- 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。 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。 在图构建前会先针对原始对话数据进行数据清洗和预处理； 3、LLM意图提取：LLM对清洗后的对话数据进行深度语义理解和分析，分别提取每一轮对话中用户和助理的一级、二级意图； 4、图构建：综合上述多轮对话数据，以意图为节点、意图流转关系为边，搭建对话意图流转图
30010编辑于 2026-03-11 - 来自专栏AIGC大模型应用
AI Agent 终结者 LangGraph！
⚡ 构建作为图的语言智能体 ⚡1 概述LangGraph是一个用于构建具有状态、多参与者应用程序的大语言模型（LLM）的库，用于创建智能体和多智能体的工作流程。 创建，该公司也是 LangChain 的开发者，但它可以独立于 LangChain 使用。1.1 关键特性循环和分支：在应用程序中实现循环和条件判断持久性：在图中的每一步之后自动保存状态。 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。 参考：https://langchain-ai.github.io/langgraph/#installation
1.6K00编辑于 2024-08-10 AI Agent 搭建者的职业进阶与长期竞争力构建
分层进阶：AIAgent搭建者的职业路径AIAgent搭建并非单一工种，而是随技能深度、业务理解逐步进化的职业体系，可分为三个核心层次：1.基础应用搭建者：工具熟练与快速验证核心能力：Prompt工程+ 的逻辑推理、文心一言的中文适配），精通Prompt结构化设计，能通过Coze、GPTs等工具快速构建轻量应用（如文案生成器、基础客服机器人）；突破关键：理解结构化输出规范，通过定义JSONSchema等约束AI ，通过量化指标（如任务完成率、错误率、用户满意度）评估Agent效果，持续迭代优化；阶段价值：重构业务生产力，为企业提供端到端的AI解决方案（如律所合同自动审查系统、制造业生产流程监控Agent），具备不可替代性 的任务节点与判断条件；例如医疗场景：掌握分诊流程、常见症状分类，搭建符合医疗规范的预分诊Agent；核心：将业务知识转化为可执行的Agent逻辑，而非单纯依赖通用模型能力。 终局思考：成为业务自动化的架构设计者AIAgent搭建者的终局并非工具的熟练操作者，而是业务自动化流程的架构设计者。
18910编辑于 2026-01-23- 来自专栏JavaEdge
使用Dify快速搭建AI Agent智能助手应用
“探索”中找到Agent的应用模板，添加到工作区或在此基础自定义。在工作室也可从0编排一个Agent。 选择智能助手的推理模型，智能助手的任务完成能力取决于模型推理能力，建议用Agent时选择推理能力更强的模型系列如 gpt-4，以获得更稳定的任务完成效果。 Dify提供： 内置工具 自定义工具，支持 OpenAPI / Swagger 和 OpenAI Plugin 规范 意义 允许用户借助外部能力，创建更强大 AI 应用。 2.2 Agent设置 为Agent提供两种推理模式： Function calling（函数调用）：支持的模型系列如 gpt-3.5/gpt-4 拥有效果更佳、更稳定的表现 ReAct：尚未支持 Function 魔都架构师 | 全网30W+技术追随者 大厂分布式系统/数据中台实战专家 主导交易系统亿级流量调优 & 车联网平台架构 AIGC应用开发先行者 | 区块链落地实践者 以技术驱动创新，我们的征途是改变世界
1.8K11编辑于 2025-06-01 - 来自专栏AI大模型
Spring AI 实战：Agent 基础搭建与核心能力解析
在之前的文章中，我们已经掌握了 Spring AI 的核心模块（对话、Embedding、RAG）实战技巧。随着 AI 技术的演进，AI 已成为从 “信息提供者” 升级为 “任务执行者” 的关键方向。 一、AI Agent 核心概念与核心特点 1. 什么是 AI Agent？ 二、Agent 的核心架构 Agent 的自主执行能力，依托推理引擎、指令、记忆、工具四大核心组件的协同运作，四者各司其职、层层衔接，共同构成完整的智能执行链路。 1. 四、Spring AI 构建基础版 AI Agent：任务规划助手 （一）案例目标 搭建一个简单的任务规划 Agent，用户输入复杂任务（如 “准备周末家庭野餐”），Agent 会自动拆解为具体子任务， 五、Agent 核心逻辑总结 本案例通过 Spring AI 快速搭建了基础版智能行程规划 Agent，核心逻辑如下： 定义 Agent 行为规则：通过系统提示词明确 Agent 的核心任务（行程规划）
1.3K10编辑于 2026-01-29 AI Agent 搭建师职业焦虑破局：从 “手工匠人” 到 “系统治理者” 的范式跃迁
破局：从“手工匠人”到“系统治理者”的范式跃迁要突破职业焦虑，AIAgent搭建师必须完成从“手工匠人”到“系统治理者”的范式转移，核心是从“逻辑编排”转向“系统治理”。 搭建师需要：设计智能体间的竞合规则，明确不同Agent的任务边界与协作模式；建立全局决策的冲突仲裁机制，解决多Agent协作中的目标冲突、资源竞争等问题。 搭建师需要：深入理解金融合规、辅助医疗、精密制造等垂直行业的隐性知识；将这些知识转化为Agent可理解的认知模型，确保Agent的执行逻辑贴合业务场景。 这是AI无法自主完成的工作，也是搭建师不可替代的价值。 这个群体不会消失，而是会进化为AIAgent系统的规则制定者与资源调配者，其核心竞争力始终是人类的业务洞察力与工程严谨度的结合，这也是AI无法替代的终极壁垒。
