- 综合排序
- 最热优先
- 最新优先
- 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-
86110编辑于 2022-03-21 - 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 - 来自专栏数据猿
搞懂这5个模块，你才真的懂AI Agent
AI Agent架构全景图： 不是“一个大模型”，而是一整套系统 在很多人的认知中，构建一个AI Agent似乎很简单： “接入一个强大的大语言模型，再加点插件或API调用，就可以自动完成复杂任务。” AI Agent架构设计的四个难点 （也是创新机会） 很多人以为AI Agent的难点只是“模型够不够强”。 但现实是，真正拉开Agent能力差距的，不是大脑，而是系统工程。 AI Agent架构难点vs解决方向 真正构建Agent，不是调大参数或拼API，而是面对这些“系统级痛点”，用工程设计一一攻克。 语言模型会越来越强，但不会帮你搭系统。 Agent架构，是下一代AI应用的核心战场。 所以未来属于那些既懂AI，又懂系统架构的“Agent工匠”。 文：一蓑烟雨/ 数据猿 责编：凝视深空 / 数据猿
1.6K10编辑于 2025-10-21 - 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。 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. 融合应用 生成式AI技术不仅在对话系统和自主代理各自发展，还可以相互结合，形成更强大的综合智能系统。例如，未来的智能助理可以通过自然语言对话与用户交流，同时自主执行复杂任务。 2.
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 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。如果失败了（比如数据库连不上），它会反思原因，并调整计划（例如尝试另一种连接方式或请求用户提供密码）。 2. 自动驾驶汽车、自动化股票交易系统、智能游戏 NPC（非玩家角色）。 模拟 Agent 在虚拟环境中进行模拟、测试和训练。 训练机器人完成抓取任务、模拟城市交通流量优化、新药研发的分子模拟。 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。 就在过去三个月里，我们见证了一个关键转折：AI应用从"问答即终点"的单轮交互模式，全面转向"目标导向、持续行动、多Agent协作"的自主智能体模式。这不是渐进式的功能升级，而是一次范式层面的重新定义。 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。 当任务足够复杂时，需要多个专门化的Agent协同工作，这就引出了多Agent系统。
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
在一套系统中，Agents可能是由不同的服务商提供，基于AI的训练，Agent表现出自己的认知、情感、个性，这些抽象的表现定性，是我们对它社会行为的总结。 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。 AI应用设计示意图 通过这一架构，我们可以让Agent被无限扩展，而无需调整已有代码。随着agents的数量越来越多，系统能支持的能力也越来越强。
3.3K11编辑于 2024-03-26 AI 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。 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 你只需要描述需求，AI就能帮你生成对应的Skill配置。 动态优化Skill可能会根据使用情况自动调整。如果某个规则经常被违反，系统会自动提醒你检查或优化。 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。
89020编辑于 2026-03-10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。 我们首先实现了5个装载在单个Agent上的治理技能（Skill），随后通过推敲发现了个体能力的三个根本局限——自我审计悖论、身份管理碎片化、全局视角缺失——进而提出了独立于Agent的公共基础设施架构。 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。 、监督层、Agent间通信、承诺机制响应（Response）检测和补救有害行为事件报告、回滚这一框架与我们的"虾社会"构想形成了惊人的对应关系（详见第5节）。 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 2026-03-29AI 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- 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。 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。 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 2025-12-29Agent真的卷疯了，AI办公Agent也来了。
给我一下子干慌了，第一次见到这么真诚的品牌方，那一瞬间觉得我要是不好好体验测试，那我真是千古罪人= = 不过抛开这些情感因素不谈，在我体验了5天之后，我觉得，还是值得写一写这个产品。 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。 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。 更是另外1个非常有趣的操作，就是刚刚，他们，把DeepResearch Agent框架直接开源了。。。 主要是他们这个框架跑分（5月10号的数据），还挺高的。 MCP地址：https://mcp.so/server/skywork-super-agents/Skywork-ai 就，我还是想说句佩服的。
66710编辑于 2025-05-23- 来自专栏AI智能体从入门到实践
构建AI智能体：Agent2Agent多智能体系统：基础通信与任务协作实现
：基于能力匹配结果分配子任务建立任务间的依赖关系图识别关键路径和瓶颈环节制定风险缓解和应急计划5. 、Agent2Agent 框架通信示例 示例实现一个简单的Agent2Agent通信框架，展示了多智能体系统的基本工作原理。 管理器处理了 8 条消息 完成了 1 个跨领域任务八、应用场景复杂问题求解：多个专业智能体协作解决单一智能体难以处理的复杂问题分布式系统管理：智能体协同管理分布式资源和服务多模态AI系统：不同模态的 AI智能体（文本、图像、语音）协同工作自动化工作流：智能体协作完成端到端的自动化流程九、总结 Agent2Agent框架为构建智能体间通信与协作系统提供了坚实的基础。 随着人工智能技术的不断发展，A2A框架将在构建更智能、更自治的AI系统中发挥重要作用。
2K21编辑于 2025-12-09 - 来自专栏AI
AI 智能体（AI Agent）的应用
AI 智能体（AI Agent）的应用非常广泛，几乎涵盖了我们生活的方方面面。它们能够自主地感知环境、做出决策并执行行动，从而完成各种复杂的任务。以下是一些 AI 智能体的典型应用场景。 5. 交通运输：自动驾驶汽车： 通过感知周围环境并做出决策，实现车辆的自动驾驶，提高交通安全性和效率。交通流量优化： 分析交通数据，优化交通信号灯的配时，缓解交通拥堵。 教育：智能辅导系统： 根据学生的学习情况，提供个性化的学习内容和辅导。语言学习： 提供语言学习工具，例如口语练习、语法纠错等。虚拟实验室： 提供虚拟的实验环境，方便学生进行科学实验。7. 百度的文心一言 APP 上的智能体： 可以进行“视频对话”、背单词、纠正口语，还可以通过 AI 智能体模拟面试、与 AI 古人对话等，体现了 AI 智能体在内容创作和人机交互方面的应用。 总而言之，AI 智能体正在深刻地改变着我们的生活和工作方式。随着技术的不断发展，AI 智能体的应用领域还将不断拓展，为我们带来更多的便利和创新。
1.6K10编辑于 2024-12-23 Agentic OS 技术详解：面向自主AI Agent的操作系统
5. 工具调用缺乏统一接口与运行时治理 AI Agent 的核心能力之一，是对外部工具的调用，包括： API、数据库、SaaS 系统、浏览器、IDE、Shell、本地应用等。 5. 从工程视角来看，可以将其理解为： “给传统操作系统加装了一层专门面向 AI Agent 的操作系统扩展层（AI-native OS Extension Layer）”。 2. 这意味着： Agentic OS 的调度器，已经开始从“通用进程调度”演化为“AI 原生目标执行系统”。 5. 未来可能需要在GPU、NPU 或专用 AI 加速器中增加面向 Agent Runtime 的优化能力，例如更高效的 KV Cache 管理、Agent 状态快照、推理请求调度等。 5.
25410编辑于 2026-05-20- 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
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