- 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
单智能体的问题： 1、工具太多，导致LLM很难决策调用哪个工具； 2、上下文太长，导致推理退化； 3、难以在单一提示词中兼顾专业性和通用性需求； 多智能体可以很好解决以上问题： 1、通过模块化开发，维护成本更低 ； 2、定义专精智能体，专业性更强； 3、策略可定制，而不是完全交给LLM自由发挥； 但仍有很多最佳实践需要注意。 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。 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
36110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。 \n2. 晴朗的天气意味着晴空万里，这对户外活动非常有利，但也意味着由于阳光直射，感觉可能会更热。\n3. 纽约这种天气通常伴随着高湿度，这会使实际温度感觉更高。 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+ ，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。 图2：AIAgent搭建师核心竞争力的“冰山模型”浮于水面的是易被技术迭代和低门槛竞争冲击的“工具技能”；而深藏水下的“垂直行业认知”、“产品思维”与“中间件思维”，才是支撑搭建师在智能体时代建立长期护城河 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。
21310编辑于 2026-01-23- 来自专栏AI进修生
A2A + MCP = AI Agent 完全体？AI Agent 既能 “单挑” 工具，又能 “群殴” 任务。
Aitrainee | 公众号：AI进修生 Hi，这里是Aitrainee，欢迎阅读本期新文章。 Google 正式下场定义 Agent 协作新规矩：Agent2Agent (A2A) 开放协议来了。 AI Agent 单打独斗的时代要过去了？ 简单说，就是给不同厂商、不同框架下构建的 AI Agent 提供一套标准的沟通语言和协作方式，打破信息孤岛，让它们能真正“组队打怪”，提升效率。 与MCP的关系？ 简单说，这图告诉我们 AI Agent 跟外界打交道主要靠两个开放协议： MCP (模型上下文协议): 这是 Agent 用来“插上”外部工具、API 和各种企业应用的“接口”。 图里也提到了 Google ADK、LangGraph、Crew.AI 这些都有相关示例。
62110编辑于 2025-04-11 - 来自专栏JavaEdge
使用Dify快速搭建AI Agent智能助手应用
1 定义 智能助手（Agent Assistant），利用LLM的推理能力，自主对复杂的人类任务进行目标规划、任务拆解、工具调用、过程迭代，在无人类干预的情况下完成任务。 2 咋用智能助手？ “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。 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
1.9K11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。 2. AI Agent 的核心特点 自主性：无需人工持续干预，设定目标后可自主推进任务，比如智能扫地机器人按预设时间自动打扫。 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， AI Starter、Lombok 2. 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）
1.6K10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”。 2.知识管理与长效记忆架构：支撑复杂生产场景简单的检索增强生成（RAG）已无法支撑跨周期、多任务的复杂生产场景，搭建师需要构建多模式长效记忆系统：管理Agent跨周期任务中的知识沉淀、冲突解决与信息遗忘机制 2.深耕垂直场景：将隐性业务知识转化为认知模型技术只是工具，业务逻辑才是核心。 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。
15010编辑于 2026-01-30AI 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
2.多模式长效记忆架构设计简单的检索增强生成（RAG）已无法支撑跨周期、多任务的复杂生产场景，搭建师需构建分层式长效记忆系统：分层记忆结构：覆盖短期工作记忆（任务上下文缓存）、中期任务记忆（跨步骤任务知识沉淀 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 2.场景深耕：从“通用技术者”到“领域专家”将垂直领域的隐性知识转化为可机器理解的认知模型：例如金融场景下的合规本体建模、制造场景下的设备维护规则形式化表达，这是大模型无法自主完成的核心工作。 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。
17210编辑于 2026-01-30🎨 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。 前端均可参与设计调试体验打印日志、断点调试复杂可视化数据流(查看每个节点输入输出)部署灵活性需自行封装API一键部署(内置APIServer/Docker)1.3适用场景快速原型验证(MVP)：周末花2小时搭建一个 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。 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。
31611编辑于 2026-03-23- 来自专栏大模型系列
AI Agent 商用元年：开发者工作模式被彻底颠覆
如果说2023年是生成式AI的“惊叹时刻”，那么2026年则被业内公认为“AI Agent商用元年”。 但这仅仅是开始，随着AI Agent、DeepResearch、Jina等更高级智能体工具的普及，一种“人机协同”的全新开发范式正在确立。 这就像为AI世界创造了一个“万能插座”，任何符合MCP规范的工具都可以被Agent无缝接入。 对开发者的价值：你无需再为每个新工具编写复杂的适配器（Adapter）。 对开发者的意义： 门槛的消失：基础编程的门槛被彻底踏平。一个不懂复杂语法的业务人员，借助AI Agent也能搭建出可用的应用。 天花板的抬高：对于专业开发者，天花板被无限抬高。 第四章：人的升华——AI时代开发者的核心竞争力 4.1 被取代的恐惧与被放大的价值 2026年，AI Agent的商用爆发，并没有像悲观主义者预言的那样取代开发者，而是让人类的价值得到了重新定义和放大。
1.8K51编辑于 2026-04-08 - 来自专栏Python
理解 Agent2Agent(A2A)、Agent to Agent和链式函数调用的区别与联系
