- 综合排序
- 最热优先
- 最新优先
- 来自专栏决策智能与机器学习
自主性
自主这个词在AI圈子越来越火，有变成玄学的趋势，但到底什么是自主，跟自动化、智能有啥关系，我们一起来看看。 先问大家一个问题，自主性是越高越好吗？ 什么是自主性 自主性的英文是autonomy，英文上的解释为“the quality orstate of being self-governing；self-directingfreedom and 中文上的词条解读，自主性是行为主体按自己意愿行事的动机、能力或特性。 所以比较好理解的是，自主就是自己当家作主。 ，或者独立完成，都应该算作自主性，而且，如果是与人协作沟通完成的方式反而是更加复杂一些的。 回到一开始说的问题，自主性是越高越好吗？
94450发布于 2021-05-11 - 来自专栏网络安全技术点滴分享
AI重塑工程实践：对齐自主性如何提升团队效能
工程实践正在被重写：不再有黄金路径在技术持续变革的时代，工程领导者如何确保团队的对齐性、自主性和生产力？ 关键讨论要点AI对工作流的全局影响Superhuman通过AI技术全面提升组织工作流程改进新员工入职培训体系帮助员工优化工作流程使团队能够重启先前搁置的项目工程效能度量策略定性指标与定量指标的结合运用通过数据驱动方法衡量团队效能持续改进工程团队绩效的实践方案对齐自主性概念在快速变化的行业中领导力的重要性通过赋予团队自主权提升组织运转速度平衡团队自治与组织目标的对齐机制资源链接通过 LinkedIn联系Loïc Houssier了解Superhuman：专为高效团队设计的AI原生邮件应用通过LinkedIn或Bluesky联系Ben Matthews本文节选自Stack Overflow 播客《代码领导者》系列，关注工程领导力与生成式AI在技术组织中的实践应用。
26810编辑于 2025-08-22 智能体革命：从0到1，拆解AI获得“自主性”的基础密码
摘要：2026年AI简单作为“问答机器”的存在，却见证了其向“智能体（Agent）”的形态跃迁。从0到1，这不仅是功能的高度，更是“自主性”的觉醒。 在AI进化的坐标系中，大模型（LLM）完成了从-1到0的知识压缩，而Agent（智能体）则正在完成从0到1的行动闭环。 02.核心能力拆解：具有“自主性”的三重架构技术架构Agent协调能实现“从0到1”（Exception）、决策（推理）与执行（行动）三位一体构成。 2.决策重构：从“规则引擎”到“策略大脑”——它是特工的“前额叶皮层”如果说传统自动化是“地铁轨道”（只能按预设路线跑），那么Agent的决策就是“越野导航”（目标不变，路径实时支撑）。 （本文章由AI辅助生成）
34010编辑于 2026-01-23生成式AI驱动的范式转移：论智能体在企业价值链重构中的自主性演进
在传统 IT 时代，数据是被动记录的资产；而在 AI 时代，数据是训练大模型和驱动智能体决策的燃料。缺乏高质量、AI 就绪的数据，任何宏大的 AI 愿景都将成为空中楼阁。 这种自主性在供应链领域体现得尤为明显。预测指出，相当比例的日常供应链决策将由 AI 智能体独立完成。 攻击者正在利用 AI 智能体进行更高效的凭证窃取和欺诈，这使得防御方必须同样采用 AI 技术来进行对抗。网络安全正在演变为一场“AI 对抗 AI”的军备竞赛。数据安全特别是隐私保护面临着严峻挑战。 在这里，你不仅能获取AI相关的各类市场分析报告、技术论文书籍、应用实践指南等等，涵盖生成式AI、大模型、AIGC、AI芯片和机器人等技术、应用和市场，还能与同侪一起探讨如何使用人工智能大模型和智能体来为工作增效 企业和个人都需要从根本上改变对技术的认知，从将 AI 视为一种单纯的效率工具，转变为将其视为具有一定自主性的合作伙伴。
47510编辑于 2025-12-152026年，重新定义Agent：从模型级标准定义看AI的“自主性”跃迁
摘要：在2026年的AI技术浪潮中，Agent（智能体）已不再是实验室里的概念，而是从“能说会道”的Chatbot进化为“能承载事”的数字定义生命体。 2.核心公式如果用一个公式来表达2026年的Agent架构，那就是：Agent=LLM+Planning+Memory+Tools3.本质差异它推动人工智能从“更强大的工具”向“数字生命体”的进化。 2.目标驱动的决策与规划（从“脚本”到“拆解”）传统视角：执行If-Then的固定死逻辑。特工视角：你给它一个模糊的目标，它能自动拆解为可执行的路径。举例：目标是“提升用户留存”。 （灵活）05.2026年展望：从“能说会道”到“能扛事”站在2026年的时间节点，Agent正在成为AI技术落地的“操作系统”。从工具到伙伴：以前我们把AI代理工具（工具），你需要知道怎么用它。 让AI从“辅助人类”走向“美好创造”。写给开发者与创作者的建议写作贴士：不要只写“这个Agent可以生成PPT”，这太浅了。要强调它的“自主性”和“决策链”。
