- 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？ 2：我们内部使用的定义是："能够在现实世界（包括物理和数字领域）中执行并完成长期开放性任务的人工智能系统"3：应用的Agent性越强，大语言模型对程序控制流的决策权就越大4：AI Agent 是能够自主规划并使用工具达成目标 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
50610编辑于 2025-04-06 - 来自专栏AgenticAI
LLM Agent标准化互操作协议：Agent Protocol
例如逐个令牌、过程步骤等 如果断开连接，能够重新连接到输出流 处理边缘情况： 错误应平滑处理，且可根据需要重试 突发流量应排队处理 基础端点： `GET /threads/{thread_id}/runs`[4] 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] GET /threads/{thread_id}/runs:https://langchain-ai.github.io/agent-protocol/api.html#tag/runs/GET/threads /{thread_id}/runs [5] POST /threads/{thread_id}/runs:https://langchain-ai.github.io/agent-protocol/api.html
43510编辑于 2025-03-18 - 来自专栏技术杂记
Zabbix Agent 安装4
cd script/ [root@zbx-target script]# vim port.discovery.bash [root@zbx-target script]# ll total 4 /bin/bash printf '{"data":[' for i in `netstat -tnl| grep LISTEN|awk '{print $4}'| awk -F ':' '{print
72830编辑于 2022-03-21 - 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; /** * @ Manifest-Version: 1.0 Premain-Class: com.java4all.grouth.agent.MyAgent Can-Redefine-Classes: true Can-Retransform-Classes target>1.8</target> </configuration> </plugin> </plugins> </build> 4. :/Users/ityunqing/mycode/grouth/target/my-agent.jar=IT云清 项目启动后，就会看到，在main方法执行前，执行了premain方法。
1.3K10编辑于 2021-12-06 - 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。 构建依赖图 dependency_graph = self.build_dependency_graph() # 4. 个文件包含依赖引入 """ return report四、使用示例 # 使用智能体分析项目 if __name__ == "__main__": # 初始化智能体 agent = 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”。 04 多层次渐进式上下文加载Agent Skills实现了按需加载的高效机制，分为4个层级：Level1（Metadata）：仅加载名称、描述，用于语义搜索快速匹配；Level2（Retrieval）： 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）。
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。 4.多Agent协作标准：工程化协作，提升效率对于需要多Agent协作的场景，需遵循明确的协作标准，确保协作顺畅、可控。
34210编辑于 2026-05-05为什么 CLI 正在变成 AI Agent 的标准接口？4 个项目看清这条新赛道
为什么 CLI 正在变成 AI Agent 的标准接口？ 的开发者 •想同时操控网站、桌面应用和本地工具的人 •想让 Agent 直接干活的人 AutoCLI 更适合 •对部署效率、资源消耗、二进制分发敏感的人 •想把工具带进生产环境、服务器、容器和轻量设备的人 4. CLI 让“工具发现”变得更标准 对 AI Agent 来说，一个巨大的问题是： 它怎么知道自己现在能做什么？ 谁把这层翻译层做得更标准、更可扩展、更可分发，谁就更可能成为 Agent 时代的重要基础设施。 第三，CLI 不只是“旧接口”，而是在 Agent 时代重新被赋予新价值 以前 CLI 往往被视为开发者工具。
33910编辑于 2026-04-22- 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 - 来自专栏一个爱吃西瓜的程序员
Web前端基础【4】--HTTP标准
_21111_24879 Host:www.baidu.com Referer:https://www.baidu.com/ Upgrade-Insecure-Requests:1 User-Agent 4：Cache-Control：用于指定缓存指令，缓存指令是单向的，且是独立的。 10：User-Agent：包含发出请求的用户信息，其中有使用的浏览器型号、版本和操作系统的信息。 Accept-Encoding X-Powered-By:HPHP X-Ua-Compatible:IE=Edge,chrome=1 响应头中包含以下内容： 1：HTTP/1.1表示使用HTTP1.1协议标准 目前Cookie已经成为标准，所有的主流浏览器如IE、Netscape、Firefox、Opera等都支持Cookie。 由于HTTP是一种无状态的协议，服务器单从网络连接上无从知道客户身份。
1.1K70发布于 2018-04-03 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 2025-11-13Agent 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。 Agent当操作系统，不是聊天机器人：RAM：当前对话的快速易失上下文硬盘：持久化、索引化的知识存储垃圾回收：定期维护，否则系统崩溃总结记忆系统的关键在于：不是存储，而是组织和衰减。 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- 来自专栏XINDOO的专栏
