- 综合排序
- 最热优先
- 最新优先
- 来自专栏陶士涵的菜地
AI+翻译 AI智能体平台扣子coze开发搭建
抖音出品的AI智能体平台，可以快速搭建自己的AI Agent工作流，并且提供了API供开发者调用 机器人Bot + 工作流 + 官方插件 = AI Agent AI + 翻译 实现目的是 英译中 或 中译英 ，并生成对应的音频文件 开发智能体 创建speak工作流 => 输入 => 翻译 => 生成音频 => 输出 ，试运行通过，发布成功！ 创建API令牌，以便开发对接 使用智能体 网页版对话链接，主要是用于测试功能 API接口调用，主要使用方式，方便对接在我们自己开发的功能上！ 打印响应内容 ret=response.json() # print(ret) retContent = ret["messages"][1]["content"].split("\n") print("翻译文本
92010编辑于 2024-06-01 多步翻译智能体：用腾讯云ADP让AI翻译更地道、更准确
今天为大家介绍一个基于腾讯云智能体开发平台（TencentCloudADP）构建的多步翻译智能体，它通过多轮评估和优化，能够生成更加地道、准确的翻译内容。 这个智能体特别适合：●需要高质量翻译的技术文档●对翻译准确性要求较高的商业内容●希望获得地道表达的文章翻译●追求专业水准的内容本地化效果展示输入示例：1.用户可以通过三种方式提供原文：直接上传文档文件（ /webim_exp/#/chat/GqpwyY整体架构该智能体采用多步骤渐进式翻译架构，主要包含以下几个核心模块：1.智能输入处理●文档解析：自动识别并解析上传的文档内容●网页抓取：支持从URL获取网页内容进行翻译 参数类型：●原文内容：从文档、文本或网页中提取的待翻译内容●目标语言：用户指定的翻译目标语言●URL地址：网页链接（如适用）智能聚合：使用变量聚合节点将不同来源的参数统一整合，确保后续处理的一致性。 ，快速获得结果●质量要求：对于重要文档，建议人工review最终结果总结基于腾讯云智能体开发平台（TencentCloudADP）构建的，这个多步翻译智能体通过渐进式优化的设计理念，显著提升了机器翻译的质量
25410编辑于 2026-03-11翻译助手：使用腾讯云ADP搭建AI多语言翻译专家
传统翻译方式存在效率低、成本高、质量不稳定等问题，而AI翻译技术的快速发展为我们提供了全新的解决方案。 本文将详细介绍如何使用腾讯云智能体开发平台（TencentCloudADP）搭建一个专业的翻译助手智能体，实现高质量的多语言翻译服务。 这个AI翻译专家不仅支持50+主流语言互译，还具备上下文理解、专业术语匹配、文化本地化等高级功能，为用户提供接近人工译员水平的翻译体验。 2.创建翻译助手项目项目名称：翻译助手项目类型：智能对话应用场景：多语言翻译服务部署步骤1.导入工作流配置a.下载翻译助手配置文件b.在ADP平台导入工作流c.检查节点连接和配置2.配置语言模型模型选择 c.优化响应速度结论基于腾讯云智能体开发平台（TencentCloudADP）构建的翻译助手作为一个专业的AI多语言翻译智能体，通过智能识别+专业翻译+质量优化的三层架构，为用户提供了高质量、高效率的翻译服务
15410编辑于 2026-03-25- 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。 chains，langchain把提示词、大语言模型、结果解析封装成chain，并提供标准的接口，以便允许不同的chain形成交互序列，为AI原生应用提供端到端的chain。 content='Hi.'), SystemMessage(content='你的角色是一个诗人.'), HumanMessage(content='用七言绝句的形式写一首关于AI 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 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 - 来自专栏半生瓜のblog
【QT】多语言翻译
QT多语言翻译 方法 tr()函数获取需要翻译的文本 lupdate.exe编译生成xxx.ts文件 linguist.exe进行翻译 lrelease.exe生成去xxx.qm文件 ---- 示例 单一语言翻译 translator = new QTranslator; translator->load("lang_en.qm"); a.installTranslator(translator);//安装翻译器 (m_languageBox,SIGNAL(currentIndexChanged(int)),this,SLOT(changeLanguage(int))); //tr()函数用于获取需要翻译的文本 languageCode; if(translator->load(qmFile)){ qApp->installTranslator(translator); } //翻译文本 解决方法——https://www.cnblogs.com/ybqjymy/p/13552032.html lupdate.exe 翻译完打钩 点击发布
99940编辑于 2023-05-13 - 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。 一个智能体负责生成初步结果，另一个智能体负责评估和反馈，二者循环迭代优化输出 举个例子，在机器翻译场景中，先由翻译智能体输出，再由评审智能体给出改进建议，反复迭代直到达到满意的质量。
64810编辑于 2026-03-17 - 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. **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(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 true} WEAVIATE_AUTHORIZATION_ADMINLIST_USERS: ${WEAVIATE_AUTHORIZATION_ADMINLIST_USERS:-hello@dify.ai ssrf_proxy_network # ssrf_proxy server # for more information, please refer to # https://docs.dify.ai WVF5YThaHlkYwhGUSmCRgsX3tD5ngdN8pkih} AUTHENTICATION_APIKEY_USERS: ${WEAVIATE_AUTHENTICATION_APIKEY_USERS:-hello@dify.ai
