如 Gemini 3 Flash 或 GPT-4o）。负责推理、规划和决策。 检索逻辑： 当用户提问时，Agent 先去知识库找答案，再结合模型进行回答。5. 循环迭代与评估这是 Agent 开发中最难也最关键的一步。 #AI智能体 #AI大模型 #软件外包
25410编辑于 2026-03-09 AI Agent + 数据工程
AI Agent的出现，正在从根本上改变数据工程师的工作方式，甚至重新定义这个职业的边界。 从堆人到提效 提到AI Agent，很多人的第一反应是又一个大模型概念。 海内外市场的不同路径 有意思的是，AI Agent在数据工程领域的落地，海外和国内走的是完全不同的路。 海外市场的特点是生态成熟，分工明确。 数据Agent的阿喀琉斯之踵 如果说AI Agent给数据工程带来了什么新问题，准确率绝对是最大的那个。 在数据领域，准确性就是生命线。 一个数字算错了，决策就可能走偏。 一家做数据Agent的创业公司分享了他们的应对策略：选择容错度高的场景切入，比如数据开发——改错了可以重跑，而不是直接做生产决策；建立反馈循环，让AI记住用户的修正，通过不断迭代提升准确率；把SQL生成转化为参数填充 结语 数据工程遇上AI Agent，不是一场突如其来的革命，而是水到渠成的演进。 那些还在用老办法堆人的团队，也许该停下来想一想：未来的数据工程师，需要具备什么样的新能力？
11310编辑于 2026-02-28- 来自专栏人工智能领域
AI Agent 介绍（130）
二、AI Agent的基本概念 什么是AI Agent AI Agent，即人工智能代理，是一种能够自主地在特定环境中感知、学习、决策并行动的计算机系统。 三、AI Agent的类型 AI Agent可以根据其决策和学习机制的不同，被分为几种主要类型： 基于规则的AI Agent 基于规则的AI Agent（Rule-based AI Agent）是最早和最简单的 学习型AI Agent 学习型AI Agent（Learning AI Agent）能够从经验中学习，并根据环境反馈调整其行为以提高性能。 解释性差：相比于基于规则的Agent，其决策过程可能难以解释。 混合型AI Agent 混合型AI Agent（Hybrid AI Agent）结合了基于规则和学习型AI Agent的特点。 七、AI Agent的案例研究 成功的AI Agent实例分析 1. BetterYeah AI x 添可AI客服项目 添可的“AI客服助手”展示了AI Agent在客户服务领域的应用。
2.2K11编辑于 2024-12-18 什么是 AI Agent？
这就是AI Agent（智能体）带来的未来。 什么是 AI Agent？ 与传统AI系统不同，AI Agent具备自主决策能力。你只需要给定一个目标，它就能够独立思考并规划如何达成这个目标，调用各种工具完成任务。 AI Agent如何工作？ 专业领域：在医疗领域，AI辅助诊断Agent能自动生成精准诊断报告；在工业领域，AI Agent可用于质量检测和设备维护。 写在最后 随着技术发展，AI Agent将更加智能化和专业化。未来我们可能会看到： 个性化Agent：根据用户习惯定制的个人助理。 专业领域Agent：针对特定行业的专业智能体。 多Agent协作：多个Agent协同工作，形成复杂的智能网络。 AI Agent代表了人工智能从“被动工具”到“主动助手”的重要进化。
60510编辑于 2025-12-29Agent真的卷疯了，AI办公Agent也来了。
海外版网址在此：https://skywork.ai/ 国内版网址：https://www.tiangong.cn/ 他们的首页是这样的。 我们可以直接让AI，来帮我们处理表格数据。 也可以直接，说出你的要求，让他基于全网的信息给你做筛选，最后屯到表格里。 它甚至会单独帮你开几个sheet，给你准备好，视觉的可视化。 价格上，海外版价格在大部分的同类型Agent产品中，价格算中档。 但是坦诚的讲，相比于大家日常用的非Agent的AI产品，会贵一些，毕竟整体Agent算力消耗在这。 MCP地址：https://mcp.so/server/skywork-super-agents/Skywork-ai 就，我还是想说句佩服的。 你能从每一个细节中感受到，这还是一群真心想让AI好用的人，在用工程师的方式，尝试解决我们每天办公里的小痛点。 昨天，Google已经手起刀落，开始在重构自己的搜索引擎。
46310编辑于 2025-05-23- 来自专栏深度学习与python
Cloudflare 宣布 AI Gateway 普遍可用
