- 综合排序
- 最热优先
- 最新优先
- 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>
1.4K10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。 ).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()
30510编辑于 2026-06-17 - 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.
27310编辑于 2026-04-01 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
32210编辑于 2026-04-27- 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。
80710编辑于 2025-01-23 Agent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。
57010编辑于 2026-04-15- 来自专栏人工智能
Agent开发入门：提示词工程
尤其是做Agent的时候，Prompt写不好，不只是回答丑一点，而是接口挂、JSON解析挂、教师端页面挂、学生画像误判，最后后端还要背锅。我之前做高校学情分析Agent的时候，就被这个东西反复折磨。 在Agent开发中，提示词经常不是一次性文本，而是由后端模板、用户输入、检索内容、工具返回结果拼接而成。 2到3个高质量示例，通常比10个乱七八糟的示例强。有时候示例顺序一换，模型输出就变保守了。可能和上下文里的模式学习有关，也可能是我样例设计太差。反正遇到这种情况，别先怪模型，先换一下示例顺序试试。 比如你要写一份Agent开发文档，很多人会直接这样问：展开代码语言：TXTAI代码解释帮我写一份高校学情分析Agent的开发文档，越详细越好。模型确实能写。 里面故意保留了一点我平时开发会出现的东西，比如忘删的console.log，还有注释掉的旧代码。
47531编辑于 2026-06-02 - 来自专栏Go语言学习专栏
做了好几年后端开发，AI Agent还是让我效率翻了10倍
我做了好几年后端开发，Java、Go那套东西算得上熟练。很长一段时间里，我觉得AI Agent是算法工程师的领域——什么大模型、提示词工程、Agent框架，跟我这种写CRUD和微服务的人没太大关系。 这条路走下来，我发现对于有编程基础的人来说，切入AI Agent的门槛比你想象的低得多。这篇文章，就是我想把这半年的心得完整地分享给你——尤其是那些跟我一样做传统开发的朋友。 AI Agent的开发更像是在做应用层工程——用现成的大模型当"大脑"，你的工作是给它接上工具、设计流程、处理边界情况。这跟后端开发里"用成熟的中间件搭系统"的思路非常像。 把这四个部分串起来，你就理解了AI Agent的本质。 有编程底子的人，怎么切入AI Agent开发 如果你跟我一样有编程基础，切入AI Agent开发比你想象的快得多。 这个循环，就是一个最简单的Agent。 第四步：用LangChain简化开发（1个月） 手写Agent代码确实有些繁琐。LangChain帮你把这些繁琐的部分封装好了。
23910编辑于 2026-05-29 - 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。
71610编辑于 2026-02-27 - 来自专栏xingoo, 一个梦想做发明家的程序员
【插件开发】—— 10 JFace开发详解
address; 6 public int getId() { 7 return id; 8 } 9 public void setId(int id) { 10 8 import org.eclipse.jface.viewers.LabelProvider; 9 import org.eclipse.jface.viewers.ListViewer; 10 = new int[]{SWT.LEFT,SWT.LEFT,SWT.LEFT,SWT.LEFT}; 9 for(int i=0;i<columnNames.length;i++){ 10 8 import org.eclipse.jface.viewers.LabelProvider; 9 import org.eclipse.jface.viewers.TreeViewer; 10 StyleRange(0,12,null,null,SWT.BOLD)); 8 viewer.changeTextPresentation(style, true); 9 10
3.5K50发布于 2018-01-18 - 来自专栏个人总结系列