1.1K00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= 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 多动作智能体 import asyncio import sys import subprocess from metagpt.llm import LLM from metagpt.actions import
76000编辑于 2025-02-06 - 来自专栏算法之名
AI智能体(二)
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。' model_name': 'glm-4', 'finish_reason': 'stop'}, id='run-b982480c-39d9-4445-8888-62a10339ef86-0')]} 状态持久化 许多AI
64010编辑于 2024-10-05 - 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 【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。 案例分析 以智能写作助手为例，分析其设计流程。需求分析阶段确定用户需要语法检查、内容生成或风格转换等功能。技术选型阶段可能采用GPT-3等大语言模型作为基础架构。 智能体的核心功能包括" input_ids = tokenizer.encode(input_text, return_tensors="pt") output = model.generate( HuggingFace Transformers库） 实践建议：短文本适合BERT，长文档可用Doc2Vec 数据增强技术 同义词替换（使用WordNet或领域词表） 回译增强（中->英->中多轮翻译
36510编辑于 2025-12-17- 来自专栏跟Qt君学编程
Qt多语言翻译示例
一个基础的翻译示例和一些注意事项 ---- 示例目录 QtTranslation/ ├── Languages │ ├── en.qm │ ├── en.ts │ ├── Languages.qrc │ ├── zh_CN.qm │ └── zh_CN.ts ├── main.cpp └── QtTranslation.pro 注意事项 将翻译文件(ts后缀)生成的qm后缀文件用资源文件( Languages.qrc)包括以供程序引用; translator.load(":/zh_CN.qm")需要以":/"为前缀引用,不能使用"qrc:/"为前缀引用,否则load返回错误; 使用 QObject::tr翻译原因是该翻译的上下文为 QObject对应ts文件的是 <name>QObject</name>的值; 翻译上下文使用不正确,明明是加载成功的语言文件就是翻译不成功,很多是因为这个上下文导致; 可使用 QCoreApplication source>close</source> <translation>关闭</translation> </message> </context> </TS> en.ts 英文翻译文件
2.4K31发布于 2019-07-15 - 来自专栏AI智能体从入门到实践
构建AI智能体：精准检索“翻译官”：RAG Query改写最佳实践
主要工作 把我们的“原始查询”，通过适合的方法加工翻译成知识库能听懂、能高效执行的“改写后的查询”。 (self, current_query, conversation_history): """上下文依赖型Query改写""" instruction = """你是一个智能的查询优化助手 （“那个新品”指代不明） 改写后查询：智能手表产品 Galaxy Watch 7 的预计上市发布时间代码演示：# Query改写使用示例# 导入依赖库import dashscopeimport 改写后查询：使用 Python list comprehension 过滤数据的步骤与示例下图描绘了结合 qwen-turbo-latest 模型的Query改写智能决策流程：流程解读：1. 它通过一系列技术手段，将用户的意图“翻译”成检索器能高效理解的语言，从而确保后续步骤能在一个高质量的基础上进行。没有它，再强大的大模型也只会是“巧妇难为无米之炊”，甚至“做出一锅坏饭”。
1.5K10编辑于 2025-11-13 AI翻译—小白也能轻松制作多语言网站
在当今全球化的互联网环境中，多语言网站已经成为企业拓展海外市场、提升国际影响力的关键工具。然而，对于我这种基础的小白来说，从零开始构建一个多语言网站似乎是一项艰巨的任务。 本文将详细介绍如何通过AI翻译技术，即使是零基础的小白，也能轻松制作一个功能齐全、语言丰富的多语言网站。 1、大平台，稳定性有保障；2、海量模板免费使用，零基础小白也能做网站；3、系统有AI翻译，5分钟翻译一个语言，最多支持16国语言快速翻译；二、通过AI翻译快速制作多语言网站的步骤1、栏目翻译进入栏目管理 5、发布上线通过腾讯云官网建站和AI翻译技术的结合，像我这样零基础的小白也能轻松制作一个功能齐全、语言丰富的多语言网站，下面一起来欣赏下吧！ 随着AI的不断进步，相信以后做网站会更简单，让我们一起拥抱技术变革，共同推动企业的国际化进程吧！
48510编辑于 2025-02-07- 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。 这并非简单的技术迭代，而是一次根本性的范式转变，第三个阶段 AI Agent 随着模型的不断进化，能自主可控长时间运行，可能2026才是AI普及的开始。 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。" 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
84410编辑于 2026-01-06 - 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。 5.2模块集成将 AI 模型集成到应用程序中。与其他模块（如数据库、用户界面）进行交互。5.3性能优化优化模型推理速度（如模型量化、剪枝）。 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。 娱乐：游戏 AI： 在游戏中扮演各种角色，例如敌人、队友、NPC 等，提高游戏的可玩性和挑战性。内容创作： 能够生成文本、图像、音乐等内容，例如写小说、作诗、绘画等。 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
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