- 综合排序
- 最热优先
- 最新优先
- 来自专栏白话互联
【Ai Agent】Ai Agent News | 9月11日速递
今天是9月11日星期四，让我们一起来看看今天 Ai Agent 带来的 AI 领域的重要动态吧！ *角色定义*：明确AI Agent在企业中的定位和职责 *数据整合*：确保AI Agent能够访问高质量的相关数据 *行动规划*：设计Agent能够执行的具体任务和流程 *反馈机制*：建立持续学习和优化的闭环系统 AI Agent，但未来将是多Agent流程的天下 这一工具代表了从传统工作流自动化向AI增强流程的重要转变，为企业提供了更灵活、更智能的自动化解决方案。 AI Agent时嵌入运行时安全，为AI原生开发提供更可靠的安全保障。 文章提到，代理式AI应用正在兴起，例如德勤的Zora AI Agent和普华永道的Agent OS平台正在重塑内部工作流程。
33810编辑于 2025-09-17 云端 AI Agent 架构实战
云端 AI Agent 架构实战：Google ADK 5 种 Skill 编排模式的工程化落地Agent 技术栈正在经历从原型验证到生产部署的跨越。 Google ADK（Agent Development Kit）作为 2025 年末发布的 Agent 开发框架，已经在不少云端项目中跑通了完整闭环。但"能跑"和"能扛"之间，差的就是架构设计。 重点不是教你用 ADK，而是帮你在真实云环境中把 Agent 系统搭稳。 三个实战经验：1. 如果基础设施在 GCP 上，ADK 与 Vertex AI 的原生集成更丝滑。LangChain 生态更广泛但框架层抽象较厚，调试成本更高。
26610编辑于 2026-03-26【Multi-agent实战】 AI理财顾问实战项目
用 LangGraph 搭一个基金分析 Multi-Agent：给你打工人的「AI 理财顾问」✍ 前言上一篇我们用 LangGraph 搭了科研 Multi-Agent，这一篇换个更接地气的场景： “我每个月就能拿出 2000 块，想做基金定投，有没有一个 AI 帮我做筛选？” 这就是一个很适合 Multi-Agent 的场景：把「信息搜集 → 指标计算 → 风险评估 → 资产配置建议 → 生成报告」 拆给不同的 Agent，最后 LangGraph 把流程编排成一张图。 指标计算 Agent）拉每只基金的历史净值（这里用 mock 数据）；计算：年化收益、最大回撤、夏普比率（简单版）；RiskProfiler（风险评估 Agent）基于这些指标，给每只基金打一个「风险评分 在最后强调：本报告仅为 AI 示例，不构成任何投资建议。
66000编辑于 2025-11-22- 来自专栏自然语言处理
智能体框架：11 个顶级 AI Agent 框架！
最近笔者在找智能体框架，看到一个文章：https://ai.plainenglish.io/11-best-ai-agent-frameworks-for-software-developers-afa1700644bc 本指南将深入探讨当前最优秀的 11 个 AI Agent 框架，比较它们的特性、优势、劣势以及理想的应用场景，帮助您为下一个项目做出明智的决定。 什么是 AI Agent 框架？ 11 个最佳 AI Agent 框架 1. LangChain LangChain 是一个开源框架，已成为构建 AI 驱动应用最受欢迎的选择之一。 测试 if __name__ == "__main__": asyncio.run(main()) 11. 无论您需要用于构建对话 Agent、多 Agent 协作系统，还是复杂工作流自动化的框架，本指南介绍的 11 个框架都提供了多种选择，以满足不同的需求和技术专业水平。
13.9K52编辑于 2025-07-02 【Multi-agent实战】 AI论文秘书实战项目
一、需求拆解：一个 AI 论文秘书要干几件事？ 我们先把「论文精读」拆到 Multi-Agent 的粒度：PaperCollector Agent（论文收集）输入：研究方向（例如 “generalizable deepfake detection” / “multi-agent RL for LLM”）输出：一组候选论文的元数据（标题、作者、年份、来源、链接）PaperTagger Agent（论文打标签）把每篇论文分到几个维度：任务类型：检测 / 四、实现各类 Agent：论文小队开工4.1 PaperCollector：按 topic 粗筛论文先来一个最简单的「基于标题关键词」筛选：代码语言：python AI代码解释：根据 topic 关键词 要用代码语言：python AI代码解释：统一封装一个 LLM 构造，方便以后换模型/参数。
66700编辑于 2025-11-22- 来自专栏个人路线
开源 AI Agent 实战：openJiuwen macOS 部署教程
重新激活虚拟环境并启动服务 source .venv/bin/activate python main.py 关于 openJiuwen openJiuwen 社区聚焦 AI Agent 通用平台能力 基于该开源项目，开发者可以： ✨ 快速构建能处理各种复杂任务的智能体 实现多智能体协同交互 高效搭建企业级 AI Agent 系统 零编程基础也能上手使用 相关资源 官方链接 官网：https:/ 标准化通信协议，实现多智能体协同 文档中心 MacOS 系统安装指南[4] 完整文档[5] 加入社区 欢迎加入 openJiuwen 开源社区，与全球开发者一起探索 AI Agent 的无限可能！ 如果这个项目对你有帮助，欢迎： ⭐ 在各个代码仓库给我们点 Star，保持关注 提交 Issue 或参与讨论 贡献代码，一起完善项目 分享给更多对 AI Agent 感兴趣的朋友 让我们一起推动 AI Agent 技术的发展！
