- 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？
94650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。 3.行动闭环：从“API调用”到“工具编排”——它是特工的“智能手脚”代理：调个接口”从0到1的跃迁：某运维代理发现磁盘一张。传统模式：脚本报错，等待人工处理。 （本文章由AI辅助生成）
34110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。
47610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。 3.持续交互与反馈闭环（从“单次”到“进化”）视角：瞬时任务，错了就报错停止。Agent视角：具备“反思”能力。 （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。 其中，从技术维度出发的思考和准备，要从3年前说起。 2020年GPT-3震撼发布，让陶芳波看到了LLM的无限潜力。 这是第一个模型，可以一个模型完成很多复杂任务，承载了人类几乎所有知识。 目前，他们已经和全球Top 3电商平台之一、亚太地区头部金融券商、全球顶尖跨境电商平台、国内头部虚拟人公司和头部元宇宙平台达成合作。 AI Copilot串联成网络：应用和服务的AI Copilot和每个个人AI Copilot，连接成一张全新的网络，服务的分发会在这个AI Network上发生。
87820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
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；L3调整手法 量化应用效果：提升推理可靠性与执行效率 筛选3个体现ROI的关键业务指标： 任务执行容错率提升：通过stalled_orphan状态自动阻断依赖失败下游，避免无效执行（来源：任务图节点模型容错机制） 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- 来自专栏人工智能头条
AI 3 分钟：每周最新闻
每天 AI 新闻那么多？其实一周 3 分钟就够了。 平时都是讲技术讲干货，太费脑子。周一是一周最难熬的一天，所以我们今天聊点轻松的话题。 全文大约2000字。读完可能下面这首歌的时间 ? ? 新闻联播8分钟讲 AI 上周最大的新闻，恐怕就是新闻联播给了 AI 8 分钟的展示镜头。也就是说，新闻联播花了 27% 的篇幅，在说一件事情。 farmingvillein 大概算了一下成本： 4 颗云 TPUs ✖ 2美元/小时(preemptible) ✖ 24小时/天 ✖ 4天 = $768 (约合 5300 人民币) 16 颗云 TPUs = ~$3k 甚至百度还联合有关部门，将北京海淀公园打造成全球首个 AI 公园。阿里在杭州搞智慧城市，百度在北京搞 AI 公园，好！非常好！ 他们发了一篇 10w+ 的文章，大意是：“一个文科女生，没有博士学位，经过 Fast.ai 三个月的培训，直接入职 Google 大脑做 AI”。
2.8K30发布于 2018-12-06 - 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。 3、环境感知（Environmental Perception） 通过多模态数据（如文本、图像、视频、传感器数据）全面感知环境。 3、多模态交互（Multimodal Interaction） Agentic AI 能够结合多模态数据（如文本、图像、语音、传感器数据）进行全面感知和交互，显著提升其环境适应能力。 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 3：Tool Calling（工具调用）- Agentic AI 能力层级的智能化执行阶段 Tool Calling（工具调用）层级代表了 AI 代理能力向智能化执行迈进的重要阶段
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。
18410编辑于 2026-05-08- 来自专栏Keegan小钢
AI+Web3实战营日志 #3 | Router合约
这是我的 AI + Web3 实战营的第三篇研发日志，前两篇如下： AI+Web3实战营日志 #1｜开营 AI+Web3实战营日志 #2 | 完成底层合约 另外，关于 AI + Web3 实战营的相关介绍则有如下几篇文章 ： 我要启动 AI + Web3 实战营了 再谈 AI+Web3 实战营：这到底能带给你什么？ AI+Web3实战营，9月15日正式开营 背景 上篇日志里我们完成了 BlockETFCore 底层合约，它能处理多资产按比例的申购赎回。 +V3 混合架构。 混合 DEX 集成 根据资产特性决定走 V2 还是 V3，比如： WBNB：走 V2 其他：走 V3 Router 内部做了自动判断，用户无感知。
22410编辑于 2025-11-12 - 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
3、场景化突破与价值创造AI Agent 在不同领域的应用都拥有很大的潜力，当前相关行业渗透率方面金融、医疗、工业较高，消费、教育次之，文旅、建筑等也在跟进。 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。 企业在引入 AI Agent 时，不仅要根据自身的业务需求和技术条件，制定合理的落地策略，同时也需要关注 AI Agent 的自主性与可控性关系问题，以确保其在为企业创造价值的同时，不会带来不可控的风险
73820编辑于 2025-08-13 - 来自专栏猫头虎博客专区
什么是Agentic AI？Agentic AI 与传统 AIGC 有什么区别？
Agentic AI，即“智能代理 AI”，是一种具备自主性和智能行动能力的人工智能系统。与传统的 AIGC 主要用于内容生成不同，Agentic AI 旨在创建能够执行复杂任务的智能代理。 这些代理不仅能分析数据、理解环境，还能制定决策并采取行动，具备一定的自主性和适应能力。 正文 2.1 Agentic AI 的核心特性 Agentic AI 主要具备以下核心特性： 自主性（Autonomy）：能够独立完成任务，不需要人类全程干预。 可交互性（Interactivity）：能够与人类或其他 AI 进行交互，协同完成复杂任务。 3. Agentic AI 的未来发展 Agentic AI 作为 AI 发展的新方向，未来可能带来以下变革： 更强的自主性：AI 代理将更加智能，能够独立完成复杂任务。
