- 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。 它的核心跃迁在于“非凡的动感”的获得：0.0阶段（传统AI）：听懂指令-生成文本。角色是“护照工具”。1.0阶段（Agent）：设定目标-主动拆解-调用工具-闭环交付。角色是“积极参与者”。 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。 （本文章由AI辅助生成）
34210编辑于 2026-01-232026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。 .模型等级标准定义：解构“数字生命体”在人工智能领域，Agent的定义已经被行业广泛接受，其核心不仅仅在于它执行指令的软件，而且具备以下三大特征的自主系统：1.经典三要素完全覆盖（TheLoop）符合AI 代理就像“打车时的导航AI”：你只给它目的地，它会实时规划路线、避开拥堵、在封路时自动重算，甚至主动问你“检测到前方加油站，是否需要补充能源？” （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。
47710编辑于 2025-12-15ML-Master概览： AI4AI
ML-Master是近期流行且开源的AI4AI智能体框架，根据其宣传，他们将探索与推理做了整合，自主解决端到端的机器学习工程问题。 主要通过一个自适应记忆机制连接了两个关键模块： 1.
9610编辑于 2026-06-01- 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
AI Copilot：嗨，你的订单已经由DHL快递发出了，预计在今天下午7点送到。 人类：椅子和桌子是配套一起送过来的吗？ AI Copilt：它们是分开卖的。你有4把椅子会在今天送到。 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。 ChatGPT引爆趋势后，微软率先将GPT-4整合到New bing，让AI渗入到人们日常使用搜索引擎的全流程中。 紧接着，Office全家桶也宣布接入GPT-4，推出新功能Microsoft 365 Copilot。微软CEO纳德拉在发布会上直接放话：今天，进入人机交互的新时代，重新发明生产力。 两个月前，学生们拿ChatGPT写作业、考试，已经让人咋舌；而如今，人们开始尝试让ChatGPT自己想办法开发网站、让GPT-4控制实验室的机器人做化学实验…… 似乎已经没什么不可能发生了。
87820编辑于 2023-05-06 AI与科学的双向革命：AI4Science与Science4AI如何重塑未来？
这不仅是对传统科研体系的颠覆，更宣告 AI与科学融合进入"双向赋能"新阶段 ：AI4Science（人工智能加速科学发现）与Science4AI（科学理论反哺AI创新）形成螺旋上升的结构性协同，重塑人类认知世界的方式 https://agents4science.stanford.edu/ 一、AI4Science：当人工智能成为科学发现的"超级引擎" 生物医疗领域：从"十年磨一药"到"数月出成果" 2025年5月， https://seedllm.org.cn/ 二、Science4AI：当物理、数学成为AI创新的"理论引擎" 物理学的馈赠：从自旋系统到神经网络 2024年诺贝尔物理学奖授予霍普菲尔德和辛顿，标志着科学理论对 范式**变革：AI从"执行者"变为"建议者"，与科学家形成平等协作关系 独立作者阶段 ： 全流程自主研究、多模态知识整合，如斯坦福Agents4Scie nce会议尝试AI作为论文作者 2. 数据与理论的融合：新科研范式的诞生，科学第四范式 《科学智能白皮书2025》指出，AI4Science正推动科研范式从"假设-验证"向" 数据-发现 "转变。
2.2K10编辑于 2025-08-27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
从P0人工渗透到P4高度自动化渗透的演进中，现有智能体难以突破非线性规划与动态环境建模瓶颈（来源：PART 01研究背景“从人工到无人攻防：自动化渗透测试的六阶段演进”）。 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；L4放弃证伪假设 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- 来自专栏嵌入式iot
BeagleBone AI VS Raspberry 4评测
BeagleBone AI VS Raspberry 4评测 1.本文概述 2.主控与外设 2.1 主控 2.2 外设 3.上手把玩与定位 3.1树莓派上手流程 3.2 狗板AI上手方法1 3.3 狗板 AI上手方法2 3.4 狗板AI上手方法3 4.对比总结 1.本文概述 最近一直在研究树莓派4和BeagleBone AI。 如果是个深度的玩家，那么两者的玩法和定位其实不太一样，树莓派4更像一个电脑PC，而狗板更倾向于去做PC与MCU之间可以做的的事情，而狗板AI则具有TI的C66x数字信号处理器（DSP）内核。 BeagleBone AI的图示如下所示： ? 树莓派4的实物图如下： ? 两者的外形设计都比较精致，便携性和可玩性都很高。 2.2 外设 树莓派4和狗板AI的外设对比如下： 配置 树莓派4 狗板AI WIFI+蓝牙 802.11ac(2.4/5GHz)蓝牙5.0 802.11ac(2.4/5GHz)蓝牙5.0 USB USB2.0x2
2.4K10发布于 2020-11-17 - 来自专栏Android知识点总结
4-AI--Activity跳转动画
android:duration="500" android:fromXDelta="0%p" android:toXDelta="100%p"/> </set> 4.
