- 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 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 *白板式界面*：团队可以像绘制白板草图一样映射跨企业系统的工作流 *流程与任务挖掘*：ServiceNow将这两种洞察整合到一个平台，帮助企业更好地理解工作执行方式 *多Agent流程*：虽然许多品牌目前仍在隔离环境中部署 真正的Agent力量来自于它们相互连接、访问企业数据以及与执行工作的系统交互的能力。一个无法与其他Agent、工具和应用对话的Agent只是一个孤岛。
36810编辑于 2025-09-17 - 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。 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。 2.2 图像和视频辅助 AI将能够通过展示图片或播放视频来解释或辅助说明某些复杂内容，从而增强用户的理解和体验。 3. 4.3 金融 在金融领域，对话系统可以提供投资建议、风险评估、客户服务等，帮助用户做出明智的金融决策。 二、自主代理（Agent）的发展方向 1. 智能家居管理 在智能家居中，生成式AI可以通过语音与用户互动，同时自主调节家居设备，提供全面的智能家居管理服务。 3.
40910编辑于 2024-12-11 AI Agent 简介
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 提取Q3销售数据；3. 按产品和地区分类；4. 计算环比增长率；5. 生成可视化图表。 反思与调整：Agent 会评估每一步行动的结果。 3. 工具调用模块：灵活的双手 这是 Agent 从思考者变为行动者的关键。它可以通过应用程序接口（API）调用外部工具来扩展自身能力。 常见工具： 搜索工具：联网获取最新信息。 持续评估 建立完善的评估指标体系，定期测试和优化 Agent 表现。 容错机制 实现重试、降级、告警等机制，确保系统稳定性。 多 Agent 协作系统 多个专业 Agent 协同工作，形成类似"AI 团队"的组织架构，处理复杂任务。 边缘计算部署 轻量化 Agent 将在手机、IoT 设备等边缘侧运行，实现本地化智能服务。
43710编辑于 2026-04-24AI Agent 觉醒时刻：从单点工具到多Agent协作系统的范式革命
AIAgent觉醒时刻：从单点工具到多Agent协作系统的范式革命大家好，我是摘星。今天我们来聊聊一个正在悄然改变AI行业格局的话题——AIAgent的进化。 无论你是想自己动手搭一个私人助手，还是在做AI应用的产品规划，这篇文章都能给你一些实打实的参考。一、为什么Agent突然成了必争之地要理解Agent为什么这么火，先要搞清楚它解决了一个什么问题。 意味着AI不再只是"替你回答"，而是"替你做事"。举几个具体的例子：研究Agent：给定一个研究主题，Agent会自动搜索信息、阅读页面、提取数据、生成报告，整个过程不需要人工干预。 结构化知识图谱
实体关系]C4[程序化规则
Agent自己学到的模式]endC-->C1B-->C2B-->C3G-->C4一个实用的记忆系统实现：展开代码语言：PythonAI代码解释 这需要记忆系统与学习算法的深度结合。3.多模态Agent的成熟当前的Agent主要处理文本。但随着视觉、语音、视频等多模态能力的提升，Agent会能够处理更丰富的输入输出。26410编辑于 2026-04-28Python构建AI Agent自主智能体系统深度好文
本文将深入探讨如何使用Python构建一个高效的AI Agent系统，并通过实际案例展示其应用。核心要点环境建模与状态表示动作空间与策略选择奖励机制与反馈循环训练与优化逐一深入讲解每个要点1. 环境建模与状态表示环境建模是AI Agent系统的基础，它决定了Agent如何感知和理解外部世界。状态表示则是将环境中的信息转化为Agent可以处理的形式。原理环境建模：定义环境的规则和状态转换逻辑。 总结本文详细介绍了如何使用Python构建一个高效的AI Agent系统，包括环境建模、状态表示、动作空间、策略选择、奖励机制、反馈循环以及训练与优化。 希望本文能帮助你在实际项目中成功构建和优化AI Agent系统。 总结本文深入探讨了Python构建AI Agent自主智能体系统深度好文的相关技术，从原理到实践，从基础到进阶，希望能够帮助读者全面掌握这一技术。
49310编辑于 2025-12-04- 来自专栏码
