- 综合排序
- 最热优先
- 最新优先
- 来自专栏程序设计
AI Agent的检验标准
大量混淆定义关于"Agent"的定义，我始终在思考的问题是：ChatGPT代码解释器是否符合该定义下的Agent标准？ 9："Agent是在每个实例中精确执行用户具体需求指令的程序"10：能够自主运行的计算机11："AI Agent是能解析指令并在完整AI工作流中承担更多职责（如函数执行、数据查询等）的组件而不仅仅是生成 根据大多数现有定义，它确实符合条件然而包括OpenAI自身在内，大多数人都不这样描述它我们对AI Agent似乎存在一种"看到即知道"的直觉判断为了给认知思路提供指导，我需要更精确的定义因此制定了自己的客观标准 是指能够以独立身份采取自主行动的系统而非作为人类用户的延伸审计日志中记录的责任主体是系统自身还是人类用户决定了该系统的本质是真正的Agent，还是仅作为辅助工具而存在根据这一标准，许多优秀的AI软件并不属于 规划能力和可靠性这三者似乎并非当前LLM的核心优势工作流系统的本质争议：关于"工作流是通过预定义代码路径编排大语言模型与工具的系统"这个定义其准确性存疑：现代工作流系统本质上具有高度动态性，能够自主决定流程与工具使用开发者甚至能编写支持代码实时评估的工作流
50710编辑于 2025-04-06 - 来自专栏AgenticAI
LLM Agent标准化互操作协议：Agent Protocol
`GET /threads/{thread_id}/runs/{run_id}/stream`[10] - 加入现有运行的输出流。只有在调用该端点后产生的输出才会被流式传输。 参考资料 [1] 这里:https://langchain-ai.github.io/agent-protocol/api.html [2] 这里:https://langchain-ai.github.io /agent-protocol/openapi.json [3] LangGraph平台:https://www.langchain.com/pricing-langgraph-platform [4] /api.html#tag/runs/GET/threads/{thread_id}/runs/{run_id}/wait [10] GET /threads/{thread_id}/runs/{run_id }/stream:https://langchain-ai.github.io/agent-protocol/api.html#tag/runs/GET/threads/{thread_id}/runs
43510编辑于 2025-03-18 - 来自专栏IT云清
java agent开发
本文主要记录下如何创建一个简单的java Agent，并配置运行。 1.创建Agent类 package com.java4all.grouth.agent; import java.lang.instrument.Instrumentation; /** * @ description: java Agent * @author: IT云清 */ public class MyAgent { public static void premain(String ,args:"+agentArgs); } } 2.MANIFEST.MF 配置文件 这里在src/main/resources/META-INF/下创建一个MANIFEST.MF文件，指定Agent : true 3.打包配置 在pom.xml中配置打包信息 <build> <finalName>my-agent</finalName> <plugins>
1.3K10编辑于 2021-12-06 - 来自专栏自动化、性能测试
Flask（10）- 标准类视图
路径和一个视图函数关联 当 Flask 框架接收到请求后，会根据请求 URL，调用响应的视图函数进行处理 Flask 不仅提供了视图函数来处理请求，还提供了视图类；可以将 URL 路径和一个视图类关联 标准视图函数 app = Flask(__name__) @app.route('/') def index(): return 'hello world' app.run(debug = True) 标准视图类 Flask.views.View 是 Flask 的标准视图类，用户定义的视图类需要继承于 Flask.views.View 。 - coding:utf-8 _*- """ # author: 小菠萝测试笔记 # blog: https://www.cnblogs.com/poloyy/ # time: 2021/7/13 10 - coding:utf-8 _*- """ # author: 小菠萝测试笔记 # blog: https://www.cnblogs.com/poloyy/ # time: 2021/7/13 10
86620发布于 2021-07-16 - 来自专栏前端小羊
需求理解agent开发
要开发一个能深入理解项目的智能体（Agent），需要考虑多方面的项目理解和推理能力。 ).join(f'- {d}' for d in project_info['structure']['directories'][:10])} ... } ### 业务逻辑文件 {chr(10).join(f'- {f}' for f in project_info['business_logic'][:5])} ### 入口点 {chr(10). = ProjectUnderstandingAgent("/path/to/your/project") # 生成完整分析报告 report = agent.generate_report () print(report) # 获取详细的项目理解 project_understanding = agent.understand_project()