14010编辑于 2026-01-30- 来自专栏白话互联
【Ai Agent】Ai Agent News | 9月11日速递
❤ Indeed Unveils AI Agents for Job Seekers and Recruiters 求职招聘领域迎来AI助手新时代 Indeed推出了两款AI Agents，分别面向求职者和招聘方 *求职者Agent*：帮助求职者找到合适的工作机会 *招聘方Agent*：协助雇主筛选高质量候选人 其中，名为"Career Scout"的AI Agent能够为求职者提供个性化推荐，根据用户简历和偏好自动匹配职位 *运行时风险*：只有在运行时才显现的风险，如凭证泄露或意外API调用 *不可预测行为*：AI生成的代码可能包含难以预测的漏洞 *扩展攻击面*：AI工具链的复杂性扩大了潜在攻击面 Docker的新方法帮助开发者在构建 *结构变革*：AI正在改变咨询公司的组织方式和服务模式 *价值重定位*：咨询顾问的角色正在从知识提供者转向AI工具的指导者和整合者 *新能力需求*：咨询公司需要培养新的技能组合，以有效利用AI技术 这一变革表明 *市场洞察*：Agent利用专有市场数据了解真实车辆价值 *谈判策略*：基于成功案例训练的谈判技巧 *客户节省*：已为客户节省数千美元购车成本 这一应用展示了AI在复杂谈判场景中的潜力，为消费者提供了强大的议价工具
32910编辑于 2025-09-17 🎨 Langflow：开发者构建 AI Agent 的“可视化 IDE”
作为GitHub上拥有14万+Stars的顶级开源项目（截至2026年2月），Langflow正成为企业快速验证AI想法、开发者构建原型的首选平台。 教育与培训：直观展示LLM、VectorStore、Agent的工作原理，无需编程基础。非技术人员赋能：让领域专家（如律师、医生）自行调整Prompt和知识库，无需等待开发排期。 3.2搭建步骤Step1:环境准备展开代码语言：TXTAI代码解释#安装Langflow(推荐Docker或Pip)pipinstalllangflow#启动服务langflowrun#访问http:/ 无论是个人开发者想在这个AI爆发的时代快速构建自己的“第二大脑”，还是企业希望低成本验证AI落地场景，Langflow都是一把不可或缺的利器。 在这个“万物皆可Agent”的时代，Langflow就是你手中的魔法棒。关于作者：专注技术落地，深耕硬核干货本文作者致力于OpenClaw技术的生态建设与实战落地。
24410编辑于 2026-03-23AI Agent 搭建师职业焦虑破局：从 “手工匠人” 到 “系统治理者” 的范式跃迁
三、破局核心：从“逻辑编排者”到“系统治理者”的范式跃迁要突破职业困境，AIAgent搭建师必须完成从“静态逻辑拼接”到“动态系统管控”的范式跃迁，未来核心竞争力聚焦三大工程化方向：1.动态对齐与边界约束体系构建当前企业级 搭建师需构建三维约束框架：伦理与安全防火墙：基于业务红线设计规则引擎，实现Agent多步推理中的实时合规校验，例如金融场景下的交易合规拦截、医疗场景下的诊疗范围约束；可解释性指标体系：建立决策路径追溯、 四、职业路径重构：匹配范式跃迁的能力升级对应“系统治理者”的角色定位，AIAgent搭建师需重构职业发展路径：1.角色转型：从“技术实现者”到“系统评估师”构建高置信度自动化评估框架：结合业务指标（准确率 3.成本优化：从“功能实现者”到“效能管理者”聚焦全链路成本效率优化：包括代币效率提升（批量推理、模型分层调用）、边缘部署架构设计（轻量级Agent的边缘侧推理优化），实现性能与成本的平衡。 搭建师群体不会被替代，而是将进化为AIAgent系统的规则制定者与资源调配者，其核心壁垒始终是人类业务洞察力与工程化能力的复合，这是大模型无法逾越的终极护城河。
16010编辑于 2026-01-30- 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。 以下是对两者未来发展方向的详细解析。 一、生成式AI在对话系统（Chat）中的发展方向 1. 3.2 情感陪伴 在情感对话中，AI可以扮演心理辅导师或情感陪伴者的角色，提供安慰和支持，帮助用户应对情绪波动。 4. 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。
37210编辑于 2024-12-11 读懂 MCP 协议：AI Agent 开发者的必备通信语言
、周周黑客松杭州主理人、 博客专家：阿里云专家博主；CSDN博客专家、后端领域新星创作者、内容合伙人 AI爱好者：AI电影共创社杭州核心成员、杭州AI工坊共创人、阿里蚂蚁校友会技术AI分会副秘书长 越来越多的开发者、企业和社区开始关注 多智能体系统（Multi-Agent Systems, MAS） 的构建。 四、 AI Agent 的一些思考 协议不只是通信，它是 Agent 系统的「操作系统内核」 MCP 协议不是一个“高大上”的抽象，而是开发者构建多智能体系统时最务实、最底层的“操作协议层”。 下面我以实际开发者视角，总结几个落地建议和常见误区，希望帮助你更高效、系统性地构建 Agent 系统。 ✅ 1. 适合人群 大模型系统开发者、AI开发工程师、多模态应用工程师。 Agent开发人员、NLP工程师、高校师生。 需深入理解MCP协议原理及工程落地的AI技术人员与专业人士。
2.5K10编辑于 2025-06-29AI 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。
