- 综合排序
- 最热优先
- 最新优先
- 来自专栏算法之名
AI智能体
langchain 概述 langchain是LLM与AI应用的粘合剂，是一个开源框架，旨在简化使用大型语言模型构建端到端应用程序过程，它也是ReAct(reason+act)论文的落地实现。 chains，langchain把提示词、大语言模型、结果解析封装成chain，并提供标准的接口，以便允许不同的chain形成交互序列，为AI原生应用提供端到端的chain。 content='Hi.'), SystemMessage(content='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 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 的诗')] streaming_chat(messages) 运行结果 智能助手显神通， 问答之间意无穷。
75510编辑于 2024-09-29 - 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
本节重点 学习 AI 智能体的概念和构建方法，掌握如何实现具有自主决策能力的 AI 系统。 通过 CoT 思维链、ReAct 模式等核心技术，深入理解智能体的工作原理，并参考 OpenManus 开源框架实战开发能够自主规划执行任务的 AI 智能体。 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？ 三、使用 AI 智能体 有 3 种方式可以使用 AI 智能体，之前的教程中其实我们已经有接触过，这里再快速复习一遍。 比如可以在阿里云百炼、Dify 等平台上创建智能体 2、软件中使用 AI 开发工具 Cursor、tare 就集成了 AI 智能体，可以帮我们生成完整的项目代码、或者解释项目代码。
54110编辑于 2026-03-17 - 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.
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。 DEPLOY_ENV: ${DEPLOY_ENV:-PRODUCTION} CHECK_UPDATE_URL: ${CHECK_UPDATE_URL:-https://updates.dify.ai true} WEAVIATE_AUTHORIZATION_ADMINLIST_USERS: ${WEAVIATE_AUTHORIZATION_ADMINLIST_USERS:-hello@dify.ai ssrf_proxy_network # ssrf_proxy server # for more information, please refer to # https://docs.dify.ai WVF5YThaHlkYwhGUSmCRgsX3tD5ngdN8pkih} AUTHENTICATION_APIKEY_USERS: ${WEAVIATE_AUTHENTICATION_APIKEY_USERS:-hello@dify.ai
1K00编辑于 2025-02-06 【AI智能体创作】
AI智能体创作思路 AI智能体的核心在于模拟人类思维和行为模式，通过算法和数据处理实现自主决策。创作思路通常包括目标定义、数据收集、模型训练、评估优化等环节。 目标定义阶段明确智能体的功能边界，比如聊天机器人、游戏NPC或自动化工具。数据收集阶段获取相关领域的语料、图像或其他输入数据。模型训练阶段选择合适的算法架构，如深度学习、强化学习或规则引擎。 案例分析 以智能写作助手为例，分析其设计流程。需求分析阶段确定用户需要语法检查、内容生成或风格转换等功能。技术选型阶段可能采用GPT-3等大语言模型作为基础架构。 智能体的核心功能包括" input_ids = tokenizer.encode(input_text, return_tensors="pt") output = model.generate( 测试显示新版本准确率下降超过5%时 联邦学习实施方案： 采用安全聚合协议(Secure Aggregation)保护参与方数据 支持横向联邦(相同特征空间)和纵向联邦(不同特征空间)两种模式 典型应用案例：医疗AI