88110编辑于 2026-01-12 AI Agent 智能体实战开发|功略fx
AI Agent的开发正朝着更加自动化、拟人化和高效的方向发展，为各行各业带来了巨大的潜力和机遇。零代码开发平台在AI Agent开发中的优势和局限性是什么？ 这对于AI Agent开发来说，意味着可以快速构建满足不同业务场景的应用。在AI Agent的能力中，自然语言可以作为开发指令，为专业开发人员提供决策支持和自动化执行能力。 现有的AI Agent创建平台通常包含任务分解、思维链推理、向量检索、Memory管理等基础开发工具。这些工具链的集成进一步提升了零代码平台在AI Agent开发中的实用性。 Agently可以帮助开发者快速构建原生的AI Agent应用，通过简单的代码即可创建AI Agent实例并与之交互。 未来的发展方向主要包括：降低开发门槛：通过简化开发流程和工具，使得更多开发者能够参与到AI Agent的开发中。多Agent创新：推动多个AI Agent之间的协作与创新，以实现更复杂的应用场景。
82620编辑于 2024-10-31Hermes Agent 云端部署实战：一个会自我进化的 AI Agent
完整部署步骤第一步：购买云服务器前往腾讯云购买轻量应用服务器，关键选项：镜像选Hermes**Agent（内置模板，省去手动安装）如需接入Telegram，地域选海外（如新加坡）配置建议2核4G，低于这个配置容易卡顿第二步
3.5K356编辑于 2026-04-13- 来自专栏智能体
智能体(AI Agent)开发实战之【LangChain】(八)核心模块：代理(Agents)，ReAct Agent
在LangChain中，ReAct Agent是一种基于"推理 - 行动（Reasoning - Acting）" 范式的智能代理，融合推理与行动的，以模拟人类在解决问题时的思维和行为模式。 有时更新不及时，最新的文章和动态请关注公众号：我和AI的成长一、ReAct Agent的优势和特点1.
83110编辑于 2025-09-07 - 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？ \n\n- **11:00-12:00**：**中央美术学院美术馆**\n - 景点：参观美术馆，感受艺术氛围。\n - 交通：步行至中央美术学院美术馆。 \n- **09:30 - 11:30**：**陕西历史博物馆** - 参观古建筑，了解陕西历史文化。建议提前在线预约门票，博物馆内可自备午餐。 如果本文对你有帮助，欢迎点赞、在看、转发，关注我们获取更多 Spring AI 实战干货！
1.7K10编辑于 2026-01-29 - 来自专栏前端达人
第11课：Multi-Agent 实战，并行编排的5种模式
阅读时长：约25分钟 难度：★★★★☆ 适合人群：已了解 Agent 体系（第10课），准备学习多 Agent 组合使用的开发者 学完之后：面对任何复杂任务，你能设计出最优的 Agent 编排方案 这里快速复习，加入 Agent 视角的补充： 能并行的条件（必须同时满足）： ✅ 任务之间不需要互相等待结果 ✅ 不同的 Agent 改的是不同文件 ✅ 每个 Agent 有足够的独立上下文 不能并行的信号： ❌ "先做完A才能做B"（依赖关系） ❌ 两个 Agent 要改同一个文件（写冲突） ❌ 一个 Agent 的输入是另一个的输出 下面的5种模式会在具体场景中展示怎么判断和处理 的 prompt 要具体聚焦，不要给一个 Agent 太多目标。" 原理：每个 Agent 处理一个文件或模块，它们同时工作，互不干扰。
17610编辑于 2026-04-15 - 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。 需要打磨工具的描述，因为这些描述是Agent理解工具的唯一信息来源。 工具描述，应将所有隐含的知识显性化、力求清晰、无歧义。 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。
38010编辑于 2026-03-11 - 来自专栏AI
AI Agent实战：基于ReAct与FunctionCalling构建本地编程助手
包含完整的Python代码解读、工作流程图及核心概念剖析，助你彻底掌握Agent的底层执行逻辑。 本文不探究技术层面以外的影响，这系列博客目标是个人AI转型期间的所有经验积累，因此言归正传，回到主题：FunctionCalling理解。 = simulate_llm(messages) print(f" Agent：{agent_response}") # 检查是否已有最终答案 if " <final_answer>" in agent_response: return extract_final_answer(agent_response) # 理解了这一点，也就可以理解为什么同样的功能，针对不同的Agent都需要挨个实现一遍，因为Function就在Agent内部。
