- 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
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。 tools = [search]tool_node = ToolNode(tools)model = ChatAnthropic(model="claude-3-5-sonnet-20240620", 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。 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。
21310编辑于 2026-01-23腾讯云上线「AI开发套件」：5分钟搭建AI Agent小程序，支持MCP托管
腾讯云正式发布「AI开发套件」————— 帮助开发者最快 5 分钟搭建业务型AI Agent，支持MCP插件托管服务，插件开发、部署、运维全「打包」，无需自搭服务器、运维环境，让Agent扩展能力真正「 //Agent搭建：最快5分钟上线，大幅降低开发门槛 过去想搭个能用的AI Agent，开发者得跑一场「马拉松」—— 选模型、写提示词、搭后端、配权限、接数据库、做前端，还要考虑扩展性和安全性，开发链路冗长不说 现在，腾讯云提供两条「极速通道」： ● 「零代码」模式——配置化搭建，适合小白开发者 只需要打开云开发平台「AI+」控制台，按照提示操作 4 个步骤； 1）选择要用的大模型（支持 DeepSeek / 从打开控制台到 Agent 上线，最快只要 5 分钟，非常适合初学者。 来看看实例——我们用AI开发套件，快速搭建了一个OpenManus智能代理，可执行「打开B站找到云开发最新的视频，并截图」的指令。
3K40编辑于 2025-04-10- 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
1.9K11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。 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， 补充实用提示（如景点开放时间、预约要求、穿搭建议）； 5. 语言简洁明了，结构清晰，便于用户直接参考执行。 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”。 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。
15010编辑于 2026-01-30- 来自专栏技术杂记
Zabbix Agent 安装5
这个脚本是用来进行端口发现的，作为基础服务提供给其它监控条目使用 Note: zabbix用户要有这个脚本的执行权限，因为实际信息收集过程中，是以zabbix这个用户的身份进行的 [root@zbx-
83810编辑于 2022-03-21 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
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。
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。 5.连接**`ChatOutput`**：展示最终回答。 ####Step5:调试与部署-点击右侧**Playground**，上传PDF并提问，观察每个节点的输入输出（绿色代表成功，红色代表报错）。 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
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 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。
2.6K10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. 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。
37910编辑于 2024-12-11 - 来自专栏数据猿
搞懂这5个模块，你才真的懂AI Agent
“构建AI Agent的底层技术全指南，建议收藏！ 尤其对产品人、AI 工程师、决策者来说，只有真正看懂Agent的技术图谱，才谈得上布局未来。 ·功能作用：解析用户意图、生成子任务、撰写输出内容 ·典型模型：DeepSeek、通义千问、文心一言、豆包、GPT-5、Claude等 ·局限提醒：LLM不具备长期记忆、状态管理和执行能力，它只是Agent 要构建一个可运行、可扩展的AI Agent，开发者必须掌握的不只是Prompt编写，更要理解其背后每个模块的功能、技术实现方式、主流方案与当前的成熟度。 适合人群： 快速验证Agent概念的开发者、独立开发者、AI Hackathon团队。 3.
1.4K10编辑于 2025-10-21 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
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。
68520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。 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。 通过用户调查和访谈，可以直接获取用户对AI Agent的意见和建议。例如，在医疗咨询AI Agent的应用中，用户满意度评分为4.5分（满分5分），绝大多数用户表示愿意再次使用该服务。 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 × 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。 （4）选择通道这里先跳过，后续在「第5章渠道接入」中会详细配置。（5）选择技能这里先跳过，后续在「第6章技能安装」中会详细配置。 （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。
9.4K52编辑于 2026-02-24AI 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？
21710编辑于 2026-02-28
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