- 综合排序
- 最热优先
- 最新优先
- 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
78730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。
1.4K10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。 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()
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 - 来自专栏XINDOO的专栏
Agent设计模式——第 4 章：反思
此示例使用 Langchain 库和 OpenAI 的 GPT-4o 模型实现反思循环，迭代生成并优化计算数字阶乘的 Python 函数。 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。 llm = ChatOpenAI(model="gpt-4o", temperature=0.1) def run_reflection_loop(): """ 演示多步 AI 反思循环以逐步改进 4. 处理边缘情况：0 的阶乘是 1。 5. 处理无效输入：如果输入是负数，则引发 ValueError。 current_code) if __name__ == "__main__": run_reflection_loop() 代码首先设置环境，加载 API 密钥，并使用低温度初始化强大的语言模型（如 GPT-4o
76410编辑于 2025-10-27 - 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。
51310编辑于 2025-03-17 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
32110编辑于 2026-04-27- 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。
16810编辑于 2026-04-11 - 来自专栏A周立SpringCloud
Skywalking系列博客4-Java Agent配置
deleteByIds和deleteByQuery） false plugin.solrj.trace_ops_params 如果为true，则跟踪Solr请求中的所有操作参数 false plugin.light4j.trace_handler_chain 如果为true，请跟踪Light4J的请求的所有中间件/业务handler。 将被忽略） 未设置 Java Agent配置方式 agent配置有多种姿势，上面修改 agent.config 文件中的值，只是其中一种。下面专门探讨agent支持的配置方式。 :/opt/agent/skywalking-agent.jar=agent.service_name=你想设置的值 -jar somr-spring-boot.jar 系统环境变量 agent.config 例如，agent.config 中有如下内容 agent.service_name=${SW_AGENT_NAME:Your_ApplicationName} 这说明Skywalking会读取名为 SW_AGENT_NAME
2.5K20发布于 2020-07-07 Agent设计模式（4）：Tool Use模式——构建安全的多工具Agent
IDE能提供智能提示：开发时更方便 3. PermissionError: 无权限访问 """ pass 精准的描述应该包含： 功能：工具能做什么 限制：工具不能做什么 参数：每个参数的详细说明 返回值：返回数据的结构 异常：可能抛出的错误 ▪ 原则4： 添加允许使用的工具 safe_globals.update(global_vars) # 4. _': iter, '_iter_unpack_sequence_': guarded_iter_unpack_sequence, } # 4. 写Python代码调用工具 4. 从输出中提取关键信息 5.
40610编辑于 2026-05-09- 来自专栏DeepSeek 实战工坊
【DeepSeek 实战】打造全能编程助手：DeepSeek V4 Agent 开发与工具调用
打造全能编程助手：DeepSeek V4 Agent 开发与工具调用 摘要: Agent（智能体）是大模型应用的高级形态。 本文详解如何利用 DeepSeek V4 的 Function Calling 能力，构建能够自主调用外部工具的编程助手。 Commit 价值: 将开发者从重复性工作中解放出来，专注于架构设计与核心逻辑 图1：Agent 从代码审查到自动修复的完整流程 DeepSeek V4 强大的 Function Calling 定义工具 Schema 首先，我们需要告诉 DeepSeek V4 有哪些工具可用，以及每个工具的参数格式。 如果有问题，生成修复后的代码并执行验证 4.
44710编辑于 2026-06-03 - 来自专栏菩提树下的杨过
Agent设计模式学习(基于langchain4j实现)(1) - 基础Agent用法
本文将在langchain4j官方示例基础上(不熟悉langchain4j的朋友，请移步langchain4j学习系列），介绍几个主要模式的用法，今天先来看最基本的Agent如何实现 为方便讨论，先交待一下这一系列的业务背景 - 拥有 4 年软件开发经验，其中最近 2 年专注于 Java 后端开发（Spring Boot、PostgreSQL、Kafka 基础）。 、最基础的Agent示例 1 /** 2 该示例演示了如何实现一个基础Agent(改编自langchain4j官网示例) 3 注意：Agent只有与其他Agent结合使用时才更有用，后续步骤中将展示这一点。 4 如果只有一个Agent，使用 AiService 会是更好的选择。 5 这个基础Agent将用户的个人简介转换成一个简洁而完整的简历。
92310编辑于 2026-01-12 - 来自专栏DeepHub IMBA
深度研究Agent架构解析：4种Agent架构介绍及实用Prompt模板
深度搜索Agent核心问题其实就有两个：怎么把复杂问题拆得合理，以及怎么判断搜索结果够不够用。 迭代式搜索Agent 在讨论更复杂的架构之前，先回顾一下最基础的迭代式搜索Agent。 所以强烈建议用推理能力强的模型来做Planner，比如GPT-4o、Claude 3.5 Sonnet或者专门的推理模型如o1、DeepSeek-R1等。 计划出问题一般都会是以下几种情况： 目标失败：Agent没完成任务或者完成了但违反了约束条件。 毕竟Agent系统的调试本身就不容易，一上来就搞太复杂容易把自己绕进去。 喜欢就关注一下吧： 点个 在看 你最好看！
1K10编辑于 2026-01-12 - 来自专栏人工智能
Agent开发入门：提示词工程
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。 但我在复杂Agent项目里更常用XML标签。不是因为XML高级。它一点都不高级，甚至有点土。但它清楚。2026年4月，我做过一个高校学情分析系统。 4.角色提示RolePrompting角色提示不是写一句你是专家就完事。说实话，我现在看到你是一名世界顶级专家这种开头，已经有点麻了。角色要写具体。 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。
47231编辑于 2026-06-02 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。
56310编辑于 2026-04-15ERNIE 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。 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/.
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。 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。 4、回答(answer)，如果工具执行的结果已能得到答案，组织语言回答。 坑点4：出参没有严格标准 目前出参就是基础的JSON Schema，为保证效果，工具最好是需要统一出参的，但MCP并没有提供该类的约束，需开发者自己建立和遵循。
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 DeepSeek-V3优化4. 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: ⭐⭐⭐ ⭐ 腾讯云生态4. 成本控制成为关键因素Youtu-Agent零闭源依赖优势明显开源模型质量持续提升各框架都在加强开源模型支持4.
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）。 4.模型训练与评估4.1模型训练使用训练数据集训练模型。监控训练过程，调整超参数。4.2模型评估使用验证数据集评估模型性能。常用评估指标：分类任务：准确率、精确率、召回率、F1 分数。 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。 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
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