25010编辑于 2026-01-26 AI代码溯源标准：Agent Trace规范草案详解
某AI代码助手开发商发布Agent Trace开放规范草案某AI代码助手开发商发布了Agent Trace规范草案，这是一项旨在标准化软件项目中AI生成代码溯源方式的开放规范。 Agent Trace旨在以一种结构化、可互操作的方式捕获这种上下文。Agent Trace是一种数据规范，它使用基于JSON的“跟踪记录”来将代码范围与背后的对话和贡献者关联起来。 来源：https://agent-trace.dev/该规范在设计上对存储方式保持中立。某开发商并未规定跟踪记录应存储于何处，允许实现者将其存储在文件、git notes、数据库条目或其他机制中。 Agent Trace作为一份RFC，欢迎反馈，并有意留下了一些未解决的问题，例如关于合并、变基和大规模AI驱动变更的处理。 某开发商将此提案视为一个起点，一个共享标准的开端，而非完整的解决方案，尤其是在AI助手在软件开发工作流程中日益普及的背景下。FINISHED
31410编辑于 2026-02-07Agent Skills 正让99%的AI开发标准化
Agent Skills给出了答案——它是一套标准化的文件夹规范，能快速打包Agent完成任务所需的一切资源，让技能开发、共享和执行变得简单高效。01 什么是Agent Skills？ Agent Skills 是一套给AI安装的“标准化技能包”。 05 MS-Agent框架实践基于Anthropic协议的MS-Agent框架，让技能开发和运行变得开箱即用。1. 1.Agent Skills vs MCPAgent Skills：专注于任务的知识与工具打包，是标准化的技能单元；MCP：专注于任务执行的流程控制，负责具体操作（如SQL查询）。 07 核心特性盘点标准协议：兼容Anthropic Skills协议，跨平台复用；启发式加载：按需加载上下文，避免资源浪费；自主执行：自动分析任务→制定计划→调用脚本；技能管理：批量加载+语义检索，快速匹配技能
13210编辑于 2026-05-08从工具到数字员工：AI Agent 全景解析（市场现状 + 开发标准 + 协作逻辑）
二、AIAgent的开发逻辑：从条件到标准，构建可落地的智能体开发一个AIAgent，并非简单的“调用工具+规划逻辑”，而是需要满足核心能力、工程化、标准规范等多方面条件，同时遵循明确的开发标准，才能实现 结合行业内开发经验与技术标准，我们从“必要条件、开发标准、核心流程”三个维度，详细拆解Agent的开发逻辑，让大家清晰了解“开发一个Agent需要做什么、怎么做”。 （二）AIAgent的开发标准：从定义到验收，确保落地质量开发Agent不仅需要满足必要条件，还需遵循明确的开发标准，避免出现“边界模糊、流程混乱、质量不达标”等问题，以下从任务定义、架构设计、功能验收 、协作标准四个维度，明确Agent的开发标准，确保开发出的Agent能够满足实际需求。 开发一个Agent，需要具备大模型、工具系统、状态记忆、规划反思、安全护栏等核心条件，遵循明确的开发标准，通过“需求定义-架构设计-模块开发-测试优化-部署运维”的流程，实现从0到1的落地。
34310编辑于 2026-05-05- 来自专栏FunTester
Java Agent 开发初探
Java Agent 概况 简介和功能 Java Agent是一种特殊的Java程序，允许开发者在 Java 应用程序运行时对其进行动态修改和监控的机制。 那么，我们如何开发一个 Java Agent 呢，下面我们来仔细说说。 开发 Java Agent 需要遵循一下规范，下面是几个必备的部分： 实现 premain 方法 premain 方法是 Java Agent 的入口点，类似于主程序的 main 方法。 实用案例 性能监控 Java Agent技术在性能监控领域的应用非常广泛，它可以帮助开发者实时监控应用程序的运行状态，识别性能瓶颈。 漏洞扫描：Agent可以集成漏洞扫描工具，对应用程序进行深度的安全检查，及时发现并修复安全漏洞。 性能影响 开发Java Agent时，性能影响是一个需要特别关注的问题。
69310编辑于 2025-01-23 - 来自专栏Python基础、进阶与实战
Python基础-10 标准库简介
10 标准库简介 10.1 操作系统接口 os os 模块提供了许多与操作系统交互的函数: os.getcwd() 返回当前目录 os.chdir() 改变当前工作目录 os.system() 在shell parser.add_argument('filenames', nargs='+') parser.add_argument('-l', '--lines', type=int, default=10 import random >>> random.choice(['apple', 'pear', 'banana']) 'apple' >>> random.sample(range(100), 10 10.11 质量控制 开发高质量软件的一种方法是在开发过程中为每个函数编写测试，并在开发过程中经常运行这些测试。 doctest 模块提供了一个工具，用于扫描模块并验证程序文档字符串中嵌入的测试。 • sqlite3 模块是 SQLite 数据库库的包装器，提供了一个可以使用稍微非标准的 SQL 语法更新和访问的持久数据库。
