- 综合排序
- 最热优先
- 最新优先
- 来自专栏周末程序猿
ChatGPT|公众号接入AIAgent
之前已经考虑将公众号加入智能体，但是由于API接口返回太慢了，于是重新实现了一个页面，就变成这样：
62710编辑于 2025-02-27 - 来自专栏计算机视觉CV
AIAgent：我不是只有AI脑！
chatGPT引领各个大厂纷纷推出自己的大模型，但是这些大模型如果不投入应用就没多大意义了~所以大模型的下半场就轮到AIAgent了。 本文主要介绍我理解的AIAgent思路以及几个常用框架，如有理解不对，欢迎评论指出。 什么是AIAgent？ Agent可以理解为某种能自主理解、规划决策、执行复杂任务的智能体。 所以，AIAgent可不仅仅只有LLM~ 为什么AIAgent会出现？ 对我们算法工程师，从技术来说，AIAgent是什么？或者我们能做什么？ 所以AIAgent出现了~ AIAgent主流框架 下面我们一起整理下几个主流AIAgent框架的思路，你会发现和大家做事思路一样，毕竟，AIAgent作者是人。 1. 以上就是我个人对AIAgent的认识了~不知道什么时候agent能帮助人人都成超级个体。。。。
2.6K233编辑于 2023-11-02 国内外 10 家 AIAgent 平台专业盘点
国内AI Agent产业迎来爆发式增长，亿欧智库在《2025中国AI Agent商业应用场景洞察研究 》 中明确指出，AI Agent正从“可选配置”转变为企业智能化转型的“刚需基础设施”。如今，不管是传统制造企业还是新兴电商运营，金融或是政府单位，无一不展露出对AI Agent平台的热烈追逐，争先恐后将智能体与自身业务融合。
2.9K10编辑于 2025-09-17AI Agent 职业路线解析：从 Prompt 到智能体系统的工程进阶路径
这也是为什么，在企业级场景中，团队往往会自然演进到AIAgent的形态。什么是AIAgent职业路线？ 第二阶段：AIAgent构建者能将模型、工具和流程组合成可运行的智能体，开始具备系统意识。第三阶段：AIAgent系统负责人关注稳定性、成本与业务效果，对智能体在真实场景中的结果负责。 为什么AIAgent会放大技术能力差异？一个常见的误解是：AIAgent会降低工程门槛。但从实际项目经验来看，情况往往相反。 这些问题本来就存在，只是在AIAgent场景下变得更加显性。因此，具备系统设计与线上经验的技术人，通常更容易适应AIAgent相关工作。 这条AIAgent职业路线适合所有人吗？答案是否定的。如果你更偏好：边界清晰、确定性强的开发任务尽量减少线上责任与不确定性那么AIAgent相关工作，可能并不会显著提升你的职业体验。
14121编辑于 2026-01-212026 年轻量级 AI Agent 行业观察：从 OpenClaw 生态到极简主义方案的演进
2025-2026年，AIAgent技术完成了从概念验证到规模化落地的关键跨越。 二、技术演进：轻量级AIAgent的架构创新与实现路径为了应对上述需求，开源社区围绕轻量级AIAgent展开了多维度的技术探索，形成了多条清晰的实现路径，核心目标是在保证核心能力完整的前提下，极致压缩架构复杂度 六、学术与行业趋势：轻量级AIAgent的未来演进从学术研究与行业发展的角度来看，轻量级AIAgent已经成为2026年AIAgent赛道的核心发展方向之一，相关研究与评测体系也在持续完善。 离线化与端侧部署的全面普及：随着端侧大模型能力的持续提升，轻量级AIAgent将全面向端侧迁移，实现完全离线运行、端侧推理、端侧工具调用，进一步提升数据安全性与隐私性，让AIAgent真正成为用户的专属数字伙伴 总体而言，以OpenClaw为代表的重型框架，为AIAgent技术的发展奠定了坚实的基础，而轻量级AIAgent的爆发，则推动了这项技术从企业级场景走向个人用户与中小企业，实现了真正的技术普惠。
20810编辑于 2026-03-11- 来自专栏腾讯云安全的专栏
安心“养虾”，腾讯龙虾安全中心来了！