1.8K10编辑于 2025-03-21 Anthropic 实测数据曝光 ：AI 智能体已经能自主跑 45 分钟了
AI 智能体到底有多 “自主”？不是实验室跑分，不是理论推演，而是真实用户场景里的实测数据。 最近，Anthropic 发布了一份重磅研究 —— 基于数百万次真实人机交互，第一次把 AI 智能体在现实中的自主性、风险、人类干预行为彻底摊开。 结论很直白：AI 已经可以在无人干预的情况下，连续自主运行 45 分钟；越熟练的用户，越敢给 AI 放权，但也越会主动监控；高风险场景正在出现，只是还没大规模普及。 以下是该研究的完整中文版解读。 本研究的核心结论是：要实现对智能体的有效监管，需要搭建全新的部署后监控体系，也需要构建新的人机交互模式，助力人类与 AI 共同管控自主性与风险。 风险值整体集中在低分段，而自主性的分布则更为广泛：自主性评分为 3-4 分的低分段，智能体主要为人类完成小型、边界清晰的任务，如预订餐厅、微调代码；自主性评分超 6 分的高分段，智能体可独立完成向数据科学竞赛提交机器学习模型
19810编辑于 2026-06-01- 来自专栏SaaS业务讨论
漫谈SaaS业务3-AI浪潮
<3>2023年，GitHub平台上的生成式AI项目数量新增了65,000个，同比增长了248%。2024年，新增了超过7万多个与生成式AI相关的项目 。 在阐述观点之前，我先介绍下本人接触AI项目的经历： 我第一次接触AI项目是在2023年3月份，那时候是由于chatgpt4刚刚发布，整个业界对它的表现非常震惊。 影响3：受AI浪潮的热情，显卡变成了稀缺资源，目前的算力成本都很高，已经成为企业沉重的负担。影响4：受视觉识别，语义理解技术限制目前所有的AI应用无法像人一样去处理问题。 <3>算力成本，大家都知道AI最终玩的是算力，GPU成本将来是企业沉重的负担，如何降低算力成本也是重要的加分项。 3.选择合适的大模型来实现AI应用功能，尽量减少模型微调，未来更换大模型将会是高频事件而每次更换大模型都需要重新微调。 4.对生成式AI的成果需要充分利用，尽量减少重复无效的AI计算。
30310编辑于 2025-01-25 - 来自专栏测试人的日常
软件测试下的AI之路（3）
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？ 之后运行每次的测试任务，完成时都会生成一份名为report.xml的测试结果报告，界面如下： 3.
1.6K30编辑于 2023-11-11 - 来自专栏开发经验
AI伦理：科技发展中的人性之声
文章目录 AI伦理的关键问题 1. 隐私问题 2. 公平性问题 3. 自主性问题 4. 伦理教育问题 隐私问题的拓展分析 数据收集和滥用 隐私泄露和数据安全 公平性问题的拓展分析 历史偏见和算法 模型可解释性 自主性问题的拓展分析 自主AI决策 伦理框架 伦理教育的拓展分析 伦理培训 结论 然而，随着AI技术的快速发展，我们也面临着一系列伦理问题，这些问题涉及到我们的隐私、公平性、自主性和责任等方面。本文将深入探讨AI伦理的各个方面，并为新手小白提供易懂的解释和示例。 3. 自主性问题 问题：自主AI系统（如自动驾驶汽车）可以在没有人类干预的情况下做出重要决策，这引发了责任问题。 示例：自动驾驶汽车在紧急情况下必须做出决策，例如避免事故。 自主性问题的拓展分析 自主AI系统，如自动驾驶汽车和机器人，可以在没有人类干预的情况下做出重要决策。这引发了一系列责任和法律问题。
1.6K10编辑于 2023-12-13 - 来自专栏月色的自留地
从锅炉工到AI专家(3)
* b = 28 #---------------------------------------------------- # 矩阵常量运算的例子 matrix1 = tf.constant([[3. , 3.]]) matrix2 = tf.constant([[2.],[2.]]) product = tf.matmul(matrix1, matrix2) with tf.Session() as 本节的最后再说一下python2和python3，tensorflow对两个版本都能很好支持，python还可以支持c/c++/go等多种高级语言，但因为外围工具的原因，目前仍然是对python的支持最好 对python版本的偏爱纯属个人偏好，有的人喜欢python2,有的人则是python3的拥趸。 主要写独立性应用系统的，可以使用python3，其中一些特征很多人认为有利于企业型的应用系统编写，并且反正部署也是独立运行的，不用考虑兼容性。 (待续...)
85290发布于 2018-06-20 规避AI原生转型中的架构健忘症
在QCon AI纽约2025大会上，Tracy Bannon发表演讲，探讨了AI代理的快速采用如何重塑软件系统，以及如果组织将所有“AI”或“代理”视为可互换的，为何会面临重复熟悉架构失败的风险。 “每个人都在谈论AI‘生产力’，却很少有人提及随之而来的架构健忘症。” —— Tracy Bannon为了具体说明，Bannon概述了一组在软件开发生命周期中常见的自主性模式。 演讲的一个核心主题是：自主性本身不会失败；当自主性的增长速度快于架构纪律时，失败就会发生。Bannon将这种差距称为“代理债务”。 Bannon鼓励团队从“为什么”开始思考，而不是“如何做”，并在增加自主性之前明确权衡取舍。她将决策描述为总是在改善一个维度的同时牺牲另一个维度的优化，例如价值与努力、或速度与质量。 Bannon将这一责任定位为通过设计受管理的代理而非临时自动化、使风险和债务可见、以及仅在明确能带来价值的地方追求更高水平的自主性，来防止架构健忘症。
12710编辑于 2026-01-08- 来自专栏用户5637037的专栏
基于人工智能的舰队竞争中模块化与自主性的协同分析
原文标题：Analysis of the Synergy between Modularity and Autonomy in an Artificial Intelligence Based Fleet Competition
41530发布于 2019-07-17
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