2.4K43编辑于 2026-01-19- 来自专栏量子位
人人都可拥有的自主性AI：有记忆会使用工具，还会自我学习！底层自研框架即将开源
还不是把人类对AI的想象力再次打开了。 使唤AI不用再一句句引导，更不用去研究提示工程了。 人人像钢铁侠那样拥有超级AI贾维斯不是梦。 以此让AI可以完成一个长链条任务，和AutoGPT非常相似。 而且相对于AutoGPT，MindOS背后框架的自主性更高。 其研发成果已应用到NASA、波音公司等；搭建的Facebook大规模内容理解平台，日均服务超过2亿用户。 此外，他还担任了EMNLP、CIKM、ACL、SIGMOD、WWW等领域顶会的评审专家。 感兴趣的童鞋可戳下方链接报名： Webinar 1: https://us02web.zoom.us/webinar/register/WN_mCV8jzA-S--4K5u9KssCug#/ Webinra 2: https://us02web.zoom.us/webinar/register/WN_Wpn01K2lTt2sbIw0M0e8IA#/registration — 完 — 点这里关注我，记得标星哦～
87720编辑于 2023-05-06 双图谱驱动智能渗透测试：解决复杂任务遗忘与幻觉，提升攻防自主性
智能体协同框架：Planner生成DAG任务图，Executor执行ReAct循环与科学实验范式（假设-验证-归因-升级），Reflector通过分层失败归因体系(L1-L5)定位错误（L1执行层修复工具指令；L2补全依赖 undefined客户价值：实现从“脚本执行”到“自主推理”跨越，达成动态重规划与证据推理闭环，提升复杂环境攻防自主性（来源：任务图 | Plan-on-Graph动态图规划、因果图设计总结）。 生态与责任：方班-BinX战队以“开源共享”促进行业协同，加速我国“AI+安全”自主创新（来源：About us | 方班 - BinX 使命担当）。
25010编辑于 2026-04-05- 来自专栏ADAS性能优化
AI Weekly | Nov. 2, 2019
Defense Innovation Board unveils AI ethics principles for the Pentagon AI ethics principles to guide DeepMind's AlphaStar Final beats 99.8% of human StarCraft 2 players In a paper published in the journal 2 players. (via Harvard Business Review) AI could be a disaster for humanity. He wrote the book on AI and is leading the fight to change how we build it.
31120编辑于 2022-05-13 - 来自专栏架构驿站
一文读懂 Agentic AI（代理型 AI ）技术点滴
从某种意义上而言，Agentic AI 不仅仅是传统 AI 的升级版，通过结合大模型技术、强化学习和多模态交互，赋予了 AI 更强的自主性和目标导向能力。 2、目标导向（Goal-Directed） Agentic AI 能够理解并追求明确的目标，具备从目标分解到执行的完整能力。 代表了 AI 代理能力的最低阶段，其核心特征是高度依赖人类指令，缺乏自主性和对程序流程的控制能力。 Level 2：Router Pattern（路由模式）- Agentic AI 能力层级的初步决策阶段 此模式标志着 AI 代理能力从被动响应向主动决策的初步过渡。 Happy Coding ~ Reference ： [1] https://k21academy.com/ai-ml/what-is-agentic-ai/ [2] https://www.linkedin.cn
5.1K10编辑于 2025-03-24 马虾Agent的驾驭实践（四）-- 框架/模式和场景的“三角”选择
