- 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。
1.1K10编辑于 2024-09-29 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”。 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 使用最小权限原则，只向用户索要完成任务的最小权限； 安全边界：文件操作和命令执行的限制； 核心引擎是 Claude Code 的"大脑"，负责协调各个组件的工作： 消息系统：管理用户输入、AI 响应和工具结果的消息流 ； 查询引擎：与 AI 模型交互，发送请求并处理响应； 工具调度器：协调工具的调用和结果处理； 执行流程 Reference Claude Code 深度拆解：一个顶级AI编程工具的核心架构
20600编辑于 2026-06-25【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
72010编辑于 2025-12-17- 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。
1.6K21编辑于 2026-03-17 - 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。
47810编辑于 2026-01-07 - 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
1.2K00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
97810编辑于 2024-10-05 - 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.
1.4K00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
1.5K00编辑于 2025-02-06 - 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
1.4K10编辑于 2026-01-06 - 来自专栏AI智能体开发
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。
3.6K20编辑于 2025-02-18 【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！"
42210编辑于 2025-08-29- 来自专栏AI智能体开发
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。
1.5K10编辑于 2025-06-16 - 来自专栏AI智能体开发
AI智能体的技术架构
AI智能体的技术架构多种多样，取决于智能体的复杂程度、应用领域以及所需的能力。但通常而言，一个AI智能体的技术架构会围绕其核心的“感知-决策-行动”循环来构建，并包含支持这些过程的内部组件。 2.有状态反应式智能体 (Stateful Reactive Agents):特点： 在反应式智能体的基础上增加了有限的内部状态或短期记忆，其决策不仅取决于当前感知，也取决于最近的状态。 应用： 强化学习智能体、自适应控制系统、能够提升自身性能的推荐系统。 智能体的内部关键组件的技术实现 (Technical Implementation of Key Internal Components):无论采用哪种架构模式，一个AI智能体通常会包含以下技术组件的实现 总结来说，AI智能体的技术架构是将感知、知识、决策和行动这几个核心功能通过合适的软件模块和技术栈进行组合和实现。选择哪种架构模式和具体技术取决于智能体的复杂性要求以及其所处的运行环境。
2.5K10编辑于 2025-04-29 - 来自专栏AI智能体
AI智能体的开发流程
AI智能体（Agent）区别于传统大模型对话，具备自主感知、决策、工具调用、记忆迭代、自我复盘的闭环能力，是AI口语陪练、学情辅导类产品的核心载体。 一、需求定义与场景定位（立项）开发初期需明确智能体的角色定位、核心能力与边界，避免功能冗余。 以AI口语陪练智能体为例，核心定位为个性化沉浸式口语辅导Agent，核心场景覆盖场景化对话、发音纠错、难度自适应调整、学情数据更新、写作词汇辅助。 四、核心智能体能力开发这是开发的核心环节，重点搭建四大核心能力。首先是角色与提示词工程，通过专属系统提示词固化外教人设、教学规则、纠错标准，搭配少量场景示例，统一智能体输出风格。 整体流程轻量化、标准化，无需复杂私有化部署，可快速完成AI口语陪练智能体MVP开发，适配中小团队快速落地、持续迭代的产品节奏。#AI智能体 #人工智能 #软件外包
46210编辑于 2026-07-08 - 来自专栏AI智能体