如何设计基于Agent的AI应用系统
就2024年的今天，可见的模式主要包含3种：Single Agent、Multi-Agents、Human-Agent。 而作为系统，需要制定社会性规则，以在Agent的个性和达成目标之间实现平衡。 AI编程 通过驱动AI来完成某些任务，以编程的方式安排细节与逻辑，由AI来解释任务和完成规划。 ，作为AI系统的开发人员，无法触达这个部分。 同样的道理，我们会让用于执行任务的硬件也与系统本身解耦，不过由于执行硬件是被调用方，因此，这部分封装需要我们AI系统的开发者来完成。 我们只需要利用这些agents来进行调用编排，即可实现让系统按需完成我们的任务，例如： 当 @agent1 发生xx时，且 @agent2 状态为xx时，@agent3 执行xxx 基于该指令，平台层可以基于已有的
3.3K11编辑于 2024-03-26 - 来自专栏技术杂记
Zabbix Agent 安装3
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:on 6:off [root@zbx-target net.if.discovery" {"data":[{"{#IFNAME}":"lo"},{"{#IFNAME}":"em1"},{"{#IFNAME}":"em2"},{"{#IFNAME}":"em3" CPU.NUMBER}":1,"{#CPU.STATUS}":"online"},{"{#CPU.NUMBER}":2,"{#CPU.STATUS}":"online"},{"{#CPU.NUMBER}":3, items ，这些条目的详细解释可以参考 Zabbix agent Zabbix中已经集成了大量的常用监控条目，不用过多配置就可以直接使用
60710编辑于 2022-03-21 - 来自专栏技术杂记
Zabbix Agent 安装3
Average | awk {'print $2'} #UserParameter=swap.out.ps,/usr/bin/sar -W 1 1 | grep Average | awk {'print $3' } UserParameter=mem.used,/usr/bin/free -k | grep + | awk '{print $3}' UserParameter=ps.proc.sum[*],/bin head -n 1 UserParameter=redis.stat[*],/usr/local/bin/redis-cli -h 127.0.0.1 -p $1 info $2 | grep $3: [root@zbx-server zabbix_agentd.d]# 重启agent [root@zbx-target zabbix_agentd.d]# /etc/init.d/zabbix-agent restart Shutting down Zabbix agent: [ OK ] Starting Zabbix agent:
74350编辑于 2022-03-22 当 AI Agent 成为社会：Multi-Agent 系统公共基础设施的设计与反思
本文通过"虾社会"这一隐喻，系统性地探讨了Multi-Agent系统的公共基础设施设计。 Agent基础设施的概念：AgentInfrastructure=外部于Agent的技术系统和共享协议，旨在调解和影响Agent与其环境的交互。 (Gao&Wu,2026)：覆盖感知-决策-记忆-执行全生命周期的安全治理AgenticWeb(2025)：探索Agent直接交互的下一代Web架构3.第一阶段：给虾装"急救包"3.1Agent的基本构成一个典型的 4.2身份管理碎片化展开代码语言：TXTAI代码解释虾A给自己生成身份ID：a1b2c3（基于本地配置的SHA-256）虾B给自己生成身份ID：d4e5f6虾C给自己生成身份ID：a1b2c3←碰撞了！ 个人玩家1-3❌不需要—团队用户5-20⚠️部分需要❌成本太高平台运营100+✅必须有✅有能力Chanetal.(2025)也讨论了这一问题，指出私营主体有动力构建大部分基础设施，政府介入仅在系统性风险管理时才必要
40110编辑于 2026-03-29- 来自专栏人工智能领域
AI Agent 介绍（130）