为此，腾讯云推出AIAgent安全中心，为企业提供AIAgent安全管控平台，清晰了解、掌握企业内Agent部署情况，并实时监测异常指令、拦截高危命令，同时对skills进行风险、漏洞检测，确保企业内所有 AIAgent"看得见、管得住、审得清"，助力企业安全、平稳地使用“龙虾”（云上用户可直接开通试用）。 ➢可视：看清资产盘点与风险AIAgent识别：自动盘点云环境中的所有AIAgent及相关资产，龙虾的分布一目了然。LLM调用侦测：实时追踪大模型调用情况，动态掌握AIAgent的活动足迹。 网络管控：内置内网拦截安全组能力，严格限制AIAgent对企业内部业务和数据的访问权限，防止其越权探索。身份管控：提供密钥托管服务，避免将永久密钥明文存储在AIAgent中，从源头杜绝密钥泄露风险。 直面AIAgent带来的安全挑战，腾讯云AIAgent安全中心开启内测。诚邀云上用户参与体验，抢先构建AI时代的安全防护能力。↓扫码申请内测↓
90921编辑于 2026-03-10 - 来自专栏人工智能
一文搞懂 AI Agent：从"问答机器"到"数字员工"的进化
AIAgent学习笔记一、什么是AIAgent？AIAgent（智能体）是一种能够自主感知环境、制定计划、并采取行动来完成目标的人工智能系统。 生活化类比场景传统AI（客服）AIAgent（秘书）订机票你问航班信息，它告诉你有哪些你说"帮我订下周去上海最便宜的机票"，它自己查、比价、下单写报告你说写什么，它写一段你说"帮我做个竞品分析"，它自己搜资料 、整理数据、生成报告修Bug你贴代码问哪里错了你说"这个项目跑不起来"，它自己看日志、定位问题、修复代码二、AIAgent的核心能力AIAgent通常具备几个关键能力：感知能力：能理解用户的意图和当前环境信息规划能力 而AIAgent是"多轮自主式"的，它会主动思考下一步该做什么，遇到问题会自我纠错，必要时还会向用户确认信息。简单来说，聊天AI是工具，AIAgent是能使用工具的"数字员工"。 AIAgent的技术架构（进阶理解）经典架构：ReAct（Reason+Act）ReAct是一种让Agent交替进行"思考"和"行动"的架构模式。
64210编辑于 2026-02-15 - 来自专栏Apache SeaTunnel
AI Agent 两大 “神辅助” 对决：MCP vs Skills 谁更能打？
最近，技术圈很流行的一个话题之一是：MCPvs.Skills谁对于AIAgent来说是一个更加强大的助攻呢？ 这个争议的深层次原因，是随着AIAgent的快速发展，大模型正在从“对话系统”逐渐演变为“任务执行系统”。 要实现这种能力，AIAgent必须能够访问外部系统。于是，一个关键问题出现了：AI如何调用真实世界的工具与系统？ 只要一个系统实现了MCPServer，AIAgent就能够通过统一协议发现并调用该系统提供的能力。在MCP架构中，AIAgent通常作为客户端，通过MCP协议向MCPServer发送请求。 Skills：AIAgent的能力模块与MCP的协议化设计不同，Skills更像是AIAgent的能力组件。
1800编辑于 2026-03-12 从ChatBI到AI Agent：以FocusGPT为例，看智能分析的技术跃迁
AIAgent：具备“感知-规划-行动-反思”能力的自主分析体与ChatBI的线性流水线不同，AIAgent的架构是基于一个循环的、动态的“自主闭环”（AutonomousLoop）认知模型。 AIAgent阶段的新挑战与前沿对策当系统从“回答问题”走向“解决问题”，新的、更艰巨的挑战也随之浮现。这些挑战定义了当前AIAgent技术的前沿。 AIAgent的ROI体现（价值创造）AIAgent的ROI更侧重于“增效”和“创值”，其对业务的战略影响更为深远。 创新能力增强:AIAgent可以辅助企业进行商业模式的推演和产品创新的探索，为业务增长找到新的突破口。部分行业报告指出，AIAgent在特定领域已展现出可观的投资回报。 落地风险评估与规避拥抱AIAgent带来的巨大潜力的同时，也必须清醒地认识到其落地过程中相伴相生的风险。技术风险风险:AIAgent的技术栈远比ChatBI复杂，集成和维护成本高。
