- 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Python大数据分析
Python+新版DeepSeek V3轻松开发Agent
1 简介 大家好我是费老师，前几天新版DeepSeek V3模型（代号250324）更新发布。 作为支持函数调用的先进开源大模型，我们可以基于它进行高效的Agent功能开发，这也是当下非常火热的AI应用领域。 今天的文章中，我就将带大家以Python生态中非常好用的Agent开发框架pydantic-ai为例，演示如何接入国内主流的DeepSeek V3服务，轻松实现常见的Agent开发相关功能。 传递即可，这样我们的Agent就像下面展示的那样具有了上下文记忆能力： 除此之外，Agent调用结果对应的new_messages()内容，还可以与JSON格式进行互转，这在很多AI应用开发场景中非常的受用 ： 除了本文介绍的基础功能外，pydantic-ai还支持mcp等丰富的智能体开发常用功能，欢迎大家持续关注我们的相关教程文章。
96610编辑于 2025-03-29 - 来自专栏技术杂记
Zabbix Agent 安装3
3:off 4:off 5:off 6:off [root@zbx-target zabbix]# chkconfig zabbix-agent on [root@zbx-target zabbix ]# chkconfig --list | grep zabbix zabbix-agent 0:off 1:off 2:on 3:on 4:on 5:on 6:off [root@zbx-target net.if.discovery" {"data":[{"{#IFNAME}":"lo"},{"{#IFNAME}":"em1"},{"{#IFNAME}":"em2"},{"{#IFNAME}":"em3" CPU.NUMBER}":1,"{#CPU.STATUS}":"online"},{"{#CPU.NUMBER}":2,"{#CPU.STATUS}":"online"},{"{#CPU.NUMBER}":3, items ，这些条目的详细解释可以参考 Zabbix agent Zabbix中已经集成了大量的常用监控条目，不用过多配置就可以直接使用
66710编辑于 2022-03-21 - 来自专栏技术杂记
Zabbix Agent 安装3
Average | awk {'print $2'} #UserParameter=swap.out.ps,/usr/bin/sar -W 1 1 | grep Average | awk {'print $3' } UserParameter=mem.used,/usr/bin/free -k | grep + | awk '{print $3}' UserParameter=ps.proc.sum[*],/bin head -n 1 UserParameter=redis.stat[*],/usr/local/bin/redis-cli -h 127.0.0.1 -p $1 info $2 | grep $3: [root@zbx-server zabbix_agentd.d]# 重启agent [root@zbx-target zabbix_agentd.d]# /etc/init.d/zabbix-agent restart Shutting down Zabbix agent: [ OK ] Starting Zabbix agent:
80150编辑于 2022-03-22 - 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。 分析技术栈 tech_stack = self.analyze_tech_stack() # 3. () print(report) # 获取详细的项目理解 project_understanding = agent.understand_project() project_understanding['dependencies'].items())[:5]: print(f"{Path(file).name} -> {deps[:3] *:\s*\n\s*if .*:', '嵌套过深'), 'magic_numbers': (r'[^a-zA-Z0-9_]([0-9]{3,})[^a-zA-Z0-9_]', '
30510编辑于 2026-06-17 - 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。
80510编辑于 2025-01-23 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
32110编辑于 2026-04-27Agent开发入门教程
适合读者： 1.刚开始做 Agent 项目，想快速落地最小可用版本 2.需要在“简单查询、复杂交互、知识问答”之间做架构选型 3.希望统一前后端、模型、工具与存储技术栈 一、先理解整体架构 从上到下可以分为 Agent 编排层：Agent Manager、LangGraph 编排、Agent Factory、FC（Function Calling） 3. 3. 三、技术栈清单（按层） 前端 Vue `3.x / 2.x` TypeScript `5.x` Vite `5.x` / Webpack `5.x` Tailwind CSS `3.x` shadcn/ 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。
56310编辑于 2026-04-15- 来自专栏探物及理
RL实践3——为Agent添加Policy
在实践1中，介绍了 动态规划DP 求解 价值函数 并没有形成一个策略Policy\(\pi\)来指导agent的动作选取，本节将利用SARSA（0）的学习方法，帮助agent学习到价值函数(表），指导 Agent的写法 Agent的三要素是：价值函数、策略、模型 Sarsa（0）是不基于模型的控制，其动作选择策略是\(\epsilon\)-greedy，根据价值函数选择动作。 对于一般问题，Agent包括如下功能 对环境的引用 自身变量：Q值，状态值的记忆 策略方法 动作执行方法 学习方法：改进策略，这部分是关键 class Agent(): def __init__ act(self, a): # 执行一个行为 return self.env.step(a) def learning(self): pass # 学习过程 Agent num_episode == max_episode_num: # 终端显示最后Episode的信息 print("t:{0:>2}: s:{1}, a:{2:2}, s1:{3}
68030发布于 2020-09-07 - 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。 3.Few-shotPromptingFew-shot就是给模型几个例子，让它照着学。这个在分类、命名、文案、风险判断里很好用。 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。
