- 综合排序
- 最热优先
- 最新优先
- 来自专栏技术杂记
Zabbix Agent 安装6
配置完监控插件后，要重启agent Note: 如果不重启，就读不到新添的配置，从服务端尝试获取信息，会出现如下报错 [root@zbx-server zabbix_agentd.d]# zabbix_get [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: ，创建 Graphs ，拼接 Screens 就可以展示出非常炫目的dashboard效果 ---- 命令汇总 wget http://repo.zabbix.com/zabbix/2.4/rhel/6/ x86_64/zabbix-release-2.4-1.el6.noarch.rpm zabbix_get -s zbx-target -p 10050 -k "system.cpu.load[all,
94610编辑于 2022-03-21 Agent设计模式（6）：Multi-Agent模式——构建多Agent协作系统
在前面五篇文章中，我们探讨了单Agent的各种核心模式： Reactor让Agent懂感知和反应； Planner让Agent会规划； Tool-Use让Agent能调用外部工具； Memory让Agent 但现实世界的问题往往太复杂，单一Agent难以胜任。就像一个人解决不了所有问题，多个专业分工的Agent协作才是正解。 这就是今天要讲的Multi-Agent模式。 一、为什么需要多Agent？ 可扩展：新增功能只需添加新Agent 二、Agent角色设计：职责分离 Multi-Agent系统的第一步是角色定义。 多步骤 第3篇 Tool-Use模式 调用外部工具 需要扩展能力 第4篇 Memory模式 记住上下文 长对话、状态维护 第5篇 Chain-of-Thought模式 显式推理链 复杂推理、数学问题 第6篇 开发框架 AutoGen：Multi-Agent框架（微软） CrewAI：Multi-Agent协作框架 Semantic Kernel：微软的Agent框架 实践项目： 代码审查Agent（本文示例
79311编辑于 2026-05-09- 来自专栏AgenticAI
6种AI Agent模式详解
img 特点： 适用于线性或流程简单的任务 所有逻辑与决策均由一个模型内部处理 几乎不需要协调机制 适用场景： 快速原型开发、FAQ 问答机器人、单一功能应用等 2. 适用于按领域或部门划分逻辑的系统 每个监督者管理一组特定任务或智能体 优势： 高度可扩展且结构清晰 各层级具备模块化控制能力 挑战： 实现复杂度较高 层级之间需要明确定义接口 适用场景： 企业级系统、多领域编排任务 6.
1.3K10编辑于 2025-07-27 - 来自专栏Langchain
【LangChain系列6】【Agent模块详解】
一、LangChain1-1、介绍LangChain是一个框架，用于开发由大型语言模型（LLM）驱动的应用程序。 LangChain 简化了 LLM 应用程序生命周期的每个阶段：开发：使用LangChain的开源构建块和组件构建应用程序。使用第三方集成和模板开始运行。 总结： LangChain是一个用于开发由LLM支持的应用程序的框架，通过提供标准化且丰富的模块抽象，构建LLM的输入输出规范，主要是利用其核心概念chains，可以灵活地链接整个应用开发流程。 ，如果要组织一个AI应用，开发者一般需要？ 在查询时，开发人员可以使用PromptTemplates为用户查询构造提示模板，之后模板会传递到大模型进行进一步的处理。
3.1K11编辑于 2025-01-13 - 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。 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XINDOO的专栏
Agent设计模式——第 6 章：规划
规划的核心是 Agent 或 Agent 系统制定一系列行动以从初始状态向目标状态移动的能力。 规划模式概述 在 AI 的背景下，将规划 Agent 视为您委托复杂目标的专家是有帮助的。 因此，使用规划 Agent 与简单任务执行 Agent 的决定取决于一个问题：是否需要发现"如何"，还是已经知道？ 定义一个清晰且专注的 Agent planner_writer_agent = Agent( role='文章规划者和撰写者', goal='规划然后撰写关于指定主题的简洁、引人入胜的摘要 明确定义了一个 ChatOpenAI 语言模型供 Agent 使用。创建了一个名为 plannerwriter_agent 的 Agent，具有特定的角色和目标：规划然后撰写简洁的摘要。 可扩展性： 它支持模型上下文协议（MCP），使开发人员能够将 Agent 连接到私有知识库和内部数据源，将公共网络研究与专有信息混合。
82210编辑于 2025-10-27 腾讯云AI Agent：重构游戏开发与运营范式，实现6倍效率提升
腾讯云基于Skills蒸馏、MCP协议与三层架构，将AI Agent深度应用于游戏全生命周期，推动工作方式从“执行操作”转向“定义目标”。 场景化实践：量化效益驱动ROI 游戏运维AIOps：P0级告警响应时间从30分钟缩短至5分钟（提速6倍），操作成功率提升至XX%+，实现7×24小时无人值守。 竞品情报追踪：6维度并行搜索（技术框架、学术论文等），分析周期从4小时压缩至25分钟，AI素材投放占比提升X%。 用户反馈处理：自动归类准确率达X%+，报告生成时间从2小时降至5分钟，效率提升X倍。 权威认证：方案获Gartner 2026企业Agent基准测试89%复杂任务成功率认可，覆盖全球79%已部署Agent企业需求（来源：Gartner 2026）。 关键洞察：Agent落地的核心瓶颈并非技术——46%企业因数据安全与过度信任风险受阻。腾讯云通过安全闭环设计与组织转型方法论，确保Agent从“工具”进阶为“同事”。
12200编辑于 2026-06-11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 2026-04-27Agent开发入门教程
6 层： 用户层：工作台、LangSmith 等入口 2. 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。
57010编辑于 2026-04-15- 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 - 来自专栏AIOT
在Jetson上玩转大模型Day17：NanoLLM开发平台(6)：AI Agent功能