16010编辑于 2026-01-04AI Agent重塑商业智能：2025技术融合路线图
本文旨在为企业CIO、CTO及技术架构师提供一份全面的技术融合路线图，深入剖析AIAgent的核心技术、在BI领域的应用潜力，并以DataFocus等前沿产品为例，探讨如何构建企业级AIAgent驱动的 二、应用场景与战略价值：AIAgent如何重塑企业决策AIAgent的引入，正将BI从一个“报表工具”转变为一个贯穿业务全流程的“智能决策引擎”。 主动式洞察与归因分析：AIAgent能够7x24小时监控核心业务指标。 三、技术融合路线图：构建企业级AIAgent驱动的ChatBI系统将AIAgent成功融入企业现有的BI生态并非一蹴而就，需要一套清晰的架构设计和分阶段的实施策略。 持续优化与治理：建立完善的Agent性能监控、成本控制和安全审计机制，确保整个AIAgent体系健康、高效、安全地运行。四、结论与展望AIAgent正在从根本上重塑商业智能的边界。
58010编辑于 2025-12-082026 Agent元年：百虾大战风起云涌，OpenClaw同类国产AI Agent全景巡礼
这场“百虾大战”，绝非餐饮界的美味之争，而是围绕OpenClaw同类产品展开的国产AIAgent巅峰对决。 时代序章：百虾大战，点亮Agent元年新征程2026年的“百虾大战”，不仅是一场产品的竞争，更是AIAgent产业走向成熟的重要标志——它让OpenClaw的开源基因得以延续，让AIAgent从极客玩具真正走进全民生活 ，也让国产AIAgent实现了从“跟随”到“引领”的跨越。 从大厂的生态布局，到独立产品的精耕细作；从硬件厂商的差异化突围，到地方政府的政策扶持，每一股力量的参与，都在推动AIAgent技术的迭代与普及，也在构建一个完善的国产AIAgent生态。 当“养龙虾”的热潮褪去，留下的将是国产AIAgent的扎实发展与持续创新。
8200编辑于 2026-03-122025年AI Agent评测基准全景指南：从选型困惑到落地实战
当你面对市场上琳琅满目的AIAgent评测工具时，是否感到无从下手？ 一、AIAgent评测基准现状：标准化之路的机遇与挑战先说结论：当前AIAgent评测领域正处于"百花齐放"与"标准缺失"并存的关键转折点。 服务的主观评价使用频率：用户主动使用AIAgent的频次推荐意愿：用户向他人推荐的倾向性为了更直观地展示不同评测基准的特点，我们基于公开数据和实际测试结果绘制了以下对比图：图：主流AIAgent评测基准能力对比雷达图从雷达图可以清晰看出 4.1基于业务场景的选型矩阵不同的业务场景对AIAgent的能力要求差异巨大。 图：AIAgent能力发展趋势：每7个月翻一番的指数增长从METR的数据可以看出，AIAgent的能力正在以惊人的速度增长。这意味着我们的评测基准也需要不断进化，以适应快速发展的技术现实。
1.4K11编辑于 2025-11-27AI Agent 普及下的职场协作重构与职业进阶路径
二、AIAgent的职场定位：具备通用执行能力的“硅基同事”当前阶段的AIAgent，可类比为一批具备通用知识库、能7×24小时持续执行任务，但缺乏跨上下文的隐性理解能力、输出质量波动大、易出现信息“幻觉 三、AIAgent时代的职场分层：从执行者到编排管理者随着AIAgent的普及，职场角色将逐步形成清晰的分层：基础执行层：从事高度重复、暂未因成本优化被AIAgent替代的体力或标准化脑力工作（如基础数据录入 、简单客服对接）；人机协作者：掌握单个或少量AIAgent的使用方法，能通过人机协作完成常规任务（如用AIAgent辅助撰写文案、生成数据分析初稿）；智能体编排管理者：具备设计、编排与管理大规模AIAgent 四、与AIAgent协作的核心工程化能力1.需求的工程化拆解能力与AIAgent协作无法依赖人类同事间的“默契”，必须将模糊需求拆解为逻辑严密、可执行的结构化指令：明确任务背景、边界范围、约束条件（如合规要求 六、AIAgent时代的职场核心：回归人类的不可替代性AIAgent的普及并非意味着大规模失业，而是职场价值的重新分配：智能体可高效处理数据与标准化任务，但无法承担决策失误的责任——最终的业务决策仍需人类基于全局判断做出