因为要反复调用AI模型，很容易“烧”掉不少API费用。 典型场景：开放域的探索任务，比如科研灵感、新奇想法的实验。 老实人：确定性工作流 + 规则引擎（比如RPA） 自主性：极低。 议会制：多智能体辩论/共识 自主性：很高。多个AI互相讨论、辩论，最终达成一致结论。 可控性：中高。结果经过“集体决策”，但仍然无法100%保证正确。 经济性：极低。 做AI Agent，就像组队打游戏：你总得放弃一样 前面我们聊了，想让一个AI智能体同时具备高自主性（自己会动）、高可控性（你能管得住它）、高效率（省时省钱）——这几乎是不可能的，就像打游戏时你不能同时点上所有天赋 所以优先保住：可控性（每一步都能解释、回滚） +效率（毫秒级响应） 愿意牺牲：自主性（AI不能自己发明新策略） 怎么做： 写死交易规则，加上各种“护栏”——比如禁止买入预算超标的股票、每笔交易都要记录。 所以优先保住：自主性（能自己设计实验步骤） +可控性（每一步都能审计） 愿意牺牲：效率（可以算几个小时甚至几天） 怎么做： 允许AI长时间推理、翻阅大量论文，但每一次搜索、每一个结论都要记录在案。
18210编辑于 2026-05-08- 来自专栏Android知识点总结
2-AI--Activity启动方式
standard.gif 依次打开Activity1、2、2、1、2 E/TASK_ID: Activity1 Task id is 89 E/TASK_ID: Activity2 Task id singleTop.gif 依次打开Activity1、2、2、1、2 E/TASK_ID: Activity1 Task id is 82 E/TASK_ID: Activity2 Task id is singleTask.gif 依次打开Activity1、2、2、1、2 E/TASK_ID: Activity1 Task id is 94 E/TASK_ID: Activity2 Task id singleInstance.gif 依次打开Activity1、2、2、1、2 E/TASK_ID: Activity1 Task id is 115 E/TASK_ID: Activity2 Task E/TASK_ID: Activity1 销毁 可见Activity2单独在一个栈中，多次开启Activity2不会新建实例 ?
78340发布于 2018-09-26 - 来自专栏大数据杂货铺
Edge2AI之流复制
我们的目标是在实验结束时实现以下双向复制架构： 实验总结 实验1 – 配置Kafka外部账户 实验 2 - 安装 Streams Replication Manager (SRM) 服务 实验 3 - 实验 2 - 安装Streams Replication Manager (SRM)服务 笔记在两个集群 上运行 在 Cloudera Manager 控制台上，单击左上角的 Cloudera 徽标以确保您位于主页上 有时我们可以看到相邻消息之间有近 2 秒的间隔。 消费者故障回复的工作方式相同。在我们让消费者失败之前，我们需要将偏移量反向转换（从集群 B 到集群 A）。 1 15656 good.failover global_iot 2 有时我们可以看到相邻消息之间有近 2 秒的间隔，这是正常的。
1.2K30编辑于 2022-04-27 - 来自专栏Unity游戏开发
游戏AI-A*寻路(2)
我们修改A*PathfindingProject的部分源码来实现战术寻路 在Path中我们修改GetTraversalCost函数来实现路径代价的重新计算 源码
90310发布于 2019-05-28 - 来自专栏奇点大数据
游戏AI小试牛刀（2）
上次我们说到用深度学习来做斗地主游戏AI的一个实验项目，这次我们来说说技术实现层面的一些问题。 对于这样一个应用场景来说，我们是可以把它当做类似于图片分类的场景去做的。
94550发布于 2018-04-10 - 来自专栏实在智能RPA
一文读懂 AI Agent 的企业级落地逻辑丨科普扫盲
2、性能指标与资源占用的平衡除考虑技术架构以外，Agent的性能指标也是衡量 AI Agent 是否适合企业级应用的一个重要标准。其中响应延迟、并发处理能力和资源占用是三个关键指标。 2、生态建设与数据积累作为Agent运行的重要支持，2025年，知识图谱预计会覆盖 80% 的标化场景，这就要求企业积极参与生态建设，积累和利用好数据资源。 四、AI Agent 的自主性与可控性怎么平衡随着 AI Agent 的不断发展，我们可以看到它自主性越来越强了，但这也引发了关于可控性的一些担忧。 一方面，AI Agent 的自主性使其能够更好地适应复杂多变的业务环境以提高工作效率和质量；但同时在另一方面，过高的自主性又可能导致 AI Agent 的行为难以预测和控制，带来潜在的风险。 因此企业在使用 AI Agent 时需要在自主性和可控性之间找到平衡，以更好确保 AI Agent 的行为符合企业的业务目标和伦理道德标准。
73720编辑于 2025-08-13 - 来自专栏Go语言学习专栏
2 - AI 应用开发 - AI 超级智能体项目教程