34610编辑于 2025-12-17- 来自专栏算法之名
AI智能体(五)
接AI智能体(四) MetaGPT 环境装配 metagpt下载地址：https://github.com/geekan/MetaGPT conda create -n metagpt python= gpt-3.5-turbo api_key: "******" 测试： 在终端命令行中进入Meta-GPT-main目录中执行 metagpt "Write a cli snake game" 单动作智能体 多动作智能体 import asyncio import sys import subprocess from metagpt.llm import LLM from metagpt.actions import
74900编辑于 2025-02-06 - 来自专栏算法之名
AI智能体(二)
我是人工智能助手智谱清言，可以叫我小智，很高兴见到你，欢迎问我任何问题。' model_name': 'glm-4', 'finish_reason': 'stop'}, id='run-b982480c-39d9-4445-8888-62a10339ef86-0')]} 状态持久化 许多AI
62510编辑于 2024-10-05 - 来自专栏人工智能
Notion AI 智能体
NotionAI智能体Notion3.0的AI智能体通过自动化流程实现复杂任务闭环。其核心能力包括智能搜索、数据分析、决策制定和执行操作。 零一万物万智2.5平台解析万智2.5平台采用多智能体协作架构，每个角色对应特定职能：市场智能体：自动生成营销方案并执行投放HR智能体：处理招聘全流程，包括简历筛选和面试安排财务智能体：实时监控预算并生成分析报表平台通过智能体间的通信协议实现协作 例如启动新项目时，系统自动组建包含产品、设计、开发智能体的虚拟团队，各角色通过API交换数据并同步进度。 ：知识库建设：结构化企业数据供智能体调用权限管理：设置不同智能体的数据访问层级验证机制：关键决策需加入人工审核环节典型部署流程包括POC测试阶段，先选择单一业务场景验证，如自动生成周报，再逐步扩展至复杂业务流程 监控系统需记录智能体的决策路径和执行效果，便于持续优化。
21310编辑于 2026-01-07 - 来自专栏AI技术应用
AI智能体的开发
AI智能体的开发技术方案是一个复杂且多层面的决策过程，它需要根据智能体的具体功能、性能要求、部署环境、可扩展性以及团队的技术栈来综合考量。 以下是一个全面且分层的AI智能体开发技术方案，涵盖了从数据到部署的各个环节。 强化学习 (如果需要): Stable Baselines3/Ray RLlib: 用于训练决策制定型智能体，例如游戏AI、资源调度。 4 智能体逻辑与编排这是将AI模型能力“串联”起来，实现复杂行为的核心。Prompt Engineering: 精心设计给LLM的指令，定义智能体的角色、目标、约束和输出格式。 通过对上述各个层面的精心规划和技术选型，可以构建出健壮、高效且智能的AI智能体。
1.1K10编辑于 2025-06-16 - 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。 AI Agent的构成 模型：为智能体的推理和决策提供动力的LLM，决定了智能体的下限。 工具：智能体可用于采取行动的外部函数或API。 指令：定义智能体行为的明确指导方针和安全策略。 , "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。" Agent2Agent (A2A) Agent2Agent (A2A) 协议是一种开放标准，旨在让 AI 智能体之间实现无缝通信和协作，正如 MCP 提供了一种标准化的方式来让 LLM 访问数据和工具一样
75810编辑于 2026-01-06 【AI智能体的应用】
应用场景： 人工智能虚拟助手：开发可以回答用户问题、执行任务、提供建议的智能助手，如Siri、Google Assistant等。 自动驾驶系统：开发可以自主控制汽车行驶的智能系统，包括感知、决策和控制等环节。 金融风控：基于大数据和机器学习算法，开发智能风控模型，对银行、保险等金融机构的风险进行评估和管理。 医疗辅助诊断：开发可以辅助医生进行疾病诊断和治疗决策的智能系统，如基于影像分析的肺癌早期诊断、基于病历数据的病情预测等。 智能客服：开发可以理解用户问题并提供解答的智能客服系统，如基于自然语言处理和深度学习的智能聊天机器人。 , "你是谁": "我是一个智能问答客服。", "天气如何": "今天天气晴朗，温度24°。", "再见": "再见，祝你有美好的一天！"