Agent开发框架对比分析报告
目录执行摘要框架概述详细对比分析优劣势分析发展前景选型建议执行摘要本报告对四个主流Agent开发框架进行了全面对比分析：Eino（字节跳动）、AgentScope（阿里巴巴）、Youtu-Agent（腾讯 Youtu-Agent - 腾讯优图基本信息：开发公司：腾讯优图实验室主要语言：Python开源时间：2025年9月定位：零闭源依赖智能体框架核心特点：零闭源模型依赖YAML配置简化操作成本可控的开源模型支持基于 开发易用性AgentScope: ⭐⭐⭐⭐⭐ 低代码+可视化界面Youtu-Agent: ⭐⭐⭐⭐ YAML配置简化Spring AI Alibaba: ⭐⭐⭐⭐ Spring注解驱动Eino: ⭐⭐⭐ Python技术栈团队Youtu-Agent (腾讯)优势：零闭源依赖：完全基于开源模型，成本可控配置简单：YAML配置降低开发门槛成本优势：避免商用模型授权费用腾讯生态：与腾讯云服务深度集成劣势：功能相对基础 （成本控制）AgentScope（快速开发）Spring AI Alibaba（Java团队）研究机构/高校：AgentScope（研究友好）Eino（性能研究）Youtu-Agent（开源研究）高并发场景
4K10编辑于 2025-09-18 ERNIE Bot Agent开发框架 & function calling 开发实践
L4 Agent AI完成绝⼤部分⼯作，人类负责设定⽬标、提供资源和监督结果。AI完成任务拆分，工具选择，进度控制，实现目标后自助结束工作。 2 ERNIE Bot Agent开发框架ERNIE Bot Agent 基于文心模型的 Function Calling（下⾯简称FC） 能力实现了多工具编排和自动调度功能，并且允许工具、插件、知识库等不同组件的混合编排 /ERNIE-SDK/erniebot # 然后安装ERNIE Bot Agent !pip install . /ERNIE-SDK/erniebot-agent # 安装核⼼模块 #pip install './erniebot-agent/. 识别图片中文字的工具# 远程调⽤⼀个图⽚识别⼯具 ocr_tool = RemoteToolkit.from_aistudio("highacc-ocr").get_tools()[0] 2.4 创建agent
72110编辑于 2024-06-17- 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。 确定开发语言（如 Python、C++）和框架（如 TensorFlow、PyTorch）。1.3制定项目计划划分开发阶段，制定时间表和任务分配。确定资源需求（如数据、计算资源、团队分工）。 5.系统集成5.1接口开发开发与外部系统交互的 API（如 RESTful API、gRPC）。定义输入输出格式（如 JSON、Protobuf）。5.2模块集成将 AI 模型集成到应用程序中。 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。 在实际开发中，需要根据具体需求灵活调整流程，并持续优化和迭代。
3K20编辑于 2025-02-18 - 来自专栏AI 应用架构
Agent评测为什么比传统测试难 10 倍
让我们用一张图来对比两种系统的评测逻辑差异：Agent评测的四大核心挑战可以归纳为：第一，非确定性输出。同一个Prompt、同一个输入，跑10次可能得到10个不同的结果。 从评测集中抽取10条"锚点数据"，由人工精确标注（多人标注取共识）。让评测Agent对这10条评分，计算系统性偏差。例如人工平均分3.2，LLM平均分3.8，则系统性偏差为+0.6。 维护一批"黄金参考输出"——固定10条数据和它们在某个时间点的评测结果。每次新跑批前，先用这10条跑一遍，检查评测Agent是否发生了漂移。 基于6个Agent的实战数据：阶段传统方式Harness+CC加速比评测方案设计1-2天10-30分钟~10x评测集构建2-3天半天（含人工标注）~5x评测脚本/Agent开发2-3天1-2小时~10x 跑批执行同同1x结果分析+报告半天-1天10-20分钟~5x单Agent全流程约1.5周约1-2天~5x加速比最显著的两个环节是方案设计和评测逻辑开发，都达到了约10倍。
31879编辑于 2026-06-09 - 来自专栏ceshiren0001
Dify平台：Agent开发初学者指南
在大模型技术飞速发展的今天，AI智能体（Agent）已成为能够自主理解、规划并执行任务的AI应用形态。 Dify作为一个强大的LLM应用开发平台，让即使没有深厚编程背景的开发者也能快速构建功能丰富的AI智能体。本文将手把手带你体验在Dify平台上创建第一个智能体的全过程，从环境准备到实际部署。 一、Dify平台与智能体基础Dify是一个专注于LLMOps（大语言模型运维）的平台，其名字来源于"Define"和"Modify"，寓意帮助开发人员不断改进其AI应用程序。 Dify平台大大降低了AI智能体的开发门槛，使开发者能专注于任务逻辑而非技术实现细节。 、医疗等专业咨询随着大模型与Agent框架的快速迭代，Dify 也在不断进化。
