- 综合排序
- 最热优先
- 最新优先
- 来自专栏算法之名
AI智能体
langchain 概述 langchain是LLM与AI应用的粘合剂，是一个开源框架，旨在简化使用大型语言模型构建端到端应用程序过程，它也是ReAct(reason+act)论文的落地实现。 name__ == '__main__': os.environ['ZHIPUAI_API_KEY'] = '******' chat = ChatZhipuAI(model='glm-4' messages) print(response.content) 这里的 ZHIPUAI_API_KEY 需要你自己去智普网站 https://open.bigmodel.cn 去注册就有，运行结果 智能助手显神通 _main__': os.environ['ZHIPUAI_API_KEY'] = '******' streaming_chat = ChatZhipuAI(model='glm-4' 的诗')] streaming_chat(messages) 运行结果 智能助手显神通， 问答之间意无穷。
78010编辑于 2024-09-29 - 来自专栏Go语言学习专栏
7 - AI 智能体构建 - AI 超级智能体项目教程
本节重点 学习 AI 智能体的概念和构建方法，掌握如何实现具有自主决策能力的 AI 系统。 具体内容包括： AI 智能体概念与特点 智能体实现关键技术 使用 AI 智能体的多种方式 OpenManus 实现原理 自主实现 Manus 智能体 智能体工作流编排 A2A 协议 一、什么是智能体？ 三、使用 AI 智能体 有 3 种方式可以使用 AI 智能体，之前的教程中其实我们已经有接触过，这里再快速复习一遍。 比如可以在阿里云百炼、Dify 等平台上创建智能体 2、软件中使用 AI 开发工具 Cursor、tare 就集成了 AI 智能体，可以帮我们生成完整的项目代码、或者解释项目代码。 思路：其实利用 Spring AI，只需要把 MCP 服务中的工具提取出来变成工具列表，就可以复用已有的 ToolCallAgent 了 4）自行开发一个特定领域的超级智能体，可以直接继承 ToolCallAgent
65610编辑于 2026-03-17 - 来自专栏算法之名
AI智能体(六)
接AI智能体(五) Dify Dify是一个开源的Agent开发平台，使用Dify有两种方式，一种是使用Dify的在线平台。https://cloud.dify.ai。 一种是进行私有化部署。 DEPLOY_ENV: ${DEPLOY_ENV:-PRODUCTION} CHECK_UPDATE_URL: ${CHECK_UPDATE_URL:-https://updates.dify.ai POSTGRES_SHARED_BUFFERS: ${POSTGRES_SHARED_BUFFERS:-128MB} POSTGRES_WORK_MEM: ${POSTGRES_WORK_MEM:-4MB true} WEAVIATE_AUTHORIZATION_ADMINLIST_USERS: ${WEAVIATE_AUTHORIZATION_ADMINLIST_USERS:-hello@dify.ai \n• 您的家族有什… "model_name": "gpt-4o-mini" } 输出 { "text": "```json\n[\n {\n \"chapter\": \"
1.1K00编辑于 2025-02-06 - 来自专栏算法之名
AI智能体(四)
接AI智能体(三) memory工具使用 以往，我们都是直接跟大模型进行交互，没有办法系统的实现记忆。 在上图中，用户在向大模型问问题时会首先读取记忆体，查看以往是否回答过相同的问题或者相关的文档可以参考。 如果有就会返回并添加到提示词模版中，再通过大模型的处理得到答案，得到答案之后再将答案反写回记忆体，这是一个循环的过程。 **智能合约和应用生态**：以太坊拥有强大的开发者社区和丰富的应用生态，这推动了其需求的增长，并对价格产生积极影响。 2. 4. **跨链技术的进步**：随着跨链技术的发展，以太坊能够与其他区块链网络进行互操作，这可能会扩大其生态系统，并增加其作为价值转移和智能合约平台的吸引力。 5.
