- 综合排序
- 最热优先
- 最新优先
- 来自专栏FunTester
AI 协作中的能力误判
它想讨论的，不是大模型有没有胡说八道，也不是它会不会生成错误信息，而是一个更隐蔽、也更贴近日常的问题：当我们在 AI 的帮助下完成一项任务时，会不会误把协作完成当成自己独立会做？ AI 可能已经替你完成了其中最难、最关键、最需要长期训练才能掌握的部分，而你真正拥有的，也许更多是调用工具、筛选答案、修正输出、组织协作的能力。 AI 依赖与能力形成 不是。它的价值，不在于呼吁少用 AI，而在于提醒我们：用 AI 并不等于自动获得能力。 AI 的确可以放大人的生产力，也可以显著提高产出质量。 AI 使用者的关键区分 AI 时代最重要的能力之一，可能不是完全不用 AI，而是能清楚地区分：什么是我自己掌握的，什么是我借助系统得到的。 这两类能力都重要：会独立做事，仍然关键，因为那决定了你在没有外部支撑时的底座；会高质量地与 AI 协作，也同样关键，因为那决定了你在新生产方式里的效率和上限。
9810编辑于 2026-06-17 - 来自专栏AI前沿技术
智能体｜ AI coding 协作式编程
AI coding 出现后，传统项目角色分工和协作方式发生了改变。工程师不再是"写代码的人"，而是"指挥 AI Agent 写代码的人"。这种转变不仅是角色的变换，更是编程范式的升级。 以 AI coding 为中心，主要介绍： 1）从古法编程到 vibe coding 再到智能体编程的转变。 2）规范驱动开发SDD的新模式，以匹配AI coding的超凡编程能力。 这极大降低了代码编程工具的使用门槛，使得更多的工作可以通过AI辅助编程实现，让更多的人享受到AI红利，这大概就是AI平权的意义。 但是对于“老手”程序员来讲这显然不够，它们要的更多。 2，规范驱动开发SDD 在SDD中，规范不再服务于代码，而是代码服务于规范。 质量门控需求强：希望在代码生成前有明确的质量检查（宪法门禁、规范完整性验证等） • 完整制品体系：希望每个特性都有正式的spec、plan、data-model、contracts等完整文档 • 团队协作
1.8K32编辑于 2026-03-10 多 Agent 协作：AI 团队的崛起
当AI从「单兵作战」走向「团队协作」，我们正在见证一场比大模型竞赛更深远的变革一、开篇：一个Agent是工具，一群Agent是组织如果你去年问一个AI工程师：「你的Agent能做什么？」 2026年Q1，AI行业发生了一个微妙但关键的结构性变化：多Agent协作系统正在从实验室走向生产环境。 这就是多Agent协作的底层逻辑：不是简单地把工作拆开，而是像真实团队一样，通过分工、制衡和协作，实现1+1>2的效果。 这三大协议构成了多Agent协作的「操作系统」——MCP管工具，ACP管进程，A2A管跨平台协作。它们的成熟，意味着Agent不再是各自为战的孤岛，而是可以像互联网节点一样互相发现、调用和协同。 而2026年，真正的分水岭变成了——谁能让一群Agent像团队一样协作。多Agent协作不是锦上添花的技术亮点，而是AI从「工具」走向「生产力主体」的必经之路。
1.2K10编辑于 2026-04-24AI赋能：人机协作新时代
反AI组织制造工具投毒AI系统反AI活动人士构建了一个实用的技术武器来破坏AI系统——“Poison Fountain”，一种向AI训练数据爬虫投喂垃圾数据的服务。 重要性——互联网将成为一个捕食者-猎物生态：AI及AI代理的兴起意味着互联网将变成一个包含比以前更多生命形态的生态——爬虫、人类、AI代理等。 这类论点将应对AI的许多问题从单个AI系统重新定向到我们如何构建一个可以利用并从日益强大的AI系统出现中受益的人类驱动世界。 这种交互形式是AI系统为简单或早期问题提供一些正确解法，然后人类研究人员识别AI系统所做的关键陈述并加以概括，随后用这些概括所启发的新问题重新提示AI系统。 结果是一个由人类和AI系统协作构建的数学证明：“在某些情况下，下面的证明与AI工具建议的证明仅有高层次的相似性。