AI 英语智能体的开发
开发一款面向语言学习的 AI 英语智能体（AI English Agent），其核心在于将大语言模型（LLM）、语音识别（ASR）、语音合成（TTS）以及多模态技术与二语习得（SLA）教学法进行深度融合 以下是 AI 英语智能体的完整开发架构与落地落地方案：1. 核心功能模块划分AI 英语智能体通常由以下五个核心模块构成：代理式沉浸口语导师： 支持自由对话、角色扮演（如机场过关、餐厅点餐）与场景模拟。 穿透式交互阅读： 用户在阅读英文文章时，智能体可提供即时查词、长难句结构解析、背景知识拓展及全文沉浸式翻译。 系统提示词与教学策略设计开发 AI 英语智能体的核心壁垒，很大程度上在于 Prompt Engineering 与教学逻辑的结合：脚手架教学法 (Scaffolding)： 当用户卡壳或表达错误时，智能体不应直接给答案 主动控场与追问： 在口语练习中，智能体需要在回答完后抛出开放式问题，引导用户继续表达，避免对话死掉。
27200编辑于 2026-08-11 - 来自专栏AI智能体
AI智能体的开发技术
开发人工智能智能体，本质上是为其配置“大脑”、“记忆”、“手脚”和“逻辑决策流程”。核心开发技术主要涵盖以下几个维度。 一、 基座大语言模型作为智能体的核心理解与决策引擎，大语言模型赋予了智能体自然语言理解、逻辑推理和内容生成的能力。开发人员通过选择合适规模与能力的预训练模型，为智能体搭建基础的“思考大脑”。 四、 检索增强生成技术为了防止智能体产生虚假内容并让其掌握最新的私有或专业知识，检索增强生成技术会在智能体回答前，先从外部文档库中精准检索相关资料，将其作为补充背景提供给模型，实现精准回答。 六、 工具调用与外部接口集成这是智能体执行实际操作的“手脚”。通过接口规范定义，智能体可以根据上下文自主判断并在合适的时间调用外部软件、数据库或网络查询服务（例如发送邮件、查询天气、执行代码等）。 #AI智能体 #AI大模型 #软件外包
21010编辑于 2026-08-04 - 来自专栏AI英语教育
AI 智能体的开发流程
AI智能体（AI Agent）是以大语言模型（LLM）或多模态模型为核心驱动，具备感知、思考、规划、记忆和工具执行能力的自主系统。开发一款完备的 AI 智能体通常遵循以下完整的工程化流程。1. 选择 Agent 架构形态：单智能体（Single-Agent）： 适用于逻辑清晰、任务单一的场景（如特定知识库问答助手）。 多智能体（Multi-Agent）： 适用于复杂分工协作场景（如编写软件时分别设立 PM、程序员、测试员角色）。 状态机与多智能体框架： LangGraph、AutoGen、CrewAI 等。向量数据库与知识库： Milvus、Pinecone、Qdrant、Chroma 等，用于外挂知识与长期检索。3. #AI智能体 #AI英语智能体 #软件外包
24410编辑于 2026-10-07 - 来自专栏AI智能体开发
AI智能体的开发流程
AI智能体的开发流程是一个多阶段、迭代的过程，它将机器学习、软件工程和领域知识结合在一起，旨在创建一个能够感知、推理、学习和行动的自主系统。下面是一个详细的AI智能体开发流程。1. 需求分析与概念化 (Requirement Analysis & Conceptualization)这是所有项目的基础，对于AI智能体尤为重要，因为其能力和边界需要清晰定义。 （例如：准确率、响应时间、用户满意度、效率提升等） 用户/环境： 智能体将为谁服务？在什么环境下运行？1.2 确定智能体类型与能力： 感知： 智能体需要从环境中获取哪些信息？ 模型选择与开发 (Model Selection & Development)这是AI智能体的“大脑”构建阶段。 监控、维护与迭代优化 (Monitoring, Maintenance & Iterative Optimization)AI智能体不是“一次性”产品，需要持续的监控和优化。
2.2K10编辑于 2025-06-16 - 来自专栏设计模式
如何打造高效AI智能体？
三个核心观点： 别啥都用智能体 越简单越好 像智能体一样思考 几年前大家刚开始玩AI时，做的都是基础功能——比如总结、分类、提取信息，这些当时觉得超神奇，现在已成标配。 这算是智能体的雏形。 现在模型更强了，各种专用智能体开始落地。和工作流不同，智能体能自己决定下一步干啥，根据环境反馈自主行动——这也是今天讨论的重点。至于未来？ 可能智能体会更全能，或者多个智能体协作干活。总之它们越自主，就越有用，但成本、延迟和出错风险也越高。 第一点：别啥都用智能体智能体适合处理复杂高价值的任务，不是万能升级方案。啥时候该用智能体？ ） 总结：AI智能体要用对场景、简单起步、理解它的局限。 智能体不是万金油，找准高价值复杂场景 先做减法，核心三件套跑通再优化 换位思考，理解智能体的局限
54600编辑于 2025-04-23
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