利用资源 1、Prompt 学习 网上和 Prompt 优化相关的资源非常丰富，几乎各大主流 AI 大模型和 AI 开发框架官方文档都有相关的介绍，推荐先阅读至少 2 篇，比如： Prompt Engineering [如果回答仍然不够具体] 进一步改进: 详细分析AI在医学影像诊断领域的具体应用，包括: 1. 现有的2-3个成功商业化AI诊断系统及其准确率 2. 这些系统如何辅助放射科医生工作 3. 比如我们来开发一个 AI 训练营面试助手应用，帮助用户解决面试当中遇到不会回答的问题，根据知识库进行模拟面试 2、怎么细化需求？ 整体方案设计将围绕 2 个核心展开： 系统提示词的设计 多轮对话的实现 1、系统提示词设计 前面提到，系统提示词相当于 AI 应用的 “灵魂”，直接决定了 AI 的行为模式、专业性和交互风格。 在正式开发前，建议先通过 AI 大模型应用平台对提示词进行测试和调优，观察效果： 2、多轮对话实现 要实现具有 “记忆力” 的 AI 应用，让 AI 能够记住用户之前的对话内容并保持上下文连贯性，我们可以使用
71411编辑于 2026-03-17 - 来自专栏Unity游戏开发
游戏AI-个体AI角色的操控行为(2)
Force() { //随机位移 Vector3 randomDisplacement = new Vector3((Random.value - 0.5f) * 2 * wanderJitter, 0, (Random.value - 0.5f) * 2 * wanderJitter); //从初始点加上一个随机位移 circleTarget Wander.gif 6.避开障碍 通过在AI前方发射一条一定长度的射线来检测AI前方是否有需要躲避的物体,在有障碍时,我们给AI一个向量为向前方的向量加上障碍中心到AHead的向量,来让AI物体避开障碍 velocity = m_vehicle.velocity; Vector3 normalizedVelocity = velocity.normalized; //从AI
90810发布于 2019-05-28 - 来自专栏月色的自留地
从锅炉工到AI专家(2)
大数据 上一节说到，大多的AI问题，会有很多个变量，这里深入的解释一下这个问题。 比如说某个网站要做用户行为分析，从而指导网站建设的改进。通常而言如果没有行为分析，并不需要采集用户太多的数据。 但实际上离最优解还有很大差距.下面这张图是降维到2维的一张示意图，可以看的更清楚： ? 图中的G点是最优解，A/B/C/D点都是局部最优解。 陷入局部最优解的时候实际上只有这样几个选择：1.随机产生另外一组初始值，同时增加尝试求解过程的次数，从而得到不同的解，取其中最好的值；2.变更梯度下降步长；3.变更或者优化算法。
63540发布于 2018-06-20 - 来自专栏AI系统
【AI系统】Im2Col 算法
N\times\left(\frac{H}{h}+2 (KH-1)\right)\times\left(\frac{W}{w}+2 (KW-1)\right)\times C作为早期的 AI 框架，Caffe 在 AI 框架发展的早期，Caffe 使用 Im2Col 方法将三维张量转换为二维矩阵，从而充分利用已经优化好的 GEMM 库来为各个平台加速卷积计算。 在 AI 框架中，Im2Col 通常是为了优化卷积操作而设计的，它通过将多次卷积操作转换为一次大矩阵乘法，从而可以利用现有的高性能线性代数库来加速计算。 随着 AI 框架的发展，很多框架也实现了更加高效的卷积算法，比如 Winograd 算法或者直接使用 cuDNN 等专门的卷积计算库，这些库内部可能对 Im2Col 操作进行了进一步的优化。 随着 AI 框架和硬件的发展，许多框架已经采用了更加高效的卷积实现，如直接卷积（Direct Convolution）、Winograd 算法或利用专用硬件加速器，这些实现可能不再需要显式的 Im2Col
2K10编辑于 2024-12-17 - 来自专栏测试人的日常
软件测试下的AI之路（2）
前言 随着科技日新月异的发展，人工智能正逐渐渗透到我们生活的各方各面，从智能语音助手到自动驾驶汽车，从智能家居到人脸识别技术，AI正以其卓越的智能和学习能力引领着新时代的发展方向。 虽然在当下，传统的软测技术仍然是绝对的主力，但是身为IT行业中的一员，近几年AI的全新业务体验与其超强的算力所带来的震撼感受也应该远超其他行业。 所以为了跟上时代的步伐，作为软测的大家是不是也应该考虑如何让AI辅助我们更加完整高效的完成日常的各类质量保障工作呢？ 2.
91220编辑于 2023-10-18
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