90620发布于 2018-09-26 - 来自专栏一臻AI
人人都会AI｜Python基础应用（4）
一起 AI 创富 人人都会AI。好比历史浪潮中工业时代过渡到互联网阶段时，从"电脑是什么"到"人人都会上网"，AI正在蜕变为每个人的必备技能。 世界正在被代码改写。 你是否好奇，为什么Python会成为AI时代最炙手可热的编程语言？ 今天开始，让我们从Python基础学起！ Python的基础概念和简单应用 记得你小时候第一次学说话吗？" pandas as pd import matplotlib.pyplot as plt # 创建示例销售数据 sales_data = { '月份': ['1月', '2月', '3月', '4月 在AI时代，掌握Python就像是给自己装上了一对翅膀，让你能够自由地在数字世界翱翔。 在接下来的学习中，我们将继续探索更多AI和Python的高级特性和实际应用场景。
49710编辑于 2025-03-06 - 来自专栏python前行者
python crawl4ai基本用法
github：https://github.com/unclecode/crawl4aiCrawl4AI是一个强大的网页爬取和内容提取库，专门为AI应用设计。 以下是其主要用法和核心功能：安装bash#Installthepackagepipinstall-Ucrawl4ai#Forprereleaseversionspipinstallcrawl4ai--pre #Runpost-installationsetupcrawl4ai-setup#Verifyyourinstallationcrawl4ai-doctor基本用法1.简单爬取pythonfromcrawl4aiimportWebCrawlerwithWebCrawler crawl4ai解析方法crawl4ai有三种解析方法：修剪内容过滤器（PruningContentFilter），BM25内容过滤器，LLM内容过滤器（LLMContentFilter）由于LLM需要调用 ,CrawlerRunConfig,CacheModefromcrawl4ai.content_filter_strategyimportBM25ContentFilterfromcrawl4ai.markdown_generation_strategyimportDefaultMarkdownGenerator
80610编辑于 2025-10-08 - 来自专栏月色的自留地
从锅炉工到AI专家(4)
手写数字识别问题 图像识别是深度学习众多主流应用之一，手写数字识别则是图像识别范畴简化版的入门学习经典案例。在TensorFlow的官方文档中，把手写数字识别“MNIST”案例称为机器学习项目的“Hello World”。从这个案例开始，我们的连载才开始有了一些“人工智能”的感觉。 问题的描述是这样： 有一批手写数字的图片，对应数字0-9。通过机器学习的算法，将这些图片对应到文本字符0-9。用通俗的话来说，就是计算机认出了图片上面手写的数字。 从问题描述可见这个机器学习项目的“Hello World”
86370发布于 2018-06-20 - 来自专栏逍遥剑客的游戏开发
UE4学习笔记(七): AI
对于AI来说, 是派生AIController来实现自定义的AI行为 与UE3不同的地方, 一是Blueprint可以代替很多原来脚本所做的事情. 另外, UE3中更多的是依赖脚本中的内建状态机(state)进行AI行为控制, UE4则引入了BehaviourTree 基本的运作思路是: AIController里在Blackboard中记录一些数据状态什么的 conditional"(条件)更好理解一些, 就是相当于if(xxx){} Service: 通常是跟Blackboard交互的, 运行到当前分支就会执行 总体用下就是可以在不写代码的基础上, 完整地实现一套AI
1.1K60发布于 2018-05-21 Docker本地部署Crawl4AI
之前本地部署的firecrawl无法正常运行了，于是今天来部署github另外一个高star的爬虫项目：Crawl4AI# Pull the release candidate (recommended for latest features)docker pull unclecode/crawl4ai:0.6.0-r1# Or pull the latest stable versiondocker pull unclecode/crawl4ai:latest如果要使用LLM，准备一个.llm.env文件# Create a .llm.env file with your API keyscat \ --shm-size=1g \ unclecode/crawl4ai:latestWith LLM support:# Make sure .llm.env is in the current \ unclecode/crawl4ai:latest配置部署成功http://10.213.151.220:11235