37710编辑于 2026-03-03 - 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。 一、生成式AI在对话系统（Chat）中的发展方向 1. 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。 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。
39410编辑于 2024-12-11 AI Agent 简介
在当今科技浪潮中，人工智能（AI）深度融入生活与工作的背后，AI Agent（智能体） 是支撑从对话助手到自主任务程序的核心概念——它不是单纯的聊天工具，而是能像数字员工一样接任务、拆步骤、执行动作的自动化实体 ，只要任务可拆解为操作流程，就能被 AI Agent 接管。 Agent 与传统 AI 模型的区别 维度 传统 AI 模型 AI Agent 交互方式 单次输入输出 多轮对话、持续交互 决策能力 基于输入直接推理 规划、反思、迭代优化 工具使用 无法主动调用外部工具 AI Agent 构成：像人一样思考与行动 一个功能完整的 AI Agent 通常模仿人类的认知和行动循环，包含以下几个关键模块： 1、规划模块：任务的大脑与指挥官 这是 Agent 的思考中枢。 多个 Agent 可以协同工作，类似一个团队： AI Agent 的主要类型与应用场景 根据其复杂度和自主性，AI Agent 可以分为不同类型，应用于各种场景： 类型 特点 应用场景举例 单一任务
14810编辑于 2026-04-24- 来自专栏前端工程
我用OpenClaw搭了11个AI Agent，它们学会了自我进化
今天分享一个让我特别兴奋的进展：我的11个AI Agent终于学会了自我进化。 不是我每天教它们，而是它们自己在观察、学习、调整策略。 先看一组数据： 视频号「放弃Cursor半年」：4.7万播放，658转发，3天净增300+粉 掘金「16个AI Agent」：持续热榜第9天，14,701阅读 知乎Cursor文章：1.5万阅读，收藏率 3.7%（平均只有1-2%） YouTube：28天+833%成长期爆发 这些成绩不是我盯出来的，是11个Agent各自在自己的领域里复盘、迭代、越做越好。 OpenClaw是开源的（GitHub 195,000+ Stars），如果你也想搭建这样的Agent系统：github.com/openclaw/openclaw 今日互动：你希望AI Agent能自己学会什么能力 美国银行账户全记录 用OpenClaw搭了16个AI Agent，一个人运营13个自媒体平台 Claude Sonnet 4.6 编程实测：免费用户也能用Opus级编程能力 创业半年，我用5个AI Agent
2K10编辑于 2026-03-04 - 来自专栏AI理论与前沿
AI大模型应用开发实战-Agent应用对话情感优化
1 使用prompt设计agent性格与行为添加系统 prompt：self.SYSTEMPL = """你是一个非常厉害的算命先生，你叫JavaEdge人称Edge大师。 你从不说自己是一个人工智能助手或AI，而是以老夫、老朽等自称。 以下是你常说的一些口头禅： 1. “命里有时终须有，命里无时莫强求。” from_template()ChatPromptTemplate.from_messages()用途：创建一个包含多个消息的聊天提示模板输入：接受一个消息列表，每个消息可以有不同的角色（如系统、人类、AI 你从不说自己是一个人工智能助手或AI，而是以老夫、老朽等自称。 {who_you_are} 以下是你常说的一些口头禅： 1. , ) # 创建代理执行器 self.agent_executor = AgentExecutor( agent=agent,
1.1K00编辑于 2024-08-07 - 来自专栏DeepHub IMBA
让 AI 智能体学会自我进化：Agent Lightning 实战入门
当前主流 AI 智能体框架有一个共同的局限：智能体只能按预设逻辑执行任务，无法从运行时反馈中持续学习。模型权重是静态的，提示词需要人工迭代，整个系统缺乏自我优化的闭环。 Agent Lightning 的核心特性 Agent Lightning 具备两个关键的设计优势：框架无关性和执行训练解耦。 框架无关性意味着它不绑定特定的智能体实现。 Agent Lightning 的工作原理 Agent Lightning 由四个核心组件构成： Runner 负责智能体的沙箱执行。 Define the Agent @agl.rollout def capital_city_agent(task, prompt_template): # Use the dynamic =capital_city_agent, train_dataset=[{"input": "France", "target": "Paris"}, ...], ) 跑完之后，Agent
37110编辑于 2026-02-27 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。
12210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。
73620编辑于 2026-03-10
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