14610编辑于 2026-01-31从工程落地到价值创造：AI Agent 搭建师的能力进阶与破局路径
一、工程落地视角下的AIAgent“浮光困境”随着AIAgent赛道的快速升温，大量原型系统和Demo涌现，但从生产环境的实际运行来看，一种被业内称为“浮光行为”的工程问题正逐渐凸显：智能体仅能机械执行表层指令 二、AIAgent搭建师的能力进阶：从工具整合到逻辑闭环构建面对浮光行为的工程挑战，AIAgent搭建师的职业能力模型正在发生根本性转变——核心从“代码实现”转向“编织逻辑闭环”，其成长路径呈现清晰的工程能力递进 这一阶段的工程价值在于，让AIAgent真正进入业务深水区，完成从“执行动作”到“交付结果”的闭环跨越。 四、结语：做数字业务的逻辑治理者浮光行为是AIAgent从原型到落地的必经工程阶段，它暴露了当前智能体系统的表层化问题，但也为搭建师提供了明确的能力升级方向。 在当前的AIAgent赛道中，稀缺的不再是能熟练调用工具的从业者，而是那些深谙业务本质、能将技术与逻辑闭环深度融合的工程架构师。
15410编辑于 2026-01-26- 来自专栏技术汇总专栏
AI Agent 错误修正全流程：Self-Reflect、Critic、Tool Feedback 的协同机制
AIAgent的错误修正策略：基于反馈学习的决策迭代优化方法随着大模型驱动的AIAgent在实际业务中的渗透率日益增加，如何让Agent在复杂场景中持续纠错、稳定进化，成为影响其性能上限的核心问题。 本文将从原理到应用，系统介绍AIAgent如何在真实环境中“学会变得更好”，并通过反馈驱动持续改进决策能力。 一、AIAgent错误修正的必要性1.决策链条长导致的误差放大在多步推理任务中，AIAgent的每一个错误都会影响后续步骤。 2.环境动态变化带来的策略过期AIAgent运行的目标环境并不是静态的：API可能更新、业务流程可能改变、数据可能增量变化。 AIAgent需要具备推理能力，从模糊反馈中推断可执行的优化路径。
58411编辑于 2025-12-10 - 来自专栏技术汇总专栏
从云中心到边缘：AI Agent 网络通信架构的演进与实践
AIAgent的网络通信优化：5G与边缘计算结合的低延迟传输方案一、背景：为什么AIAgent需要“更快的网络”随着AIAgent（智能体）从“单机推理”逐步演进到“多Agent协同+实时决策”，网络通信逐渐成为系统性能的关键瓶颈 二、5G+边缘计算：低延迟通信的技术基础1️⃣5G的关键能力5G并不仅仅是“更快的4G”，而是为实时智能系统量身打造：能力对AIAgent的意义uRLLC（超可靠低时延）端到端延迟可低至1~10ms网络切片为 而言：传感器数据→边缘节点推理多Agent协商→边缘内通信云端→负责模型训练与全局策略三、AIAgent低延迟通信系统架构设计整体架构示意（逻辑）展开代码语言：TXTAI代码解释┌─────────── ┐5G┌────────────┐│AIAgent│─────────────▶│EdgeAgent││Device│◀─────────────│Service│└───────────┘└───── 的通信优化策略✅1.状态压缩与增量同步AIAgent通信中，绝大多数数据是“状态信息”。
61610编辑于 2025-12-24 AI Agent 搭建师职业焦虑破局：从 “手工匠人” 到 “系统治理者” 的范式跃迁