2.1K10编辑于 2025-08-29 - 来自专栏【腾讯云开发者】
Agent全面爆发！一文搞懂Agent开发核心链路
两年深耕，无数次架构迭代与实战验证，我们终于摸清了Agent开发的核心脉络。 作为AI Agent领域的入局者，接触该类产品开发不知不觉已有两年多之久。期间前前后后调研了不少内容，从开发经验总结的角度写下这一篇文章总结记录的同时，希望能给需要的同学们带来一定帮助。 研究者们开始将通用的多Agent框架与具体的应用场景相结合，如金融交易、软件开发、内容创作等，形成了领域特化的Agent协作模式。 围绕KV-Cache优化设计 关键指标：KV缓存命中率直接影响延迟和成本（如Claude Sonnet缓存token成本降低10倍）。 核心点10. 环境反馈的颗粒度控制 问题：过于简略的反馈（如仅返回错误代码）导致模型无法定位问题，过于冗长的反馈则引入噪声。
9.6K35编辑于 2025-11-19 OpenClaw + CodexClaudeCode Agent Swarm：单人开发团队
我的 Git 历史记录看起来就像我刚招了个开发团队。 /run-agent.sh templates gpt-5.3-codex high" 该代理程序在 tmux 会话中运行，并通过脚本进行完整的终端日志记录。 此时： CI 测试通过 三位 AI 审核员已批准代码 屏幕截图显示了 UI 更改 所有边界情况均已记录在审核评论中 我的审核耗时 5-10 分钟。 只需 10 分钟即可完成。 无需购买任何课程。 意想不到的瓶颈 我目前遇到的瓶颈是：内存。 每个代理都需要自己的工作树。每个工作树都需要自己的 node_modules 目录。 下一代创业者不会雇佣一个10人的团队去做一个人用合适的系统就能完成的事情。他们会像这样构建——保持小规模，快速行动，每日交付。 现在充斥着太多AI生成的垃圾产品。
2.1K10编辑于 2026-03-04- 来自专栏喔家ArchiSelf
10个构建Agent的大模型应用框架
在此，我们将重点介绍10个具有代表性的Agent应用构建框架，并对其他常见的框架进行简要概述，以期为大家提供一个相对全面的视角，了解这一领域的现状和潜在趋势。 1. 它在 GitHub 上拥有超过 10 万颗星，吸引了超过 100 万开发者使用，形成了一个庞大且活跃的社区。这个社区不仅提供了丰富的知识共享，还推动了 LangChain的快速发展。 CrewAI已经成为增长最快的Agentic AI生态系统，并在2024年10月成功筹集了1800万美元的资金。 总的来说，Spring AI是一个为 Java 开发者量身定制的 GenAI 开发框架，既降低了入门门槛，又提供了强大的功能和灵活性，非常适合企业级应用开发。 10. 大模型应用的10种架构模式 LLM运行框架对比：ollama与vllm浅析
12.5K30编辑于 2025-03-24 - 来自专栏OpenClaw
OpenClaw 入门指南：AI Agent 开发新范式
这一现象级的增长背后，折射出开发者对"拥有自己的 AI 助手"的强烈需求。 1.2 核心定位与价值主张OpenClaw 的核心定位非常清晰： 在你自己的设备上运行的 AI Agent，连接各种消息平台，提供 24/7 全天候的 AI 助手体验。 适用人群：想要快速体验 OpenClaw 的个人用户、开发调试阶段的开发者。 这个漏洞在 2026 年 1 月被披露后，开发团队在 24 小时内发布了修复版本。另一个值得警惕的是 923 个网关暴露事件。 /bin/bash openclaw agent --message "审查本次代码提交：$(git diff HEAD~1)"' > .git/hooks/post-commit chmod +x .
89520编辑于 2026-04-29 - 来自专栏Agent开发实战
Agent 开发笔记 1-环境部署
然而，当最初的惊艳沉淀下来，开发者们开始探索下一个前沿：如何让AI不仅仅是一个“有问必答”的工具，而是成为一个能自主规划、调用工具、解决复杂问题的“行动者”？答案，就是智能体（Agent）。 下面一起跟随教程一步一步落地Agent1.部署环境首先在python环境下安装所需的包%pipinstalltavily-python%pipinstallrequests%pipinstallopenai
15610编辑于 2025-12-15
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