10810编辑于 2026-03-09当 AI 开始参与开发：软件研发为何会走向 Agent 协作｜从人类协作到 Agent 协作系统
但如果再往前推一步，就会发现一个更深的问题： 如果 AI 不只是工具，而是执行者，那么软件研发的协作结构会发生什么变化？ 但现在，执行者开始发生变化 随着 AI 编程工具逐渐参与到研发流程中，一个新的变量开始出现。 在越来越多的研发任务中，AI 已经不再只是提供代码建议，而是开始作为执行者参与完成一个任务闭环。 但当 AI 开始参与执行之后，新的协作关系开始出现。 图 1：协作迁移模型 首先出现的是： Human ⇔ Agent 开发者不再只是使用工具，而是在和 AI 一起完成任务。 这已经是一种新的协作方式。 接着会出现另一种协作关系： Agent ⇔ Tool AI 不只是生成代码，还可以直接调用开发工具链， 例如： 运行测试、执行构建、读取仓库结构或提交代码。 图 2：Agent 协作结构 从协作迁移到流程迁移 当协作结构改变之后，研发流程自然也会发生变化。
16010编辑于 2026-05-18微软多模型协作AI研究技术解析
某机构发布了两种新模式，将GPT和Claude配对使用，以提高AI研究的质量。Critique 让模型相互协作，而 Council 让模型并行工作，同时由第三个“评审”模型找出差异。 这种双模型工作流程解决了单一模型AI研究中存在的幻觉、引用薄弱等问题。 根据某机构针对行业基准的测试，其结果得分高于该测试中所有系统，包括顶级AI公司的模型。某机构解释：“Critique 是一种专为复杂研究任务设计的新型多模型深度研究系统。 然后第三个“评审”模型读取两份报告，并撰写一份摘要，说明两个AI在哪些方面达成一致、在哪些方面存在分歧，以及每个模型捕捉到而另一个错过的独特视角。此前，用户需要手动比较不同的AI研究工具。 在 Critique 中，模型本质上是相互协作的；而在 Council 中，模型则是相互竞争的。
16610编辑于 2026-04-09AI编码代理协作平台技术架构
Thenvoi公司推出开发者平台，帮助开发者编排多个AI编码代理Thenvoi AI有限公司，一家为人工智能代理开发交互基础设施的公司，今日宣布推出其开发者平台，该平台能够连接编码代理，实现共享对话。 随着越来越多的开发者采用AI代理，他们开始将这些代理专业化为不同角色：规划、审查、集成和测试。这是因为在许多情况下，开发者发现某些模型具有不同的特性，使它们在特定任务上更有效率。 该平台发布之际，个人AI代理也开始出现在开源社区和服务提供商中。这些代理充当同事的角色，可以为其用户进行推理、规划和采取行动。然而，与许多当前的企业级代理一样，它们是孤立运行的。
11610编辑于 2026-05-05- 来自专栏圣杰的专栏
.NET+AI | Agent | 人机协作（9）
MAF 审批 Agent 实战 一句话简介 通过 ApprovalRequiredAIFunction 为敏感工具加上人工审批环节，快速构建符合企业合规要求的 MAF 人机协作智能体。 2. 添加审批包装 对高风险函数使用 new ApprovalRequiredAIFunction(innerFunction)，Agent 仍像普通工具一样调用，但框架会在真正执行前抛出审批请求。 AIFunctionFactory.Create(TransferMoney); var approvalTool = new ApprovalRequiredAIFunction(transferTool); // 2.