49820编辑于 2022-12-06 01：开发流程标准
为什么第一篇写开发流程标准呢？ 背景：在不熟悉一个研发团队不知道一个开发流程的标准，甚至没有一个标准的时候，镜像版本、服务名称如何定，这都是一门学门，当然每个公司的研发流程都有自己的标准，我则偏向运维方面。 master分支：不能在该分支进行开发，且永远是支持稳定版本。合并其他分支过来的时候，则说明新的一个稳定版本发布。 develop分支：该分支是永远是开发中的最新代码，该分支可延伸其他分支，不能直接在该开发，负责MR合并。 feature分支：该分支是从develop分支衍生出来的新分支，并且建议命名为：featrue/xxx-xxx,最好这个分支是表面是什么功能，因为这个分支表示的是功能开发，开发完之后MR合并到develop
16310编辑于 2025-11-13- 来自专栏运维有术
Agent Skills 开发实战：轻松搞定 10 个 Milvus 集群的运维管理
我是术哥，一名专注于 AI 编程、AI 智能体、Agent Skills、MCP、云原生、Milvus 向量数据库的技术实践者与开源布道者！ Talk is cheap, let's explore。 但问题来了：我们要同时管理 10 多个 Milvus 集群，每个集群有几十个集合，靠手动检查根本不现实。有没有办法自动化地监控所有集群的健康状态？ 另一个实用功能是 performance_test，它会执行指定次数的查询，统计平均、最小、最大延迟： def performance_test(self, collection_name, test_count=10 踩坑三：性能测试的陷阱 最开始做性能测试时，我直接在同一个集合上执行 10 次查询，发现结果特别稳定。但后来发现这是缓存的影响，第二次查询会命中缓存，延迟明显降低。 先解决痛点，再考虑完美 最开始我想做一个全能的运维平台，但后来发现开发周期太长。不如先解决最痛的问题：连接管理和信息聚合。先上线，再迭代。 2.
21210编辑于 2026-04-01 Agent 记忆系统的标准方案为何失效剖析
开发者Rohit面试失败后，开始深入研究Agent记忆系统，最终构建出生产级方案。核心洞察：记忆是基础设施，不是功能。 标准方案为何失效方案一：对话历史塞入上下文10轮对话后，上下文窗口填满，系统开始截断旧消息。结果？Agent忘记了用户是素食者。问题根源：对话历史不是记忆，只是聊天日志。 Agent幻觉出错误的综合答案。问题根源：Embedding衡量的是相似性，不是真实性。向量数据库不理解时间、上下文或更新。短期记忆：Checkpointing每个Agent作为状态机运行。 Embedding，调整图谱边权重，归档冷数据推理时检索从上下文窗口约束反向工作：用合成查询广泛搜索搜索结果是候选，不是答案相关性评分×时间衰减=最终排序近期记忆往往击败六个月前的完美匹配结果：只注入5-10 像操作系统管理内存一样管理记忆，Agent才能长期可靠地工作。
14110编辑于 2026-02-12多模态Agent开发实战
多模态Agent开发实战入门一、什么是多模态Agent？多模态Agent是指能够同时处理和理解多种类型数据（文本、图像、音频、视频等）的智能体，并能基于这些理解执行任务、做出决策。 ）跨模态推理（图文关联、音画同步）工具调用（API、数据库、物理设备）自主规划与执行二、技术栈选型主流框架框架特点适用场景LangChain生态丰富，支持多模态模型快速原型、RAG应用AutoGen多Agent 协作，对话驱动复杂任务分解CrewAI角色化Agent，结构化流程业务自动化LangGraph图控制流，状态管理需要精确控制的流程多模态模型选择闭源API：GPT-4V、GPT-4o、Claude 3、 协作冲突引入仲裁Agent；明确角色分工（如CrewAI的Process）四、项目实践路线第1周：掌握基础API调用（GPT-4V或Qwen-VL）→ 完成图文问答第2-3周：集成LangChain → 构建可调用工具（搜索、计算、数据库）的Agent第4-5周：添加记忆模块 → 实现多轮对话上下文保持第6-8周：多模态RAG → 图片库检索 + 文档问答进阶方向：视频流理解、语音交互、多Agent协同
19610编辑于 2026-04-27Agent开发入门教程
Agent 编排层：Agent Manager、LangGraph 编排、Agent Factory、FC（Function Calling） 3. 领域能力层：MCP Server、领域 Sub Agent、高阶 Sub Agent 5. 知识与记忆：知识来源、记忆系统（长期/短期） 6. 再接 MCP Agent（复杂交互） 路径：`Top Agent -> 包装工具 -> Sub Agent(LangGraph) -> MCP Server -> 后端服务` 适合：多轮工具调用、 复杂业务规则、需要 Sub Agent 自主推理。 Top Agent 先接 FC 跑通 1 个核心业务场景。 3. 再按业务需要逐步引入 MCP、Sub Agent、RAG。 4. 同步接入日志、Tracing、重试和超时机制。
20710编辑于 2026-04-15- 来自专栏烂笔头
Python标准库笔记(10) — itertools模块
