- 综合排序
- 最热优先
- 最新优先
- 来自专栏AgenticAI
6种AI Agent模式详解
在本文中，我们将探讨多种构建 AI 智能体结构的模式。这些模式有助于我们扩展功能、保持模块化，并更好地控制执行流程。 为什么使用多智能体模式？ 一开始，通常会采用单智能体模型。 多智能体系统通过将职责分配给多个独立且专注的智能体来解决这一挑战。每个智能体可以专注于系统的一个方面，例如信息检索、内容生成或任务协调。 适用场景： 企业级系统、多领域编排任务 6. 、可配置工作流等 总结 为了展示多智能体模式的价值，我们来看一个足球新闻机构的复杂系统工作流示例。 每个智能体专注于自身领域的任务，独立运行，从而确保系统在不断演化中保持模块化和可维护性。 随着基于大语言模型的系统不断扩展复杂度，使用清晰、可维护的智能体结构模式来组织系统架构，变得尤为关键。
1.2K10编辑于 2025-07-27 Agent设计模式（6）：Multi-Agent模式——构建多Agent协作系统
可扩展：新增功能只需添加新Agent 二、Agent角色设计：职责分离 Multi-Agent系统的第一步是角色定义。 通信协议与消息传递 多Agent系统的核心是通信。 代码审查系统 现在我们把所有组件整合起来，构建一个完整的Multi-Agent代码审查系统。 Agent需要Memory ▪ 6.2 实践建议 从小处开始不要一上来就做复杂的Multi-Agent系统，先掌握单个Agent 重视数据流Agent系统的核心是数据流动，想清楚输入、处理、输出 关注可观测性多 、更复杂的AI系统。
31311编辑于 2026-05-09- 来自专栏苏三说技术
AI Agent中6种常用的设计模式
今天，我将结合Spring AI Alibaba和AgentScope等主流框架的最佳实践，跟大家一起聊聊AI Agent开发中6种最实用的设计模式。 希望对你会有所帮助。 一、AI Agent的架构演进 在深入具体模式之前，我们先花一分钟理解Agent系统的核心架构。 分解任务，子Agent执行 企业级任务调度 嵌套模式 Agent内部包含子Agent 复杂分层系统 转交模式 Agent无法处理时转交其他Agent 客服升级场景 群聊模式 多个Agent自由讨论 创意头脑风暴 人机协同模式是AI Agent落地的安全阀。在涉及资金、权限、敏感数据的操作上，必须加入人工确认环节，而不是完全交给AI自主决策。 希望这份设计模式指南能帮你构建出更加稳定、可靠、智能的AI Agent系统。
39910编辑于 2026-04-14 - 来自专栏技术杂记
Zabbix Agent 安装6
配置完监控插件后，要重启agent Note: 如果不重启，就读不到新添的配置，从服务端尝试获取信息，会出现如下报错 [root@zbx-server zabbix_agentd.d]# zabbix_get [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: ，创建 Graphs ，拼接 Screens 就可以展示出非常炫目的dashboard效果 ---- 命令汇总 wget http://repo.zabbix.com/zabbix/2.4/rhel/6/ x86_64/zabbix-release-2.4-1.el6.noarch.rpm zabbix_get -s zbx-target -p 10050 -k "system.cpu.load[all,
89810编辑于 2022-03-21 - 来自专栏图灵说
一张图看懂AI Agent的6种模式—MAS
在大模型（LLM）狂飙突进的今天，我们经常听到“AI Agent（智能体）”这个词。如果说 ChatGPT 是一个超级大脑，那么 Agent 就是给这个大脑装上了手脚（工具）和耳朵（感知）。 但是，面对复杂的任务，一个 Agent 往往力不从心。于是，多智能体系统（Multi-Agent System） 成为了新的趋势。 今天，我们就深度解读一张硬核架构图，带你从最基础的单体模式，一路进阶到复杂的自定义军团，看看AI是如何像人类团队一样协同工作的。1. 6. Custom（自定义流式模式）⚡ 架构解读：右下图。这是一种有向图（Graph） 结构。Agent 之间的连接是根据特定业务逻辑定制的。 希望这篇文章能帮你读懂多智能体系统 MAS思考题： 如果让你设计一个智能体团队来处理公司的客户服务，你会选择哪种架构？为什么？
1K10编辑于 2025-12-15 - 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。 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
，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 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。 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。 result=agent.invoke({"messages":messages},config)returnresult#6.获取研究报告report=run_research("大模型LongContext
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 - 来自专栏Langchain
【LangChain系列6】【Agent模块详解】