25810编辑于 2025-08-29- 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。 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）。 验证 AI 智能体在实际场景中的表现。6.3用户测试邀请目标用户进行测试，收集反馈。根据反馈调整模型和系统。7.部署与监控7.1部署环境选择部署平台（如云端、边缘设备）。 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。
2.7K20编辑于 2025-02-18 - 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。 客户服务：智能客服机器人： 能够 24/7 回答客户的常见问题、处理订单、提供技术支持等，提高客户服务效率和满意度。例如，银行、电商平台的在线客服。 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。 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 - 来自专栏产品笔记
什么是AI Agent（智能体）？
Chatgpt发布了GPTs，钉钉发布了AI助理，在AI时代 AI agent（智能体）是大模型落地业务场景的主流形式，那什么是AI Agent？ 01 — 什么是AI Agent？ AI Agent是指人工智能代理（Artificial Intelligence Agent）是一种能够感知环境进行自主理解，进行决策和执行动作的智能体。 因此将大模型作为AI Agent的核心大脑，实现将复杂任务拆解成可以实现的子任务等能力，构成具备自主思考决策和执行任务的智能体。 自省框架使AI Agent能够修正之前的决策，从而不断优化。这种反思和细化可以帮助 Agents 提高自身的智能和适应性。 2. 记忆 （Memory） ①、短期记忆：对AI Agent智能体系统的所有输入会成为系统的短期记忆，所有上下文学习都是依赖模型的短期记忆能力进行的。
23.8K11编辑于 2024-01-15 - 来自专栏APP开发
AI智能体的开发流程
开发一个AI智能体是一个从抽象概念到具体产品的系统性工程，它远不止是编写代码，更融合了产品思维、软件工程和人工智能的精髓。 在此阶段，必须清晰地回答“我们要构建一个什么样的智能体，它要解决什么问题？”。首先，需要定义智能体的核心使命。 这是智能体智能的灵魂所在。代码需要驱动智能体执行一个工具，观察其结果，然后让LLM判断：任务是否完成？是否需要调整计划并尝试下一步？这个循环让智能体具备了试错和自我修正的能力。 这个过程让智能体从一个静态的程序，真正进化为一个能够与用户共同成长的“生命体”。综上所述，AI智能体的开发流程是一个从概念到产品，再到持续进化的动态闭环。 它要求开发者不仅是程序员，更是产品经理和心理学家，深刻理解用户需求，并精心设计智能体的思维和行为模式。通过严谨的流程和持续的迭代，我们才能构建出真正可靠、有用且能不断自我完善的AI伙伴。
65311编辑于 2025-10-10 - 来自专栏AI技术应用
AI智能体的功能规划
AI智能体的功能规划需围绕其核心定位（如效率工具、决策助手、交互伙伴等），结合用户需求、技术可行性及场景特点，系统性地设计“基础功能+进阶能力”，确保智能体既能解决核心问题，又能通过差异化功能提升竞争力 一、基础功能：智能体的“必备能力”基础功能是智能体运行的核心支撑，确保其能完成最基本的感知、认知与交互任务，适用于所有类型的AI智能体（无论垂直领域或通用场景）。1. 二、进阶功能：智能体的“差异化竞争力”进阶功能是智能体满足特定场景需求、提升用户体验与价值的关键，需根据目标用户（如B端企业、C端消费者）和领域（如医疗、教育、金融）针对性设计。1. 动态内容推荐：根据用户画像推荐个性化内容（如教育智能体为小学生推荐拼音课程，为大学生推荐考研资料）。交互风格适配：调整回复语气与复杂度（如对老年人用简单词汇，对专业人士用术语）。3. 五、总结AI智能体的功能规划需遵循 “基础功能打地基，进阶能力塑差异” 的原则：基础功能 是刚需（如理解用户输入、提供有效回复），确保智能体“能用”；进阶功能 是壁垒（如个性化推荐、复杂任务处理），决定智能体