1K00编辑于 2025-02-06 - 来自专栏算法之名
AI智能体(五)
接AI智能体(四) MetaGPT 环境装配 metagpt下载地址：https://github.com/geekan/MetaGPT conda create -n metagpt python= model: "glm-4" # or gpt-3.5-turbo api_key: "******" 测试： 在终端命令行中进入Meta-GPT-main目录中执行 metagpt "Write a cli snake game" 单动作智能体 定义动作 import re from metagpt.actions import Action class SimpleWriteCode(Action 多动作智能体 import asyncio import sys import subprocess from metagpt.llm import LLM from metagpt.actions import ready to SimpleRunCode 2024-12-03 16:12:24.361 | INFO | __main__:run:19 - The sum of [1, 2, 3, 4,
76000编辑于 2025-02-06 - 来自专栏人工智能
Notion AI 智能体
NotionAI智能体Notion3.0的AI智能体通过自动化流程实现复杂任务闭环。其核心能力包括智能搜索、数据分析、决策制定和执行操作。 零一万物万智2.5平台解析万智2.5平台采用多智能体协作架构，每个角色对应特定职能：市场智能体：自动生成营销方案并执行投放HR智能体：处理招聘全流程，包括简历筛选和面试安排财务智能体：实时监控预算并生成分析报表平台通过智能体间的通信协议实现协作 例如启动新项目时，系统自动组建包含产品、设计、开发智能体的虚拟团队，各角色通过API交换数据并同步进度。 ：知识库建设：结构化企业数据供智能体调用权限管理：设置不同智能体的数据访问层级验证机制：关键决策需加入人工审核环节典型部署流程包括POC测试阶段，先选择单一业务场景验证，如自动生成周报，再逐步扩展至复杂业务流程 监控系统需记录智能体的决策路径和执行效果，便于持续优化。
24010编辑于 2026-01-07 - 来自专栏算法之名
AI智能体(二)
name__ == '__main__': os.environ['ZHIPUAI_API_KEY'] = '******' chat = ChatZhipuAI(model='glm-4' 我是人工智能助手智谱清言，可以叫我小智，很高兴见到你，欢迎问我任何问题。' token_usage': {'completion_tokens': 32, 'prompt_tokens': 6, 'total_tokens': 38}, 'model_name': 'glm-4' , 'finish_reason': 'stop'}, id='run-b982480c-39d9-4445-8888-62a10339ef86-0')]} 状态持久化 许多AI的应用程序需要Memory
64110编辑于 2024-10-05 【AI智能体创作】
AI智能体创作思路 AI智能体的核心在于模拟人类思维和行为模式，通过算法和数据处理实现自主决策。创作思路通常包括目标定义、数据收集、模型训练、评估优化等环节。 目标定义阶段明确智能体的功能边界，比如聊天机器人、游戏NPC或自动化工具。数据收集阶段获取相关领域的语料、图像或其他输入数据。模型训练阶段选择合适的算法架构，如深度学习、强化学习或规则引擎。 智能体的核心功能包括" input_ids = tokenizer.encode(input_text, return_tensors="pt") output = model.generate( 医疗问诊数据不足时提升模型鲁棒性 标准化流程 建立数据Schema（字段类型、取值范围约束） 制定标注规范（如情感分析中的5级评分标准） 实施版本控制（记录数据集的迭代变更） 完整预处理流程通常需要2-4次交叉验证调整 4. 学习率调度器 动态调整学习率可提升模型收敛速度和最终性能。常见调度策略包括： CosineAnnealing：学习率按余弦曲线衰减，适用于训练后期精细调参。
36610编辑于 2025-12-17- 来自专栏AI技术应用
AI智能体的开发
AI智能体的开发技术方案是一个复杂且多层面的决策过程，它需要根据智能体的具体功能、性能要求、部署环境、可扩展性以及团队的技术栈来综合考量。 以下是一个全面且分层的AI智能体开发技术方案，涵盖了从数据到部署的各个环节。 强化学习 (如果需要): Stable Baselines3/Ray RLlib: 用于训练决策制定型智能体，例如游戏AI、资源调度。 4 智能体逻辑与编排这是将AI模型能力“串联”起来，实现复杂行为的核心。Prompt Engineering: 精心设计给LLM的指令，定义智能体的角色、目标、约束和输出格式。 通过对上述各个层面的精心规划和技术选型，可以构建出健壮、高效且智能的AI智能体。