都是源于对大模型的深入理解和实践经验，由许多开发者提供出来的标准化流程和解决方案的抽象，再通过灵活的模块化组合，才得到了langchain）添加描述1-2、LangChain抽象出来的核心模块想象一下，如果要组织一个AI ；Memory ： 记忆模块，以各种方式构建历史信息，维护有关实体及其关系的信息；Agents ： 目前最热门的Agents开发实践，未来能够真正实现通用人工智能的落地方案；Callbacks ：回调系统 agent: LangChain中的agent与用户输入进行交互，并使用不同的模型进行处理。Agent决定采取何种行动以及以何种顺序来执行行动。 调用自带的函数tools = load\_tools(["llm-math"], llm=llm)system\_message = SystemMessage(content="你是一个非常强大的AI ,)2、文件系统工具from langchain.tools.file\_management import ( ReadFileTool, CopyFileTool, DeleteFileTool
3K11编辑于 2025-01-13 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。 当我们在Multi-Agent平台上管理多个AIAgent时，发现了一个朴素但深刻的问题：给每只"虾"装上急救包，并不等于建立了公共卫生系统。 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。 2.4其他相关工作SAGA(2025)：提出了Agent系统的安全治理架构，强调用户对Agent生命周期的全面控制IoA(2025)：InternetofAgents框架，研究异构Agent的互联互通四层安全治理框架 行为层级式：公共服务层作为"上层建筑"监管Agent层但我们认为，随着Agent数量增长，应该逐步引入经济式（Economic）元素——例如用Token预算机制来调节Agent的资源消耗，用声誉系统来激励合规行为
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。 推荐系统：根据用户偏好推荐电影、游戏和书籍。 AI Agent的这些应用领域展示了它们的多样性和潜力。 伦理问题 责任归属 当AI系统出现错误或导致损害时，确定责任归属可能变得复杂。需要制定相关法规和政策，明确AI系统出现错误或导致损害时的责任归属。 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深度长文：Agent AI 如何颠覆公共服务？（内附6步落地指南）
大模型智能体AI系统（Agentic AI）架构实践：政务数字化转型的设计、实现与治理文 | 走向未来公共部门的运作正面临一个根本性的挑战。 五级（完全自主）是最高形态，代表AI系统作为自我进化的生态系统运行。智能体不仅独立管理业务功能，还能随时间学习和调整其策略。人类输入仅限于高层次的治理、合规和伦A理监督。 交通智能体（Traffic Agent）调用交通服务API，查询火车连接和票价。住宿智能体（Accommodation Agent）调用旅行门户API，查找可用住宿。 资助智能体（Funding Agent）调用欧盟资助API，核实Erasmus+指南并计算成本。预订智能体（Booking Agent）在计划确定后执行预订。 如今，混合解决方案正在涌现，例如n8n的“AI Agent Node”或Zapier的“AI Actions”，它们将智能体嵌入到自动化流程中。
32320编辑于 2026-03-11- 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 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。 我们可以直接让AI，来帮我们处理表格数据。 也可以直接，说出你的要求，让他基于全网的信息给你做筛选，最后屯到表格里。 它甚至会单独帮你开几个sheet，给你准备好，视觉的可视化。 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。 MCP地址：https://mcp.so/server/skywork-super-agents/Skywork-ai 就，我还是想说句佩服的。 你能从每一个细节中感受到，这还是一群真心想让AI好用的人，在用工程师的方式，尝试解决我们每天办公里的小痛点。 昨天，Google已经手起刀落，开始在重构自己的搜索引擎。
66710编辑于 2025-05-23- 来自专栏XINDOO的专栏
Agent设计模式——第 6 章：规划
规划的核心是 Agent 或 Agent 系统制定一系列行动以从初始状态向目标状态移动的能力。 规划模式概述 在 AI 的背景下，将规划 Agent 视为您委托复杂目标的专家是有帮助的。 实操代码（Crew AI） 以下部分将演示使用 Crew AI 框架实现规划模式。此模式涉及一个 Agent，它首先制定多步计划以解决复杂查询，然后顺序执行该计划。 Agent 的背景故事强调其在规划和技术写作方面的专业知识。定义了一个任务，明确描述首先创建计划，然后撰写关于"强化学习在 AI 中的重要性"主题的摘要，并为预期输出指定了特定格式。 然后，它将 AI Agent 的角色定义为专业研究员，并设置用户关于司美格鲁肽经济影响的研究问题。 因此，系统无法有效地制定策略，在面对复杂目标时导致不完整或不正确的结果。 为什么： 规划模式通过让 Agent 系统首先创建一个连贯的计划来解决目标提供了标准化解决方案。
73110编辑于 2025-10-27
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