73900编辑于 2025-09-01 - 来自专栏AI技术应用
AI智能体平台的搭建
搭建一个AI智能体平台是一个系统工程，需要综合考虑技术架构、组件选型、开发流程和运维管理。基于我们之前讨论的平台组件和功能，以下是搭建AI智能体平台的主要步骤和关键考虑因素。1. 定义智能体类型和能力： 智能体需要具备哪些感知能力？使用何种决策逻辑？能执行哪些类型的动作？需要与哪些外部系统交互？ AI/ML框架： 集成TensorFlow, PyTorch等机器学习和深度学习框架，支持智能体中的模型训练和推理。 人才： 搭建和运营AI智能体平台需要跨领域的专业人才，包括AI工程师、后端工程师、DevOps工程师、数据科学家等。生态系统： 考虑平台是否需要开放API或SDK，构建开发者社区，形成生态系统。 搭建AI智能体平台是一个持续演进的过程，通常从核心功能开始，逐步完善其他模块，并根据实际应用的需求和反馈进行迭代优化。
1.8K10编辑于 2025-04-29 - 来自专栏AI
AI智能体的开发框架
AI 智能体的开发框架是一系列工具、库和平台的集合，旨在简化和加速 AI 智能体的构建、训练和部署过程。 AI 智能体应用。 AI 智能体开发框架的共同特点：智能体框架： 定义智能体的结构和行为，包括感知、决策和行动等模块。强化学习算法： 提供多种强化学习算法，用于训练智能体。 环境模拟： 提供模拟环境，用于训练和测试智能体。总而言之，选择合适的 AI 智能体开发框架需要根据具体项目需求进行评估。 理解不同框架的特点和适用场景，可以帮助你做出更明智的选择，并更高效地开发出强大的 AI 智能体。
77710编辑于 2024-12-25 - 来自专栏AI技术应用
AI 智能体的开发技术
AI 智能体的开发框架是用于构建和部署 AI 智能体的软件工具和技术的集合。它们提供了一组预先构建的组件、API 和工具，简化了智能体的开发过程。以下是一些常见的 AI 智能体开发框架。1. AutoGen特点： 由微软推出，用于多智能体协作 包含用户智能体和助手智能体两种角色 支持智能体之间的交互和协作 适用于：需要多个智能体协同完成任务的应用3. OpenAI Gym特点： 由 OpenAI 推出，用于强化学习算法的开发和评估 提供各种强化学习环境 方便开发者测试和比较不同的算法 适用于：需要进行强化学习算法研究的应用如何选择 AI 智能体开发框架 选择 AI 智能体开发框架时，需要考虑以下因素：项目需求：确定智能体的功能需求、交互方式、学习方式等。技术栈：选择与现有技术栈兼容的框架，降低开发成本。开发团队：考虑开发团队的技术能力和经验。 总结AI 智能体开发框架是构建 AI 智能体的重要工具，选择合适的框架可以提高开发效率、降低开发成本。希望以上信息能帮助您更好地了解 AI 智能体开发框架。
40110编辑于 2025-02-18 - 来自专栏APP开发
AI智能体的开发流程
AI 智能体是能够自主感知、规划、决策和执行复杂任务的软件系统。开发一个成功的 AI 智能体需要跨越传统软件开发和高级 AI 工程的多个阶段。 明确智能体目标与角色（Role Definition）目标任务： 明确智能体要解决的单一、核心问题（例如：自动化客户服务、研究市场数据、管理日程）。任务越具体，设计越容易。 权限最小化： 确保智能体在执行任务时，只拥有其绝对需要的工具和数据访问权限。阶段四：部署、监控与持续优化（Deployment & Iteration）智能体部署后，需要持续监控其表现和效率。1. 部署环境将智能体部署到云端服务器，配置高可用性和弹性伸缩，以应对用户并发请求。2. 性能与成本监控延迟监控： 实时监控智能体执行任务所需的总时间，特别是 LLM 调用延迟和 RAG 检索时间。 遵循这一框架，开发者可以构建出稳定、高效且具备学习能力的 AI 智能体，使其能够在复杂的真实世界环境中执行有价值的任务。
72411编辑于 2025-10-10
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