:') for i in islice(range(100), 5, 10): print(i, end=' ') print() print('By tens to 100:') for i in islice(range(100), 0, 100, 10): print(i, end=' ') print() islice() 接收和列表切片相同的参数：start ， stop # OutPut Stop at 5: 0 1 2 3 4 Start at 5, Stop at 10: 5 6 7 8 9 By tens to 100: 0 10 20 30 40 50 60 ('i2:', list(i2)) tee() 具有与Unix tee 实用程序类似的语义，它从它的输入中重复地读取的值并将它们写入一个命名文件和标准输出。 # OutPut [0, 1, 3, 6, 10] ['a', 'ab', 'abc', 'abcd', 'abcde'] 同时 accumulate() 也接受自定义的带有两个输入项的函数。
2.5K60发布于 2018-06-19 - 来自专栏DeepHub IMBA
AI Agent技术栈：10个构建生产级Agent的核心概念
本文就总结了构建AI系统时真正绕不开的10个基础概念 1、MCP：通用插件系统 假设你需要Agent读取Gmail、更新Notion、查询数据库。 2、推理循环：思考、行动、观察、重复 多数开发者把LLM当函数用，输入问题输出答案然后就结束了。但现实中的任务不是一锤子买卖，需要根据中间结果不断调整策略。 推理循环才是Agent真正解题的方式。 有了长期记忆，Agent会让人觉得"它记得我"，而不是每次都像跟陌生人打交道。 来看一个场景：用户说过"我习惯把会开在上午10点之前"。这条偏好被写入长期记忆，关联到用户ID。 三次重试都失败后，Agent告诉用户——"邮件服务暂时挂了，草稿已保存，10分钟后自动重发。"出了什么问题、接下来怎么办，交代得清清楚楚。 10、运行时编排：管理执行环境 Agent不是跑一次就结束的脚本。它是一个长期运行的系统，要响应事件、并行处理任务、扛住重启、还得在资源限制内运转。 运行时编排就是这套基础设施。
50310编辑于 2026-02-27 - 来自专栏AgenticAI
LangGraph发表标准化LLM Agent互操作协议
多 Agent 的挑战 在多 Agent 中，每个 Agent 可能暴露出不同的 API，这使得标准化通信变得困难。 为了克服这一挑战，需要一个统一的通信标准，使得不同 Agent 能够无缝交互，无论它们是基于何种技术构建的。 2. Agent Protocol 的应运而生 Agent Protocol 应运而生，旨在提供一个框架无关的、标准化的接口，用于 Agent 之间互操作通信 ，为多 Agent 通信迈出了可靠的一步。 简化部署和集成：通过标准化接口，开发者可以更容易地将不同的 Agent 集成到他们的应用中，无论是在本地环境还是云端。 它为构建一个更加灵活、高效和互联的代理生态系统提供了基础，使得开发者能够构建更加复杂和强大的应用，同时降低了开发和维护的复杂性。通过代理协议，我们可以期待一个更加开放和协作的人工智能未来。
48510编辑于 2025-03-18 - 来自专栏zayyo前端
Web标准与前端开发
前端开发的起源、架构、变迁 前端最早诞生于1989年，最早的Web是由HTML、HTTP、URL三种技术构成，而我们现在的CSS和JavaScript都是后来才出现的技术。 transpiling) 打包(bundling) React.js vue.js 前端的应用领域 To Business（面向公司） To Customer（面向用户） To Developer（面型开发者 关于Web标准 标准组织 W3C: World Wide Web Consortium Ecma: Ecma International WHATWG: Web Hypertext ApplicationTechnology early review w3ctag/design-reviews（获得w3ctag的评估） Write web-platform-tests (WPT) tests（编写测试） 课后总结 学完Web标准与前端开发的课程后 ，让我对Web的标准有了更加清晰和深刻的理解。
57200编辑于 2023-12-10 - 来自专栏Windows技术交流
自制腾讯云win10标准镜像
4、自动安装的系统自动进入桌面后以powershell管理员身份分2次分别执行一段powershell代码后就得到标准vmdk文件了，参考https://cloud.tencent.com/document \Windows10x64.vmdk" -t 0 "E:\Windows10x64.vmdk" image.png 点“完成”后会在10分钟左右自动完成Win10的安装并进入Administrator .bat -Outfile c:\NT6NT10.bat cmd.exe /c start /w /min c:\NT6NT10.bat restart-computer 第二段命令， wget http ://windows-1251783334.cos.ap-shanghai.myqcloud.com/115.159.148.149/NT6NT10.ps1 -Outfile c:\NT6NT10.ps1 等上传完后再开机，你会发现又全新地来了一遍，这就是我设置的win10 sysprep镜像（时间长记不清了，也许会自动设置一个复杂的密码J.DhJ9!
13.7K51编辑于 2023-10-13
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