在构建 AI 智能体系统或多模块任务执行架构时，我们常会遇到三个关键术语： Agent to Agent 链式函数调用 Agent2Agent (A2A) 它们看似类似，甚至常被混用，但实际上分别属于不同的抽象层次 本文将深入剖析这三者的定义、联系与差异，并通过形象类比、架构图、代码示例等方式，一次性帮你理解清楚，助你构建高效、可扩展的 Agent 系统架构。 Agent 像两个人对话、互发信息，协作完成任务 Agent2Agent 像一个“项目经理型 AI”会调度多个“专家型 AI”组成动态团队，解决复杂任务 类比一句话总结： 链式函数调用像拼装生产线 四、关系详解：行为 + 通信 + 结构的整合演进 对比维度 链式函数调用 Agent to Agent Agent2Agent 执行方式 固定、同步 异步/同步都可 支持嵌套、动态控制 控制权 调用者主导 六、为什么 A2A 更适合现代 AI 系统？
94010编辑于 2025-07-10 - 来自专栏白话互联
【Ai Agent】Ai Agent News | 9月11日速递
*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 报告指出，这些系统不同于标准聊天机器人，它们能够自主行动、执行任务，并使用Model Context Protocol (MCP)和Agent-to-Agent (A2A)等协议与其他数字Agent协作 Factory连接Agent、应用和数据 Azure AI Foundry推出了Agent Factory系列博客，第五篇重点介绍了如何使用MCP和A2A等新的开放标准连接Agent、应用和数据。 *集成价值*：集成是将Agent从聪明原型转变为业务倍增器的关键 *开放标准*：MCP和A2A等协议为Agent间通信提供了标准化框架 *避免供应商锁定*：客户在采用AI技术时越来越看重灵活性 这一趋势反映了企业对互操作性和开放标准的迫切需求 *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
33310编辑于 2025-09-17 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 核心字段结构与语义 以下是 MCP 协议最常用的核心字段，其设计可兼容多数智能体通信场景： 如图所示，MCP 协议的消息本体可以同时表达通信参与者、行为语义、任务上下文与消息链路关系 2. performative 2. 2. 成为「多 Agent 编排标准协议」 如今 Agent 系统编排仍缺乏统一标准。 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。
2.6K10编辑于 2025-06-29- 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. 2. 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。 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. 技术进步与社会需求 生成式AI的发展不仅依赖于技术的进步，还要满足社会的实际需求，通过创新和应用，提升人们的生活质量和工作效率。 2.
37910编辑于 2024-12-11 - 来自专栏技术杂记
Zabbix Agent 安装2
script]# 默认情况下 zabbix_agentd 会监听在 0.0.0.0:10050 上面，所以要将防火墙打开，以方便与zabbix server之间的通信 ---- 启动zabbix-agent [root@zbx-target zabbix]# /etc/init.d/zabbix-agent start Starting Zabbix agent: S 16:11 0:00 \_ zabbix_agentd: listener #2 [waiting for connection] zabbix 26129 0.0 0.0 77336
87710编辑于 2022-03-21 - 来自专栏技术杂记
Zabbix Agent 安装2
S 17:02 0:00 \_ zabbix_agentd: listener #2 [waiting for connection] zabbix 26933 0.0 0.0 77388
60420编辑于 2022-03-22 - 来自专栏技术杂记
Zabbix Agent 安装2
zbx-target zabbix]# /etc/init.d/zabbix-agent start Starting Zabbix agent: S 16:11 0:00 \_ zabbix_agentd: listener #2 [waiting for connection] zabbix 26129 0.0 0.0 77336 0:off 1:off 2:off 3:off 4:off 5:off 6:off [root@zbx-target zabbix]# chkconfig zabbix-agent on [ root@zbx-target zabbix]# chkconfig --list | grep zabbix zabbix-agent 0:off 1:off 2:on 3:on 4:on 5 CPU.NUMBER}":0,"{#CPU.STATUS}":"online"},{"{#CPU.NUMBER}":1,"{#CPU.STATUS}":"online"},{"{#CPU.NUMBER}":2,
67020编辑于 2022-03-22 浅谈AI agent项目
此文主要讲解ai项目集成心得体会个人感觉ai项目与正常开发并无太大区别，你可以理解为就多了一些依赖引入，多了些编码的固定格式。主要涉及几大板块区别，一个是模型引入，即你想使用什么LLM作为基座。 第一个模型引入，简单来说就是需要接入我们的大语言模型，作为我们整个agent项目的衔接。 但他常涵盖一套操作，就是我们调用外部的其余api的一个规范化（基于agent的），此处说的其余api其实描述是不大对的但你可以看做类似的这种操作。只是调用api是单次的，一问一答。
10910编辑于 2026-04-13AI Agent Skill 科普
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。 痛点2：质量不稳定 有时候AI写的内容很好，有时候又很差，完全没有标准。特别是AI腔问题，一眼就能看出来。 比如这句话： "在当今AI技术飞速发展的时代，编程工具也在不断进化..." 列出你遇到的具体痛点： AI经常自作主张？ 输出质量不稳定？ 每次都要重新说明要求？ Step 2：架构设计先搭框架，再填内容。设计好角色定位、能力边界、协作规则等基础架构。 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。
68420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。 在双11期间，添可利用AI客服助手顺利应对流量高峰并发，客服团队提质提效明显，人工客服应答时间从2-3分钟缩减至8秒，新手客服培训时长降低75%。 2. AI Agent能够快速完成音频创作，对于爽文等类别的内容，AIGC独立创作仅需5分钟，极大提升了内容生产的效率。 2. 用户调查与访谈 用户反馈是评估AI Agent性能的一个重要维度。 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。
2.6K11编辑于 2024-12-18
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