57920编辑于 2026-03-10- 来自专栏人工智能领域
AI Agent 介绍（130）
六、AI Agent的开发工具与平台 开发AI Agent时，开发者可以选择多种工具和平台来构建、训练和部署智能体。 Azure提供了高性能的AI工作负载处理能力，包括深度学习，并提供了增强型AI管理和安全功能。 这些工具和平台为AI Agent的开发提供了强大的支持，使得开发者能够构建出功能丰富、性能卓越的智能体。 更主动的AI Agent AI Agent将从被动的助手转变为主动的问题解决者。它们将不再等待指令，而是预测需求、提出解决方案，并自主采取行动。 以下是一些经典的AI Agent代码案例，供您参考： 1. 手写AI Agent买火车票 这个案例展示了如何从0到1搭建一个AI Agent，用于帮助用户购买火车票。 Spectral项目：Spectral利用区块链和AI来增强去中心化治理、数据隐私和链上交易，提供了一个机器智能网络，使模型开发者能够利用链上数据来改进信用评估。
2.4K11编辑于 2024-12-18 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。 好的数据工程，应该配合AI在事中就做好管理和体系搭建。” 这句话背后是一个残酷的现实：以前数据工程师的工作更像是管道工——把数据从A搬到B，分层、清洗、汇总。 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。 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？
18810编辑于 2026-02-28什么是 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。
89210编辑于 2025-12-29腾讯云 × OpenClaw：手把手搭建你“能干活”的AI Agent
相比传统云服务器（CVM），轻量云最大的优势是简单和省心：开箱自带公网IP、预置防火墙规则、控制台操作直观，不需要单独折腾VPC、安全组策略、弹性IP这些概念，非常适合个人开发者用来跑AIAgent、Bot 因此，本文选择另一条路：从一台干净的轻量云服务器开始，手动完成整个OpenClaw的搭建。每一步做了什么、为什么这么做，都会讲清楚。 展开代码语言：BashAI代码解释root@RUAN:~curl-fsSLhttps://openclaw.ai/install.sh|bash4.2安装OpenClaw脚本会自动下载并安装OpenClaw （1）创建QQ机器人注册QQ开放平台QQ开放平台：https://q.qq.com/前往QQ开放平台完成开发者注册（需实名认证），注册成功后进入管理中心：创建QQ机器人在管理中心创建一个新的机器人应用， 每个技能本质上就是一个文件夹，核心是一个SKILL.md文件，AI通过阅读它来理解这个技能是干什么的、什么时候该用它。
8.7K52编辑于 2026-02-24Agent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。 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。 deep research agent框架开源：https://github.com/SkyworkAI/DeepResearchAgent 还把文档、表格、PPT的生成能力，做成了MCP，供所有开发者调用 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。
52910编辑于 2025-05-23- 来自专栏腾讯开源的专栏
tRPC-Agent-Go：让Go开发者轻松构建智能AI应用
现在我们推出tRPC-Agent-Go（https://github.com/trpc-group/trpc-agent-go）开发框架，实现Go语言AI生态开发框架的闭环。 Agent框架较少，大部分都是编排式的workflow框架，缺少真正的“去中心化、可协作、能涌现”的自主多 Agent 能力。 2、架构设计 tRPC-Agent-Go 采用模块化架构设计，由多个核心组件组成，组件都可插拔，通过事件驱动机制实现组件间的解耦通信，支持callback插入自定义逻辑： ● Agent: 核心执行单元 /agent/llmagent" "trpc.group/trpc-go/trpc-agent-go/model" "trpc.group/trpc-go/trpc-agent-go/model 协助 // 创建链式 Agent chainAgent := chainagent.New("problem-solver", chainagent.WithSubAgents([]agent.Agent
91710编辑于 2025-09-02 - 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。 Anthropic指出，这种方法“过于僵化，会导致测试过于脆弱”，因为它会惩罚那些评估设计者未曾预料到的、同样有效的创新方法。 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。
20710编辑于 2026-01-19 - 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。
1.4K10编辑于 2024-12-23
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