47131编辑于 2026-06-02 ERNIE Bot Agent开发框架 & function calling 开发实践
L3 Copilot 人类和4I进⾏协作，工作量相当。AI根据人类要求完成⼯作初稿，人类进行目标设定，修改调整，最后确认。 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-agent # 安装核⼼模块 #pip install './erniebot-agent/. "BEWARE", "OF FALLING", "COCONUTS" ], "words_result_num": 3 content: {"words_result": ["BEWARE", "OF FALLING", "COCONUTS"], "words_result_num": 3}
72010编辑于 2024-06-17- 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。 的开发框架 大模型多Agent协作技术的发展可以明显划分为三个主要阶段，每个阶段都有其独特的技术特点和代表性成果。 这一时期最重要的里程碑是微软AutoGen框架的发布，它为多Agent协作提供了一个标准化、易用的开发平台。 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。
9.5K35编辑于 2025-11-19 - 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 界面3. DeepSeek-V3优化4. Go语言学习成本3. 企业市场快速增长Eino在高性能场景获得更多采用Youtu-Agent在成本敏感市场扩大份额中期（3-5年）：框架间功能趋于同质化生态集成能力成为关键差异化企业级特性成为竞争焦点跨语言互操作性增强长期（
4K10编辑于 2025-09-18 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。 \ -c "/Users/elvis/Documents/GitHub/medialyst-worktrees/feat-custom-templates" \ "$HOME/.codex-agent /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。 clawdbot/active-tasks.json 文件中： { "id": "feat-custom-templates", "tmuxSession": "codex-templates", "agent 她会主动寻找工作： 早上：扫描 Sentry → 发现 4 个新错误 → 启动 4 个代理进行调查和修复 会后：扫描会议记录 → 标记客户提到的 3 个功能请求 → 启动 3 个 Codex 代理 晚上
2.1K10编辑于 2026-03-04- 来自专栏A周立SpringCloud
Skywalking系列博客3-Java Agent插件
Java Agent是插件化、可插拔的。 Skywalking的插件分为三种： •引导插件：在agent的 bootstrap-plugins 目录下•内置插件：在agent的 plugins 目录下•可选插件：在agent的 optional-plugins /java-agent/README.md#bootstrap-class-plugins 。 所支持的技术&框架，详见 https://github.com/apache/skywalking/blob/v6.6.0/docs/en/setup/service-agent/java-agent/ 可选插件 关于可选插件的功能描述，可详见 https://github.com/apache/skywalking/blob/v6.6.0/docs/en/setup/service-agent/java-agent
2.1K30发布于 2020-06-09 鸡翅-大模型与Agent开发实战
鸡翅·大模型与Agent开发实战：从入门到企业级落地的腾讯云全路径2026年，AI Agent已不再是实验室里的概念验证，而是企业降本增效、重塑业务流程的核心引擎。 ——将上述六大模块全部打包，开发者最快5分钟即可上线一个业务型AI Agent。 天数WorkBuddy动作Qclaw介入Day 1Plan模式，5分钟输出完整技术方案—Day 2-3Craft模式，自动生成后端算法+前端页面+迁移脚本—Day 4—扫描出5个问题：递归深度未限制、大数据页面卡顿 六、2026年Agent技术栈全景层级主流技术腾讯云支撑前端Vue3/React + TypeScriptCloudBase微搭低代码引擎后端Node.js/Python + Spring BootTI 腾讯云正以全栈AI工具链，让每一位开发者都能一个人，活成一支军队。本文基于鸡翅大模型与Agent开发实战课程体系，结合腾讯云2026年最新产品能力编写。想要5分钟搭建你的第一个AI Agent？
19210编辑于 2026-06-09- 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）。 3.模型设计与开发3.1选择算法根据任务需求选择合适的算法：监督学习：分类、回归。无监督学习：聚类、降维。强化学习：决策优化。深度学习：图像识别、自然语言处理。 强化学习：OpenAI Gym、Stable-Baselines3。9.2数据处理数据清洗：Pandas、NumPy。数据可视化：Matplotlib、Seaborn。 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XINDOO的专栏
Agent设计模式——第 3 章：并行化
ADK 框架的这一固有能力使开发人员能够设计并实现多个 Agent 并发而非顺序操作的解决方案。 并行任务： 使用略有不同的提示或模型同时为文章生成三个不同标题 优势： 便于快速比较并选择最佳选项 并行化是 Agent 设计中的基础优化技术，使开发人员能够通过利用独立任务的并发执行来构建更高性能和响应更快的应用程序 研究员 3：碳捕获 researcher_agent_3 = LlmAgent( name="CarbonCaptureResearcher", model=GEMINI_MODEL, _1, researcher_agent_2, researcher_agent_3], description="并行运行多个研究 Agent 以收集信息。" ) ## --- 3.
69910编辑于 2025-10-27 - 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。 "模型与参数"设置中：选择已配置好的大语言模型（如GPT-4、Claude 3或DeepSeek V3）根据任务需求调整参数（如Temperature值）对于文本处理任务，通常不需要过多调整默认参数步骤 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
15510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