一、产业级落地背景下的职业焦虑本质2026年，大语言模型已向大动作模型、本体智能完成阶段进化，AIAgent从概念验证（PoC）全面进入企业级产业部署阶段。 身处技术迭代核心的AIAgent搭建师群体，正面临职业能力范式的重构挑战——其核心并非技术能力枯竭，而是生产力工具平权化与业务逻辑深度化的供需错位：当模型自主规划能力突破阈值，传统基于规则与硬编码的“组件堆砌式 AIAgent的核心痛点并非能力不足，而是缺乏业务与伦理边界。 五、总结：范式跃迁下的长期价值AIAgent搭建师的职业焦虑，本质是技术范式升级的信号——传统技能红利的消失，意味着行业进入更深度的企业级落地阶段。 搭建师群体不会被替代，而是将进化为AIAgent系统的规则制定者与资源调配者，其核心壁垒始终是人类业务洞察力与工程化能力的复合，这是大模型无法逾越的终极护城河。
15210编辑于 2026-01-30- 来自专栏技术汇总专栏
AI Agent 的时间序列预测模块LSTM 与 Transformer 的混合建模
AIAgent的时间序列预测模块LSTM与Transformer的混合建模1.引言智能体（AIAgent）在应对复杂任务时，通常需要具备环境感知、自主推理及预测能力。 因此，将LSTM的局部时序优势与Transformer的长期依赖与注意力机制相结合，可以构造更强鲁棒性与泛化能力的混合预测模块，使AIAgent具备真正的数据感知与智能推理能力。 6.总结本文构建了适用于AIAgent的LSTM+Transformer混合预测模块，能够有效提升小样本与长序列场景下的预测鲁棒性。 该结构具有良好的泛化能力，适合作为AIAgent的可插拔模块，在决策、控制与风险预判中发挥关键作用。 通过以上技术整合，AIAgent将不仅能够“看见当前”，还能够预测未来并主动决策，从而迈向真正意义的自主智能体。
35710编辑于 2025-11-15 AI Agent 搭建师职业焦虑破局：从 “手工匠人” 到 “系统治理者” 的范式跃迁
2026年，大语言模型向大动作模型、本体智能全面进化，AIAgent正式从概念验证迈入产业级部署阶段。 AIAgent搭建师职业焦虑的核心溯源：传统技能红利的消解早期AIAgent搭建师的核心价值，在于通过提示工程过滤噪音、对插件进行硬编码，但2026年的三大技术趋势，正逐步消解这些早期技能红利，这也是职业焦虑的核心来源 职业路径重构：适配范式转移的能力升级对应范式转移的要求，AIAgent搭建师的职业路径需要全面重构，重点提升三个方向的能力：1.角色跃迁：从“技术实现者”到“系统评估师”由于AIAgent执行存在随机性 结语：职业焦虑是产业深化的信号AIAgent搭建师的职业焦虑，本质是技术范式转移的信号——传统技能红利的消失，意味着行业正在进入更深度的产业落地阶段。 这个群体不会消失，而是会进化为AIAgent系统的规则制定者与资源调配者，其核心竞争力始终是人类的业务洞察力与工程严谨度的结合，这也是AI无法替代的终极壁垒。
12710编辑于 2026-01-30AI Agent 落地的暗线：防御侧的职业机会与工程实践路径
一、从工程视角看防御侧的必要性随着智能体技术的规模化落地，当前行业的注意力主要集中在AIAgent的开发效率、场景适配与价值释放上——从客服Agent到内部流程自动化Agent，大量人才涌入开发侧赛道， 这些风险并非“科幻场景”，而是AIAgent落地过程中已经出现的工程问题。在AIAgent职业路线的探索中，防御侧能力已成为企业实现Agent规模化、可信化运行的核心前提，而非可选补充。 三、防御侧职业路线的长期价值分析1.人才供需错配带来的竞争力当前AIAgent领域90%以上的人才聚焦于开发侧，防御侧人才缺口显著。 3.合规刚性需求的持续驱动随着《生成式AI服务管理暂行办法》等法规落地，企业对AIAgent的安全与合规要求日益严格：Agent的行为合规性、数据安全防护能力已成为企业获取备案资质、规避监管风险的核心条件 四、结语AIAgent的规模化落地，本质是构建“可信AI生态”的过程——防御侧的职业路线并非“非主流赛道”，而是AIAgent技术栈中不可或缺的核心环节。
14010编辑于 2026-02-04
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