于是我们就可以将这里所需要的技术，打包成一个可执行单元，利用参数传递的方式赋予其不同的能力，这就是个agent的雏形。 虽然我们在Llamaspeak项目中只调用nano_llm.agents.web_chat这个agent，但是里面直接包含VoiceChat agent的功能，因此就能直接使用浏览器指定的麦克风与音箱进行对话 一个基于大语言模型的agent基础结构如下：可以看得出要建构一个agent也不是一件简单的事情，这也不是本文的所要传递的重点。 关于AI agent的知识与技术，网上有非常丰富的内容，请大家自行搜索与学习。 对于绝大部分不知道该怎么创建Agent的人来说，真的非常方便，目前NanoLLM已经提供非常充足的Agent插件，当然也允许开发人员自行创建有针对性的插件，去完成特定的工作。
52710编辑于 2024-12-17 - 来自专栏GPUS开发者
在Jetson上玩转大模型Day17：NanoLLM开发平台(6)：AI Agent功能
于是我们就可以将这里所需要的技术，打包成一个可执行单元，利用参数传递的方式赋予其不同的能力，这就是个agent的雏形。 虽然我们在Llamaspeak项目中只调用nano_llm.agents.web_chat这个agent，但是里面直接包含VoiceChat agent的功能，因此就能直接使用浏览器指定的麦克风与音箱进行对话 一个基于大语言模型的agent基础结构如下： 可以看得出要建构一个agent也不是一件简单的事情，这也不是本文的所要传递的重点。 关于AI agent的知识与技术，网上有非常丰富的内容，请大家自行搜索与学习。 对于绝大部分不知道该怎么创建Agent的人来说，真的非常方便，目前NanoLLM已经提供非常充足的Agent插件，当然也允许开发人员自行创建有针对性的插件，去完成特定的工作。
41610编辑于 2024-12-19 - 来自专栏苏三说技术
AI Agent中6种常用的设计模式
今天，我将结合Spring AI Alibaba和AgentScope等主流框架的最佳实践，跟大家一起聊聊AI Agent开发中6种最实用的设计模式。 希望对你会有所帮助。 开发效率高；工具可复用，形成能力库。 .build(); // 执行复杂任务 String finalReport = pipeline.call("生成2026年Q1销售分析报告"); 规划模式的核心价值：将MultiAgent开发周期从数天压缩到数小时 分解任务，子Agent执行 企业级任务调度 嵌套模式 Agent内部包含子Agent 复杂分层系统 转交模式 Agent无法处理时转交其他Agent 客服升级场景 群聊模式 多个Agent自由讨论 创意头脑风暴 三、六种模式对比总结 模式 核心特点 适用场景 开发复杂度 Token消耗 推荐度 ReAct 基础推理行动循环 智能客服、基础问答 ⭐⭐ 中等 ⭐⭐⭐⭐⭐ Tool Use 调用外部工具 信息查询、系统集成
75710编辑于 2026-04-14 - 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。 项目不大，但数据源很碎：学生画像、课程访问记录、作业记录、测验分数、教师备注、RAG检索出来的课程资料，全都要塞给Agent。 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 Hermes Agent 2026年6月最新安装教程
HermesAgent是NousResearch开发的自进化开源AI智能体框架，彻底解决了传统AIAgent部署门槛高、依赖复杂的痛点——全程仅需几行命令即可完成部署，最低仅需256MB内存就能稳定运行 grephermes-agent2.3pip快速安装适合习惯用Python包管理工具的用户，推荐使用pipx获得更好的隔离性：#普通pip安装pipinstallhermes-agent#pipx安装（ 推荐，隔离系统环境）pipxinstallhermes-agent#补全可选依赖（如浏览器自动化、视频处理）hermespostinstall2.4源码手动安装（开发者首选）适合需要修改源码、贡献代码或体验最新功能的用户 #pip安装pipxupgradehermes-agent#pipx安装cdhermes-agent&&gitpull&&pipinstall-e. 代码编写、系统运维等熟悉的任务，观察其推理和执行流程自定义技能：进入~/.hermes/skills/目录，查看自动生成的技能文件，学习并编写自己的专属技能社区交流：前往Cocoloop社区，参考其他开发者分享的实用技能模板和配置方案深入学习
87710编辑于 2026-06-02- 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 Spring AI Alibaba - 阿里云基本信息：开发公司：阿里云主要语言：Java发布时间：2025年6月（1.0 GA）定位：Java智能体开发框架核心特点：基于Spring生态深度集成百炼平台企业级应用支持 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: ⭐⭐⭐ （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 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。 本文基于鸡翅大模型与Agent开发实战体系，结合腾讯云全栈AI工具链，为你拆解从零构建智能体的完整链路。 ——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。 Runtime：破解规模化落地瓶颈2026年6月，腾讯云正式推出Agent Runtime，专为解决企业级Agent三大痛点：痛点传统方案的困境Agent Runtime的突破算力调度Serverless 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？
20010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）。 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。 6.测试与验证6.1单元测试对各个模块进行单元测试，确保功能正确。6.2集成测试测试整个系统的功能和性能。验证 AI 智能体在实际场景中的表现。6.3用户测试邀请目标用户进行测试，收集反馈。 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 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
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