1.1K10编辑于 2025-06-16 【AI智能体的应用】
应用场景： 人工智能虚拟助手：开发可以回答用户问题、执行任务、提供建议的智能助手，如Siri、Google Assistant等。 自动驾驶系统：开发可以自主控制汽车行驶的智能系统，包括感知、决策和控制等环节。 金融风控：基于大数据和机器学习算法，开发智能风控模型，对银行、保险等金融机构的风险进行评估和管理。 医疗辅助诊断：开发可以辅助医生进行疾病诊断和治疗决策的智能系统，如基于影像分析的肺癌早期诊断、基于病历数据的病情预测等。 智能客服：开发可以理解用户问题并提供解答的智能客服系统，如基于自然语言处理和深度学习的智能聊天机器人。 , "你是谁": "我是一个智能问答客服。", "天气如何": "今天天气晴朗，温度24°。", "再见": "再见，祝你有美好的一天！"
27310编辑于 2025-08-29- 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。 AI Agent的构成 模型：为智能体的推理和决策提供动力的LLM，决定了智能体的下限。 工具：智能体可用于采取行动的外部函数或API。 指令：定义智能体行为的明确指导方针和安全策略。 , "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。" 回答要准确、简洁、有帮助 4. 如果不确定，诚实地说明 开始！ Agent2Agent (A2A) Agent2Agent (A2A) 协议是一种开放标准，旨在让 AI 智能体之间实现无缝通信和协作，正如 MCP 提供了一种标准化的方式来让 LLM 访问数据和工具一样
84510编辑于 2026-01-06 - 来自专栏设计模式
AI 智能体上下文工程 4 大实用策略解析
鉴于此，Cognition公司强调了上下文工程的重要性： “上下文工程”……实际上是构建AI智能体的工程师的首要工作。 智能体也正在获得这种能力！通过“便签本”做笔记是一种在智能体执行任务时持久化信息的方法。其核心思路是将信息存储在上下文窗口之外，确保智能体可随时获取。 在AI工程师世界博览会上，西蒙·威利森（Simon Willison）分享了一个选择失误的例子：ChatGPT从记忆中获取了他的位置信息，并意外地将其注入到用户请求生成的图像中。 4. 隔离上下文（Isolate Context） 隔离上下文指拆分上下文，以帮助智能体执行任务。 多智能体（Multi-agent） 隔离上下文最流行的方法之一是在子智能体之间拆分上下文。 Anthropic的多智能体研究证明了这一点：具有隔离上下文的多个智能体的性能优于单个智能体，这很大程度上是因为每个子智能体的上下文窗口可专注于更具体的子任务。
86011编辑于 2025-10-20 - 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。 1.需求分析与定义1.1明确目标确定 AI 智能体的核心功能和应用场景（如聊天机器人、推荐系统、自动驾驶等）。定义智能体的输入、输出和交互方式。 4.模型训练与评估4.1模型训练使用训练数据集训练模型。监控训练过程，调整超参数。4.2模型评估使用验证数据集评估模型性能。常用评估指标：分类任务：准确率、精确率、召回率、F1 分数。 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。7.部署与监控7.1部署环境选择部署平台（如云端、边缘设备）。 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。
2.7K20编辑于 2025-02-18 - 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。 客户服务：智能客服机器人： 能够 24/7 回答客户的常见问题、处理订单、提供技术支持等，提高客户服务效率和满意度。例如，银行、电商平台的在线客服。 4. 工业制造：机器人控制： 控制工业机器人执行各种生产任务，例如装配、焊接、喷涂等，提高生产效率和自动化程度。质量检测： 利用计算机视觉技术检测产品缺陷，提高产品质量。 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。
1.5K10编辑于 2024-12-23 - 来自专栏APP开发
AI智能体的开发流程
开发一个AI智能体是一个从抽象概念到具体产品的系统性工程，它远不止是编写代码，更融合了产品思维、软件工程和人工智能的精髓。 这个架构决定了智能体如何思考和行动。接下来是技术栈选型。这包括选择底层的大语言模型，是根据任务复杂度和成本选择GPT-4o、Claude 3还是开源模型？选择哪个开发框架？ 这是智能体智能的灵魂所在。代码需要驱动智能体执行一个工具，观察其结果，然后让LLM判断：任务是否完成？是否需要调整计划并尝试下一步？这个循环让智能体具备了试错和自我修正的能力。 这个过程让智能体从一个静态的程序，真正进化为一个能够与用户共同成长的“生命体”。综上所述，AI智能体的开发流程是一个从概念到产品，再到持续进化的动态闭环。 它要求开发者不仅是程序员，更是产品经理和心理学家，深刻理解用户需求，并精心设计智能体的思维和行为模式。通过严谨的流程和持续的迭代，我们才能构建出真正可靠、有用且能不断自我完善的AI伙伴。