一、引言 定义AI Agent AI Agent，即人工智能代理，是指能够在一定环境中自主执行任务或者作出决策的智能系统。 二、AI Agent的基本概念 什么是AI Agent AI Agent，即人工智能代理，是一种能够自主地在特定环境中感知、学习、决策并行动的计算机系统。 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. ChatDev GitHub 这些项目为您提供了丰富的AI Agent开发资源和灵感。希望这些案例和资源能够帮助您深入了解AI Agent的开发和应用。 3. 斯坦福Agent AI论文：该论文主要探讨了Agent AI这一新兴范式，旨在使AI系统更具交互性，能在不同环境中感知、行动和学习。
2.7K11编辑于 2024-12-18 什么是 AI Agent？
这就是AI Agent（智能体）带来的未来。 什么是 AI Agent？ 与传统AI系统不同，AI Agent具备自主决策能力。你只需要给定一个目标，它就能够独立思考并规划如何达成这个目标，调用各种工具完成任务。 AI Agent如何工作？ 一个完整的AI Agent系统通常包含三大核心模块： 大脑：由大语言模型驱动，负责理解、推理、规划和决策。它就像人类的“总司令”，分析情报并制定战略。 专业领域：在医疗领域，AI辅助诊断Agent能自动生成精准诊断报告；在工业领域，AI Agent可用于质量检测和设备维护。 多Agent协作：多个Agent协同工作，形成复杂的智能网络。 AI Agent代表了人工智能从“被动工具”到“主动助手”的重要进化。
1.2K10编辑于 2025-12-29- 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。 在多轮对话过程中，系统需要根据当前轮次用户的二级意图，快速准确识别出用户所有可能的下一级别的意图。 可以提前将这些意图进行聚合，形成一个个意图对，极大优化了意图图谱的查询效率。
42910编辑于 2026-03-11 Agent真的卷疯了，AI办公Agent也来了。
海外版网址在此：https://skywork.ai/ 国内版网址：https://www.tiangong.cn/ 他们的首页是这样的。 从首页上能看出来跟其他的不一样的点，就是把办公场景单独抽离了出来，直接就标了3个专家级场景，文档、PPT、表格，后面还有网页、播客。 这三个专家级场景，大概率就是3个特训的不同的Agent，以能在每一个场景上，都达到最好的效果。 甚至前面三个智能体，在点击上面的小标签之后，还能选择细分场景，比如这个文档的。 还有PPT。 价格上，海外版价格在大部分的同类型Agent产品中，价格算中档。 但是坦诚的讲，相比于大家日常用的非Agent的AI产品，会贵一些，毕竟整体Agent算力消耗在这。 价格只有海外版的1/3，PPT还是三折？。。属于便宜到离谱的那一档。。。 这个定价策略，让我想起了曾经的拼多多，挣海外的钱，补贴国内，泪目了。。。
66710编辑于 2025-05-23- 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。 5.系统集成5.1接口开发开发与外部系统交互的 API（如 RESTful API、gRPC）。定义输入输出格式（如 JSON、Protobuf）。5.2模块集成将 AI 模型集成到应用程序中。 6.2集成测试测试整个系统的功能和性能。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。 优化系统性能和稳定性。8.2功能扩展根据需求添加新功能。改进现有功能，提升用户体验。8.3技术升级跟踪最新 AI 技术，升级算法和框架。优化系统架构，提高可扩展性。 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。
2.9K20编辑于 2025-02-18 - 来自专栏程序猿DD
Anthropic 如何评估 AI Agent
引言：打破“盲目飞行”的开发循环 在开发AI智能体的过程中，许多团队都经历过这样的痛点：你修复了一个问题，却在不经意间引发了另一个更隐蔽的问题。 本文将从Anthropic的深度分享中，提炼出五个最令人惊讶、最具影响力的核心教训，它们将彻底改变你对AI智能体评估的看法。 例如，如果一个智能体的单次成功率（pass@1）是75%，那么它连续成功3次的概率（pass^3）就骤降至42.1875%，约等于42% (0.75 x 0.75 x 0.75)。 仅仅是修复了评估系统中的问题，比如过于僵化的评分标准（它会因为“96.12”与预期格式“96.124991…”不完全匹配而判定为错误）。 成功的AI团队都明白一个道理：评估体系是产品不可或缺的一部分，其重要性不亚于单元测试之于传统软件。而且，在模型能力飞速发展的时代，一个强大的评估套件就是你的护城河。