译者 | 明知山 策划 | Tina Cloudflare 最近宣布 AI Gateway 已普遍可用。 AI Gateway 作为管理和扩展生成式 AI 工作负载的统一接口，让开发人员能够监控和控制 AI 应用程序。 AI Gateway 是一个 AIOps 平台，为管理和扩展生成式 AI 工作负载提供了统一的接口。它作为服务和推理提供者之间的代理，无论模型位于何处。 除了 Cloudflare Workers AI 外，新的 AI Gateway 还支持 多个第三方提供商，包括 OpenAI、Google Vertex AI、Azure OpenAI、HuggingFace 我会用 Cloudflare 替换特定于平台的 API 端点，无论是我自己的 API 还是使用像 AI Gateway 或 Web3 Gateway 这样的东西。为什么呢？
87910编辑于 2024-06-17 - 来自专栏AI
AI 智能体（AI Agent）的应用
AI 智能体（AI Agent）的应用非常广泛，几乎涵盖了我们生活的方方面面。它们能够自主地感知环境、做出决策并执行行动，从而完成各种复杂的任务。以下是一些 AI 智能体的典型应用场景。 娱乐：游戏 AI： 在游戏中扮演各种角色，例如敌人、队友、NPC 等，提高游戏的可玩性和挑战性。内容创作： 能够生成文本、图像、音乐等内容，例如写小说、作诗、绘画等。 一些具体的例子：谷歌 DeepMind 的 AlphaGo： 击败了人类围棋冠军，展示了 AI 在复杂决策领域的强大能力。亚马逊的 Alexa： 能够通过语音指令控制家电设备、播放音乐、查找信息等。 百度的文心一言 APP 上的智能体： 可以进行“视频对话”、背单词、纠正口语，还可以通过 AI 智能体模拟面试、与 AI 古人对话等，体现了 AI 智能体在内容创作和人机交互方面的应用。 总而言之，AI 智能体正在深刻地改变着我们的生活和工作方式。随着技术的不断发展，AI 智能体的应用领域还将不断拓展，为我们带来更多的便利和创新。
1.3K10编辑于 2024-12-23 - 来自专栏程序猿DD
Anthropic 如何评估 AI Agent
引言：打破“盲目飞行”的开发循环 在开发AI智能体的过程中，许多团队都经历过这样的痛点：你修复了一个问题，却在不经意间引发了另一个更隐蔽的问题。 本文将从Anthropic的深度分享中，提炼出五个最令人惊讶、最具影响力的核心教训，它们将彻底改变你对AI智能体评估的看法。 五个关于AI智能体评估的反直觉教训 教训一：别等了，从20个失败案例开始构建你的评估体系 团队在项目初期常常认为构建评估体系是一项巨大的“开销”，会拖慢产品上市的进度，因此选择推迟。 这一教训对于释放AI智能体的全部潜力至关重要。 教训四：你的指标在衡量什么：一次成功还是次次可靠？ “我们的智能体成功率是75%。” 这句话听起来不错，但它可能隐藏着巨大的误导性。 成功的AI团队都明白一个道理：评估体系是产品不可或缺的一部分，其重要性不亚于单元测试之于传统软件。而且，在模型能力飞速发展的时代，一个强大的评估套件就是你的护城河。
18510编辑于 2026-01-19 - 来自专栏AI技术应用
AI 智能体（AI Agent）的开发
AI 智能体（AI Agent）的开发是一个复杂且多阶段的过程，涉及需求分析、算法设计、模型训练、系统集成和部署等多个环节。以下是 AI 智能体开发的典型流程。 1.需求分析与定义1.1明确目标确定 AI 智能体的核心功能和应用场景（如聊天机器人、推荐系统、自动驾驶等）。定义智能体的输入、输出和交互方式。 1.2确定技术栈选择适合的 AI 技术和工具（如机器学习、深度学习、强化学习等）。确定开发语言（如 Python、C++）和框架（如 TensorFlow、PyTorch）。 5.2模块集成将 AI 模型集成到应用程序中。与其他模块（如数据库、用户界面）进行交互。5.3性能优化优化模型推理速度（如模型量化、剪枝）。 总结AI 智能体的开发流程包括需求分析、数据收集、模型设计、训练与评估、系统集成、测试验证、部署监控和维护迭代。通过合理规划和使用工具，可以高效地开发出功能强大、性能优异的 AI 智能体。
2.6K20编辑于 2025-02-18 - 来自专栏周末程序猿
谈谈 `AI Agent`（智能体）
2025年以来，我们正站在人工智能应用演进的一个关键节点上，从预测式AI（分析模式、进行分类）到生成式AI（创造文本、代码、图像），我们如今正迈向第三个阶段：AI Agent。 这并非简单的技术迭代，而是一次根本性的范式转变，第三个阶段 AI Agent 随着模型的不断进化，能自主可控长时间运行，可能2026才是AI普及的开始。 什么是 AI Agent 传统软件或者工作流的目的是为了用户能够简化和自动化工作流，而 AI Agent 则能够以高度的独立性代表用户执行为实现用户目标的一系列步骤。 , "agent": "AI Agent（智能体）是能够感知环境、做出决策并采取行动的自主系统。它由模型、工具和指令三部分组成。" 从 MCP 到 A2A AI Agent 为了和多个其他系统交互，衍生了两种系统交互的协议，MCP 和 A2A。