71911编辑于 2025-10-10 - 来自专栏产品笔记
什么是AI Agent（智能体）？
Chatgpt发布了GPTs，钉钉发布了AI助理，在AI时代 AI agent（智能体）是大模型落地业务场景的主流形式，那什么是AI Agent？ 01 — 什么是AI Agent？ AI Agent是指人工智能代理（Artificial Intelligence Agent）是一种能够感知环境进行自主理解，进行决策和执行动作的智能体。 因此将大模型作为AI Agent的核心大脑，实现将复杂任务拆解成可以实现的子任务等能力，构成具备自主思考决策和执行任务的智能体。 自省框架使AI Agent能够修正之前的决策，从而不断优化。这种反思和细化可以帮助 Agents 提高自身的智能和适应性。 2. 记忆 （Memory） ①、短期记忆：对AI Agent智能体系统的所有输入会成为系统的短期记忆，所有上下文学习都是依赖模型的短期记忆能力进行的。
24.5K11编辑于 2024-01-15 - 来自专栏AI技术应用
AI 智能体的开发技术
AI 智能体的开发框架是用于构建和部署 AI 智能体的软件工具和技术的集合。它们提供了一组预先构建的组件、API 和工具，简化了智能体的开发过程。以下是一些常见的 AI 智能体开发框架。1. 4. OpenAI Gym特点： 由 OpenAI 推出，用于强化学习算法的开发和评估 提供各种强化学习环境 方便开发者测试和比较不同的算法 适用于：需要进行强化学习算法研究的应用如何选择 AI 智能体开发框架 选择 AI 智能体开发框架时，需要考虑以下因素：项目需求：确定智能体的功能需求、交互方式、学习方式等。技术栈：选择与现有技术栈兼容的框架，降低开发成本。开发团队：考虑开发团队的技术能力和经验。 总结AI 智能体开发框架是构建 AI 智能体的重要工具，选择合适的框架可以提高开发效率、降低开发成本。希望以上信息能帮助您更好地了解 AI 智能体开发框架。
40610编辑于 2025-02-18 - 来自专栏AI技术应用
AI智能体的开发框架
AI智能体的开发框架指的是用于构建、部署和管理AI智能体的工具、库、平台和方法论的集合。选择合适的框架对于加速开发、确保可伸缩性、可维护性和最终的部署效果至关重要。 以下是一些主流的AI智能体开发框架和相关技术，可以根据具体需求进行选择和组合：1. 4. 智能体构建和编排框架 (Agent Building & Orchestration Frameworks)这些框架侧重于将不同的AI能力（如NLU、模型推理、外部工具调用）组合起来，形成一个更完整的智能体 通过合理选择和组合这些框架，可以高效地构建出强大、可靠且可扩展的AI智能体。
1K10编辑于 2025-06-16 - 来自专栏AI技术应用
AI智能体的开发流程
AI 智能体（AI Agent）的开发是一个涉及多个步骤的复杂过程，需要清晰的规划和执行。它不仅仅是训练一个模型那么简单，而是构建一个能够感知环境、做出决策并执行动作的完整系统。 以下是一个较为全面的 AI 智能体开发流程概述，涵盖了从需求分析到部署维护的各个阶段。1. 需求分析与定义 (需求分析与定义)：明确目标 (明确目标)： 确定智能体的应用场景和目标，例如是用于客户服务（例如聊天机器人）、游戏 AI（例如游戏中的 NPC）、自动驾驶（例如车辆控制系统）、内容创作 希望以上信息能够帮助您更好地理解 AI 智能体的开发流程。记住，每个项目的具体流程可能会有所不同，需要根据实际情况进行调整。 同时，需要不断关注AI领域的新技术和新方法，以便开发出更加智能和高效的智能体。
1.7K10编辑于 2025-01-11 - 来自专栏APP开发
AI智能体的开发流程
AI 智能体是能够自主感知、规划、决策和执行复杂任务的软件系统。开发一个成功的 AI 智能体需要跨越传统软件开发和高级 AI 工程的多个阶段。 技术栈与 LLM 选择核心引擎选择： 选择作为智能体“大脑”的大语言模型（LLM）（例如：Gemini 系列、GPT-4）。选择标准包括推理能力、上下文窗口大小和 API 成本。 权限最小化： 确保智能体在执行任务时，只拥有其绝对需要的工具和数据访问权限。阶段四：部署、监控与持续优化（Deployment & Iteration）智能体部署后，需要持续监控其表现和效率。1. 部署环境将智能体部署到云端服务器，配置高可用性和弹性伸缩，以应对用户并发请求。2. 性能与成本监控延迟监控： 实时监控智能体执行任务所需的总时间，特别是 LLM 调用延迟和 RAG 检索时间。 遵循这一框架，开发者可以构建出稳定、高效且具备学习能力的 AI 智能体，使其能够在复杂的真实世界环境中执行有价值的任务。
83811编辑于 2025-10-10
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