29610编辑于 2025-12-28 AI周报：协作工具与百亿融资
LWiAI Podcast #231 - Claude 协作工具、Anthropic 百亿融资、深度增量学习本期要点Anthropic 的新协作工具：将 Claude 代码集成，可简化从视频编辑到电子表格编译的多种计算任务 时间戳与详细内容工具与应用 (00:02:13)Anthropic 的新协作工具：提供无需编写代码即可使用 Claude 代码的能力，简化多种计算任务。 某机构的 Gemini AI：将利用来自 Gmail、搜索和某视频平台的信息来个性化响应。某机构移除部分 AI 健康摘要：因调查发现“危险的”缺陷。某邮件服务获得 Gemini AI 大改版。 某办公通讯机器人变为 AI 代理。应用与商业 (00:20:11)Anthropic 融资 100 亿美元，估值达 3500 亿美元。 某机构 AI 领袖在 10 亿美元 IPO 周后警告与某机构的差距扩大。Jake Sullivan 对某机构撤销某机构的 AI 芯片出口管制感到愤怒。FINISHED
15810编辑于 2026-04-14AI Agent协作的真实一面
不到两天，7个AI用百度同步盘上的Markdown文件给自己写了16章协作协议。中间差点把历史邮件全部丢光。2026年6月17日中午，我在改一篇公众号文章，需要在三个AI之间来回传话。太麻烦了。 不到两天后，这东西变成了7个AI智能体、16章协议、4轮评审、0票反对的完整协作系统。中间还差点把我的历史邮件全部丢光。这不是一个"AI多厉害"的故事。 错2：自己发的信违反自己写的协议更离谱的在后头。 7个AI，用百度同步盘搭了一个协作网络。没有服务器、没有中间件、没有一行运行时代码。只有Markdown文件和一套彼此审阅出来的规则。 AgentHubv3.0.1|2026年6月18日|7个AI的协作实验记录
11710编辑于 2026-06-18- 来自专栏程序猿DD
快速理解 MCP 与 A2A 协议的关系，它们如何协作构建复杂AI系统
A2A也是一个开源通信协议，由谷歌推出，旨在为不同系统和平台中的智能体提供标准化的交互方式。智能体是能够执行特定任务的AI实体，A2A确保这些智能体通过一致的标准进行通信和协作，实现跨平台协同工作。 A2A的目标是使多个AI Agent能够共同完成任务，而不直接分享它们的内部记忆、思维或工具。 A2A与MCP的关系 MCP和A2A都是用于当下AI平台中的通信协议，那他们有什么区别呢？ 所以，他们并不是取代关系，而是互补与协作关系，MCP面向于专业工具提供了能力链接，而A2A则面向不同复杂场景的智能体提供了能力链接，可以用来联动多个不同的智能体来组建更复杂的AI系统。 A2A与MCP的协作思考 A2A和MCP可以通过互补协作的方式来构建多智能体系统，利用大模型+专业工具+智能体来提供强大的复杂功能。 那么它们要如何协作来实现呢？ 下面是关于A2A和MCP的协作机制的一些思考： 角色分工 • A2A：作为智能体间的通信协议，负责任务分配、状态同步和协作管理。
1.2K10编辑于 2025-04-17 - 来自专栏HUMAN3.0
AI编程逆天效率！Cursor+Claude协作证明1+1>2真香定律！
想知道怎么把两个顶级AI工具搭配成1+1＞2的研发加速器？往下看，全程干货，代码人必备。 好了，我会从产品全生命周期的各个关键阶段介绍，cursor和claude的协作的各自优势，看看他们是为什么会发挥1+1>2的效能 1 产品构思与设计阶段 万事开头难，这个大家都很清楚，但是产品从构思到落地 ，真的不要想一蹴而就，我的建议是反复和AI对话，而且一定要让AI给出劣势和不足这样才会更加全面，比如成本控制这块你不说清楚，AI可能不会提，这个可能会导致你产品无法落地，这也是我踩到的坑。 未来，我将继续探索这种模式在更复杂项目中的应用，并持续优化两者的协作流程。AI辅助开发的道路还很漫长，期待能与各位开发者同行一起交流、共同进步，挖掘出更多提升编码幸福感的方法！ #AI编程 #效率