1.4K10编辑于 2025-06-13- 来自专栏aigctoolify
Recommend 4 popular Ai Chatbots--AigcToolify
Recommend 4 popular Ai Chatbots--AigcToolifyAI ChatBot- AI ChatGPTWe Provide High Quality AI Generated Content, AI Email Writing tool, Social Media Content, ChatBot, which is save your Time and Money. There is the Best AI Tool For your Business and Personal Needs.ChatMe: Intelligent AI AssistantChatme This AI chat assistant app allows you to ask quickly by getting help from ready-made prompts such as advice.Superchat – ChatGPT for iPhoneMeet Superchat – a delightful iPhone app that brings the power of AI
25220编辑于 2023-06-18 - 来自专栏存内计算加速大模型
智谱AI推出GLM-4，性能逼近ChatGPT-4
ChatGPT、GLM-4、Claude3等大模型不断涌现，本文将详细介绍智谱AI所推出的GLM-4大模型，分析其背景、性能、应用等。 2024年6月5日，智谱AI推出第四代GLM系列开源模型GLM-4-9B，并对大模型Maas开放平台进行了一系列更新，这是一种参数量低于10B（100亿）的小模型，但是在某些方面的性能却能比肩ChatGPT 今天，我们将聚焦于GLM-4这款由智谱AI推出的国内大模型，详细分析其性能和应用等。 性能介绍2024年1月16日，智谱AI发布基座大模型GLM-4，其性能实现超进化，性能评测相比上一代提升接近60%，整体评测结果逼近GPT-4，且在处理长文本、多模态任务和智能体（Agent）能力方面表现出色 参考文献[1]智谱AI官网（https://www.zhipuai.cn/）.[2]极客公园.智谱 AI 推出新一代基座大模型 GLM-4，能力逼近 GPT-4，配备多模态、长文本和智能体（https:
2.8K10编辑于 2024-06-14 马虾Agent的驾驭实践（四）-- 框架/模式和场景的“三角”选择
2026年4月26日，在腾讯云长沙同盟和上海同盟联合举办的一场沙龙上，我分享了个人总结的一套训练马虾Agent的方法和驾驭经验，以及理论思考，以下是基于分享内容的整理，希望对大家有所启发。 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：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。
18510编辑于 2026-05-08- 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。 4、动态适应（Dynamic Adaptation） Agentic AI 能够在动态环境中实时调整策略，应对突发状况。 4、动态适应与协作 传统 AI 缺乏动态适应能力，面对环境变化时往往需要人工干预。而 Agentic AI 通过强化学习和多模态感知，能够实时调整策略并与其他系统协作。 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 4：Multi-Agent Pattern（多代理模式）- Agentic AI 能力层级的协作与动态决策阶段 在多代理模式（Multi-Agent Pattern）层级中，AI
5.1K10编辑于 2025-03-24
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