27110编辑于 2026-01-19 - 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。 什么是 AI Agent 传统软件或者工作流的目的是为了用户能够简化和自动化工作流，而 AI Agent 则能够以高度的独立性代表用户执行为实现用户目标的一系列步骤。 , "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。" 从 MCP 到 A2A AI Agent 为了和多个其他系统交互，衍生了两种系统交互的协议，MCP 和 A2A。
96810编辑于 2026-01-06 - 来自专栏程序设计
AI Agent的检验标准
2：我们内部使用的定义是："能够在现实世界（包括物理和数字领域）中执行并完成长期开放性任务的人工智能系统"3：应用的Agent性越强，大语言模型对程序控制流的决策权就越大4：AI Agent 是能够自主规划并使用工具达成目标 （而非遵循预设步骤）的系统5：某技术白皮书定义："AI Agent是利用现代生成式AI模型进行规划、数据存取、工具调用、决策制定并与现实世界互动以完成特定功能的自主软件系统"6：基于大语言模型的自主系统能够理解自然语言输入 ，不依赖内部知识库而能基于新信息自主行动22：循环运作的LLM系统23：典型特征：1-内部集成LLM的软件2-以非预设步骤序列向目标推进3-步骤涉及工具调用：改变LLM完成态之外的状态或与其他系统交互24 经过编程能在自主循环中运作的LLM系统需满足：1-规避能力范围外的操作；2-具备循环终止判断机制开始思考关于什么是"AI Agent"，目前存在大量混淆定义但也有一些共识：Agent必须是AI驱动的系统它们需要具备一定程度的自主性 ：脚本驱动，利用LLM执行智能操作类型2-Agent：大语言模型驱动，辅以脚本与工具，可能仍需人工介入类型3-Agent：建造时光机执行终结任务（开个玩笑，此处指具备完全自主意识与行动能力的终极形态）
51710编辑于 2025-04-06 - 来自专栏Elastic Stack专栏
AI Agent 记忆：使用 Elasticsearch 管理记忆，打造智能 Agent
在我们的系统中，程序性记忆主要存在于应用程序代码和提示词（Prompt）中，并不存储在 Elasticsearch 中。相反，Elasticsearch 是由程序性记忆所使用的。 让我们转向架构部分，看看这些想法如何转化为我们 Agent 的记忆系统。 系统设置 遵循**《人生切割术》** 的概念，我们创建一个名为马克（Mark）的 Agent，他拥有两套独立的记忆集： • Innie 记忆：与同事的工作相关对话。 构建记忆系统 记忆索引结构 首先，我们定义记忆模式（Schema）： 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 mappings = { "properties": • 使用 OpenAI 的 Response API 构建 Agent。 • 测试选择性记忆系统。 结论 记忆不仅仅是存储过去对话的地方。它是 Agent 架构的一部分。
10910编辑于 2026-05-11 AI 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。 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。 一位行业前辈最近坦言，做了这么多年系统，现在越来越多人不想一把抓了，开始接受分工和分层。 这种转变不容易，但趋势已经很明显了。 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？
26810编辑于 2026-02-28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。 比如你是业财系统，你直接给他说开那张发票，他能通过tool调用对应开票接口帮你完成开票，又或者是前面很火的千问点外卖，你直接说他就给你筛选出你想要并帮你完成外卖下单。 又或者是公司相应系统的介绍以及涵盖功能等等，你可以上传对应文件来增强LLM的知识库。由此可以看出这是两个操作，一个是你要将内部数据文件导入，然后让LLM能去检索到。 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。
15320编辑于 2026-04-13
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