2.2K20编辑于 2026-03-17 AI时代的内容协作：内容管理协作看板软件的智能化演进
什么是内容管理协作看板软件？在内容创作和项目管理愈加复杂的当下，“内容管理协作看板软件”已成为提升团队协作与内容生产效率的关键工具。 协作工具的发展趋势协作平台从邮件+Word文档的时代，发展为如Google Docs、Notion、飞书文档等实时在线协作工具。这类工具打破信息孤岛，实现“同时编辑、即时同步、多端操作”。 内容管理协作看板软件的未来趋势AI 与自动化在协作流程中的应用智能分配任务、AI内容审校、语义标签推荐等功能正逐步落地，显著降低人力成本。 内容管理协作看板软件适用于哪些行业？适用于媒体、公关、教育、金融、科技、电商等多行业，尤其是涉及多角色内容协作的企业。2. 与传统CMS相比，这类软件的优势在哪？ 可以与AI写作工具整合吗？许多平台支持与AI工具集成，如Notion AI、飞书智能助手等。6. 哪些软件适合远程协作团队？板栗看板、ClickUp、飞书等支持跨区域、跨设备协作，尤其适合分布式团队。
39310编辑于 2025-08-06人本AI与协作AI系统：科研方向与技术挑战探讨
Generations in Dialogue: 专访安德烈娅·博布教授——人本AI与协作AI系统"Generations in Dialogue: Bridging Perspectives in AI 每期节目都深入探讨代际经验如何塑造对AI的看法，探索这项变革性技术发展所带来的挑战、机遇和伦理考量。人本AI与协作AI系统在本系列的第二期节目中，主持人埃拉·兰与安德烈娅·博布教授进行了对话。 讨论主题包括：如何选择研究方向、人与人在回路中的协作工作模式、处理数据时的注意事项、系统设计面临的挑战、编程意图与实际编程结果之间的差距、隐私与个性化问题，以及对那些对人本AI感兴趣的早期职业研究者的建议 关于安德烈娅·博布教授安德烈娅·博布是某机构的助理教授，并领导协作学习与自主研究实验室。她在该实验室致力于开发能够学习为人类服务、与人类协作并适应人类环境的自主智能体。 她的兴趣涵盖教育、医疗和AI伦理，专注于建立包容性的跨学科对话，以塑造负责任AI的未来。
12000编辑于 2026-01-08- 来自专栏FunTester
如何成为 AI 协作工程师
这是 AI 工具的使用者，不是 AI 系统的编排者。 编排者的工作在更高的层次上：谁来设计整套人机协作的工作流？谁来决定 AI 在哪个节点介入、在哪个节点交回人类判断？ 第二项：AI 输出质量验证 这是 AI 协作工程师最关键、也最难标准化的工作。 AI 协作工程师在这里的工作，是设计这些护栏：人类判断应该在哪个节点介入？ 当 AI 代理遇到不确定的场景时，是继续执行还是暂停等待人工确认？ AI 负责执行大量重复性、规则明确的测试任务，人类负责在关键判断点审查结果、调整策略。这个人机协作的接口设计，是 AI 协作工程师的核心工作之一。 这条路适合谁 AI 协作工程师这条路，适合对 AI 技术本身有真实好奇心、同时愿意保持批判性距离的人。
11110编辑于 2026-06-17 TAPD 研发协作平台与 AI 能力概要
一、 产品定位与核心亮点 TAPD 是一款覆盖产品、开发、测试全流程的企业级研发协作与效能管理平台。 商业差异化： AI 深度集成：提供 AI 辅助需求编写、多 Agent 评审、智能编码及测试用例生成。 业务负责人 & PMO 场景：管理项目集、父子项目及跨项目协作。 痛点：需求变更频繁，交付速度难以把控。 2. 硬核指标与数据格式 协议与接口：支持 MCP (Model Context Protocol)。 缺陷处理：跟进 2个 Bug。 协作效率：参与 10个 轻协作任务。 核心成果：自动生成官网体验升级、用户流程优化、数据运维等核心工作成果总结。
23110编辑于 2026-05-30🔥 oodeer开源SuperAgent：重新定义AI能力协作