65710编辑于 2026-01-06 - 来自专栏程序设计
AI Agent的检验标准
（而非遵循预设步骤）的系统5：某技术白皮书定义："AI Agent是利用现代生成式AI模型进行规划、数据存取、工具调用、决策制定并与现实世界互动以完成特定功能的自主软件系统"6：基于大语言模型的自主系统能够理解自然语言输入 9："Agent是在每个实例中精确执行用户具体需求指令的程序"10：能够自主运行的计算机11："AI Agent是能解析指令并在完整AI工作流中承担更多职责（如函数执行、数据查询等）的组件而不仅仅是生成 经过编程能在自主循环中运作的LLM系统需满足：1-规避能力范围外的操作；2-具备循环终止判断机制开始思考关于什么是"AI Agent"，目前存在大量混淆定义但也有一些共识：Agent必须是AI驱动的系统它们需要具备一定程度的自主性 AI步骤（生成Markdown报告文本）的固定工作流"AI Agent是运用大语言模型（LLM）决策应用程序控制流的系统"这句话的未尽之意在于：当前最先进的LLM是否真正具备可靠的推理与规划能力？ ，LLM确实存在通过输出无效内容进行"软抵抗"的行为关于"AI Agent"定义的争论是否有必要终端用户可能对此毫不关心他们会觉得：真正值得关注的是软件的实际功能无论其冠以AI、机器学习还是玄学之名，都无所谓关键在于能否可靠完成任务
42510编辑于 2025-04-06 - 来自专栏软件测试学习
什么是AI Agent ? AI Agent：赋予机器生命的三大核心能力
AI Agent其实是一个具有自主意识的智能体，它指的其实是一段程序或者系统。也就是AI agent本质上来讲是一段程序，但是它和普通程序不同的是，它能够感知环境，推理决策并采取行动。 在人工智能飞速发展的今天，"AI Agent"（人工智能智能体）正从实验室走向我们的日常生活。 就像人在陌生环境中会下意识地寻找路标一样，AI Agent会根据当前任务选择性地关注关键信息，为后续的决策提供素材。 这种闭环机制让AI Agent具备了持续学习与自我优化的可能。 循环往复：智能的进化之路 AI Agent的运行逻辑简单而深刻：思考→行动→观察→再思考。 从自动驾驶汽车到智能客服助手，从科研机器人到金融交易系统，AI Agent正在重塑人机协作的边界。
30610编辑于 2025-11-24 - 来自专栏AI技术应用
AI 智能体（AI Agent）的开发框架
AI 智能体（AI Agent）的开发框架是构建智能体的核心工具和平台，它们提供了从数据处理、模型训练到部署和监控的全流程支持。以下是常用的 AI 智能体开发框架及其特点。 5.2H2O.ai特点：提供自动化的机器学习和深度学习工具。支持大规模数据处理和分布式计算。适用场景：企业级机器学习应用。 8.低代码/无代码 AI 平台8.1Google AutoML特点：提供自动化的模型训练和部署服务。支持图像、文本、表格数据等多种任务。适用场景：快速构建 AI 应用。 适用场景：企业级 AI 解决方案。总结AI 智能体的开发框架涵盖了从数据处理、模型训练到部署和监控的全流程。
1.2K10编辑于 2025-02-18 - 来自专栏AIGC大模型应用
AI Agent 终结者 LangGraph！
("agent")# 我们现在添加一个条件边workflow.add_conditional_edges( # 首先，我们定义起始节点。 我们使用 `agent`。 # 这意味着这些边是在调用 `agent` 节点后执行的。 "agent", # 接下来，我们传入决定下一个被调用节点的函数。 should_continue,)# 我们现在从 `tools` 到 `agent` 添加一条普通边。# 这意味着在 `tools` 被调用后，`agent` 节点会接着被调用。 workflow.add_edge("tools", 'agent')# 初始化内存以在图运行之间保存状态checkpointer = MemorySaver()# 最后，我们编译它！ 参考：https://langchain-ai.github.io/langgraph/#installation
1.6K00编辑于 2024-08-10 - 来自专栏AgenticAI
6种AI Agent模式详解
在本文中，我们将探讨多种构建 AI 智能体结构的模式。这些模式有助于我们扩展功能、保持模块化，并更好地控制执行流程。 为什么使用多智能体模式？ 一开始，通常会采用单智能体模型。
92510编辑于 2025-07-27
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