Agent设计模式——第 4 章：反思
这是一种自我纠正或自我改进机制，允许 Agent 基于反馈、内部评审或与预期标准的对比，迭代优化其输出或调整策略。反思有时可由专门的 Agent 来促进，其特定职责是分析初始 Agent 的输出。 此评估可能涉及事实准确性、连贯性、风格、完整性、指令遵循度或其他相关标准 反思/优化： 基于评审意见，Agent 确定改进方向。 评审者的指令引导其根据特定标准分析生产者工作，包括事实准确性、代码质量、风格要求或完整性。 我们使用 gpt-4o 以获得更好的推理。 ## 使用较低的温度以获得更确定性的输出。 它建立反馈循环，其中"生产者" Agent 生成输出，然后"评审者" Agent（或生产者自身）根据预定义标准进行评估。随后使用此评审生成改进版本。
62510编辑于 2025-10-27 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。 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、 +摘要；滑动窗口注意力实时性要求模型量化（GPTQ/AWQ）；边缘端部署（ONNX/TensorRT）工具调用准确性结构化输出（JSON模式）；ReAct模式循环验证多Agent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 2026-04-27- 来自专栏码匠的流水账
聊聊langchain4j的Agent
序 本文主要研究一下langchain4j的Agent 示例 CustomerSupportAgent customer-support-agent-example/src/main/java/dev/ langchain4j/example/CustomerSupportAgent.java @AiService public interface CustomerSupportAgent { @SystemMessage(""" Your name is Roger, you are a customer support agent of a car rental company /src/test/java/dev/langchain4j/example/CustomerSupportAgentIT.java @Test void should_provide_booking_details_for_existing_booking langchain4j目前暂不支持类似AutoGen或CrewAI中用于构建多智能体系统的"Agent"高级抽象功能，如果需要则可以基于low-level的API去构建。
45710编辑于 2025-03-17 Agent开发入门教程
Agent 编排层：Agent Manager、LangGraph 编排、Agent Factory、FC（Function Calling） 3. 工具层：静态工具组（本地注册）+ 动态工具组（按用户配置加载） 4. 领域能力层：MCP Server、领域 Sub Agent、高阶 Sub Agent 5. 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、 Vite `5.x` / Webpack `5.x` Tailwind CSS `3.x` shadcn/ui `latest` element-plus `^2.10.4` antDesign Vue `4. 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- 来自专栏每月技术成长
Agent 辅助升级 vuetify 4 with tailwind v4 实践分析
近期发现Vuetify发布4.0版本，同时官方也给出了Vuetifyv4withTailwindv4的示例，正好手头上CNB的NPC额度+Copilotchat额度足够，于是分别通过Codebuddy与 Copilot对于已有的两个Vuetifyv3+Tailwindv4项目进行升级，测试Vuetifyv4及两家agnet能力。 Copilt辅助升级Vuetifyv4withTailwindv4实验条件Copilot+doubao2.0code展开代码语言：TXTAI代码解释1.将vuetify3升级至vuetify42.基于https ://vuetifyjs.com/en/blog/building-with-vite-and-tailwindcss/解决vuetify4与tailwindcssv4兼容性问题4.运行测试5.对整个过程进行总结实验结果 Copilot花费20分钟左右，消耗3724449token，按照blog内容完成了Vuetifyv4withTailwindv4的升级兼容，但几乎所有组件都出现透明度、位置、动画效果等多方面问题。
13610编辑于 2026-04-11 - 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。
48410编辑于 2025-03-18 LangChain4j 标准 RAG 实战
LangChain4j - LangChain4j快速入门实战 2. LangChain4j - 多模态开发踩坑实录 3. LangChain4j - 系统提示词稳住AI 4. LangChain4j - 注解式AI服务实战 5. LangChain4j - 让AI不再失忆 6. LangChain4j - LangChain4j 结构化输出实战 7. LangChain4j - RAG落地实战 经过上一篇 LangChain4j - RAG落地实战, 已经了解了极简版 RAG，那么本篇呢，继续延续上篇内容开展。 标准版 RAG 下面来试试标准版 RAG 实现，为了更好的效果，我们需要： • 加载 Markdown 文档并按需切割 • Markdown 文档补充文件名信息 • 自定义 Embedding 模型 • 往期推荐： 序号 文章标题 链接 1 MCP协议爆火揭秘 查看详情 2 轻松配置Cursor玩转MCP 查看详情 3 Browser-Tool 前端开发神器 查看详情 4 AI编码焕新：用Context7
14710编辑于 2026-04-29
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