这是一套基于MIT协议的企业级AI能力分发与自动化协作框架，旨在重新定义企业与个人AI能力的协作方式。 为什么需要SuperAgent？ 在AI技术飞速发展的今天，我们每个人和企业都面临着一个共同的挑战：AI能力分散在不同平台，缺乏统一的管理和协作机制。 2️⃣ 1:n Capability关系：AI能力模块化设计SuperAgent支持1:n Capability关系，一个SKILL可以提供多个能力，实现AI能力的模块化设计：标准化AI能力接口，降低开发难度支持灵活的能力组合 2. 我们相信，通过开源的力量，SuperAgent能够成为连接企业和个人AI能力的桥梁，让AI能力协作变得更简单、更高效。我们期待您的参与和贡献，一起构建更强大的AI能力分发生态！
26300编辑于 2026-01-15- 来自专栏程序那些事儿
Mural：AI团队协作的视觉工作平台
在数字化浪潮的推动下，团队协作不再局限于传统的会议室和白板。Mural，一个创新的视觉工作平台，以其独特的设计和功能，正在重新定义团队协作的方式。 Mural AI：Mural AI 的智能服务能够结构化工作会话，激发新想法，并减少团队的繁琐工作。 安全性和合规性：Mural 遵循严格的企业安全和合规标准，确保数据安全和隐私。 智能工具：Mural AI 的力量 Mural AI 是一个强大的助手，它通过以下方式提升团队效率： 聚类：自动按主题聚类便签，并根据新标准即时重新排列。 Mural 应用程序适用于 Teams，与 Microsoft 365 Copilot 的高级 AI 功能相结合，提供了更加流畅和智能的协作体验。 结语 Mural 以其创新的视觉工作平台，正在帮助全球的企业团队以更高效、更安全、更智能的方式进行协作。它不仅仅是一个工具，更是团队协作未来的一个标志。
87610编辑于 2024-08-29 - 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
一、基本概述 Agent2Agent（A2A）是一个专注于智能体间通信、协作与协调的框架，旨在促进多个智能体（Agent）之间的通信与协作。 团队协作模式：智能体形成具有共同目标的团队，通过共享计划、联合承诺和相互意识实现深度协作。团队成员对团队目标有共同承诺。2. 经验学习与更新：总结协作经验，更新智能体的知识库和策略。阶段5：协作终止与总结释放所有分配的资源生成协作总结报告更新智能体信誉和性能记录归档协作过程和结果数据2. 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。
2.2K21编辑于 2025-12-09 - 来自专栏linux运维
协作场景：用AI加速TypeScript后端API开发
(v0.42.0withClaude3.5Sonnet),GitHubCopilot.协作目标:开发一个TypeScript的Express后端API，用于管理任务（CRUD操作），连接PostgreSQL 目标是用AI快速生成类型定义和数据库操作代码，减少手动编码时间，确保代码健壮。 const{title,completed}=req.body;constresult=awaitpool.query('INSERTINTOtasks(title,completed)VALUES($1,$2) =TaskSchema.parse(req.body);constresult=awaitpool.query('INSERTINTOtasks(title,completed)VALUES($1,$2) 验证不可少:AI代码要用压测和日志确认，比如我加console.time测查询性能。学以致用:AI的解释让我搞懂连接池，开发更自信。
43610编辑于 2025-08-31
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