- 综合排序
- 最热优先
- 最新优先
- 来自专栏技术杂记
Zabbix Agent 安装5
这个脚本是用来进行端口发现的，作为基础服务提供给其它监控条目使用 Note: zabbix用户要有这个脚本的执行权限，因为实际信息收集过程中，是以zabbix这个用户的身份进行的 [root@zbx-
84410编辑于 2022-03-21 - 来自专栏人工智能
5分钟掌握AI Agent框架选型的方法
核心观点：AI Agent框架是AI应用开发的"加速器"，让不同背景的开发者能用一致的方法论和工具集构建从简单到复杂的智能应用。一、为什么需要AI Agent框架？ 二、AI Agent框架全景：5大类型9大框架的"技术地图"我们将主流AI Agent框架分为五个主要类型，每个类型包含不同特性的框架：2.1 入门友好型框架：快速上手的"第一块积木"核心特点：入门友好型框架让 核心框架：AgentGPT：零代码AI Agent构建平台，用户通过自然语言描述任务即可创建Agent；BabyAGI：轻量级自主Agent框架，基于简单的目标分解、任务优先级排序和任务执行循环机制。 核心框架：SuperAGI：企业级Agent编排与管理平台，提供全面的Agent监控、性能优化和安全控制功能；AutoGen：作为一个跨类别框架，它既具备强大的多智能体协作能力，也提供企业级安全特性和访问控制功能 ：AI Agent技术发展迅速，保持对新兴框架和技术的关注，定期评估现有框架是否仍然满足需求。
85810编辑于 2025-11-06 - 来自专栏自然语言处理
智能体框架：11 个顶级 AI Agent 框架！
本指南将深入探讨当前最优秀的 11 个 AI Agent 框架，比较它们的特性、优势、劣势以及理想的应用场景，帮助您为下一个项目做出明智的决定。 什么是 AI Agent 框架？ 5. LangGraph LangGraph 是 LangChain 创建的一个开源 AI Agent 框架，用于构建和管理复杂的生成式 AI 工作流。 实现代码 # 5. 测试 if __name__ == "__main__": asyncio.run(main()) 11. 工具和记忆集成得到增强 开发接口更加简化 对低代码和简化 AI Agent 开发的关注日益增长 如何选择合适的 AI Agent 框架 为您的项目选择 AI Agent 框架时，请考虑：- 您的特定项目需求 无论您需要用于构建对话 Agent、多 Agent 协作系统，还是复杂工作流自动化的框架，本指南介绍的 11 个框架都提供了多种选择，以满足不同的需求和技术专业水平。
13.9K52编辑于 2025-07-02 - 来自专栏AI前沿技术
智能体｜AI Agent 框架介绍
为建立起Agent的知识体系，本文围绕Agent的框架主要介绍： 1）从功能、核心能力以及工程落地三个维度介绍Agent框架 2）Agent 大脑核心：规划、推理和自我反思能力的建设 3）Function 图1，Agent 技术能力框架 1.3，工程技术维度 模块化推理、知识与语言 (Modular Reasoning, Knowledge and Language MRKL) 通过将通用大语言模型作为 一个智能体的所具有的核心能力是一致的，本文以Planning、Memory和Tool use 为框架进行介绍。 举例： “一个篮子里有5个苹果，你拿走了2个，又放进去3个，最后有多少个苹果? ” 可以分为三个步骤进行拆解： 步骤1：初始有5个苹果。 步骤2：拿走2个，剩下5-2=3个苹果。 • Reflexion 反思 Reflexion 是一种基于语言反馈的强化学习框架（但在实际实现中常简化为Prompt工程)。
1K10编辑于 2026-01-18 5种大模型Agent模式
大模型中的5种AI Agent模式在大模型中，AI Agent（人工智能代理）模式是一种重要的应用方式，可以从以下几个方面来理解：1. 定义与概念AI Agent 是一个自主运行的智能体，它能够感知环境、做出决策并采取行动以实现特定目标。 执行与反馈：AI Agent 按照规划的步骤执行操作，并将结果反馈给用户。如果任务未完成或出现问题，它会根据反馈调整策略，重新尝试或寻求帮助。 下面介绍5种常见的AI Agent模式：1. 5. 多智能体模式（Multi-agent Pattern）正在上传图片...核心架构： 角色分工： 项目经理代理（PM agent）：协调任务分配（Delegation）。 技术负责人（Tech lead agent）、开发运维（DevOps agent）、工程师（SDE agent）：各司其职，协作完成任务。
4.2K10编辑于 2025-05-07- 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 多智能体协作成为主流AgentScope在此领域具有先发优势Spring AI Alibaba通过Graph框架快速跟进Eino和Youtu-Agent需要加强多智能体能力2. 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. 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（ 5年以上）：可能出现统一标准和协议云原生部署成为标配AI原生应用架构成熟框架选择更多基于生态而非技术选型建议基于技术栈选择Java技术栈：首选：Spring AI Alibaba备选：通过JNI集成其他框架
3.1K10编辑于 2025-09-18 2026 开源 AI Agent 框架横评：Hermes Agent OpenClaw AutoGPT CrewAI
四大框架概览框架开发者GitHubStar核心定位协议HermesAgentNousResearch60K+自进化个人智能体MITOpenClawOpenClawInc.300K+AI编程助手Apache2.0AutoGPTAutoGPTTeam160K +通用任务自动化MITCrewAICrewAI45K+多Agent协作MIT核心能力矩阵能力HermesAgentOpenClawAutoGPTCrewAI持久记忆✅三层架构⚠️基础⚠️插件❌自我学习✅ 它的闭环学习系统让Agent能从实践中自动提炼经验，创建可复用技能。这是一个0到1的差异——其他框架都没有这个能力。 CrewAI最强项：多Agent协作如果你的需求是让多个AIAgent分工合作（如一个负责调研、一个负责写作、一个负责审核），CrewAI的多Agent编排能力是最成熟的。 框架吗？
87510编辑于 2026-04-15- 来自专栏腾讯开源的专栏
tRPC-Agent-Go：构建智能AI应用的Go语言Agent框架
其中tRPC-Go是使用最广的，累计覆盖将近200w+节点，5w+服务。 2023年起，LLM发展迅速，而Agent开发框架成为连接AI能力与业务应用的重要基础设施。 一、技术选型和定位 1.业界框架技术路线分析 目前AI Agent 应用开发框架主要分为两大技术路线：自主多Agent框架和编排式框架。 1.1 自主多Agent框架 自主多Agent框架体现了真正的Agent（Autonomous Agent）理念，每个Agent都具备环境感知、自主决策和动作执行能力。 Agent编排能力 ● CrewAI：面向任务的多Agent协作平台，强调角色定义和责任链模式 ● Agno: 轻量级高性能Agent框架，专注于多模态能力和团队协作 1.2 编排式框架 编排式框架采用工作流思维 基于反思优化计划并重新执行 5.
1.8K10编辑于 2025-10-20 - 来自专栏运维经验分享
Zabbix agent on Zabbix server is unreachable for 5 minutes
Zabbix agent on Zabbix server is unreachable for 5 minutes 主机运行时,会报这个错,所以要先按安装Zabbix agent, Zabbix-server 在监控的过程中，发现Web上报错提示zabbix server与agent之间已经失联超过5分钟了，为了找到问题出现的根本原因，在troubleshouting的时候，应该首先去查看服务对应的日志。 :092458.636 agent #2 started [listener #2] 23914:20170310:092458.636 agent #0 started [collector] :103011.663 agent #3 started [listener #3] 26170:20170310:103011.663 agent #2 started [listener #2 tmp]# /etc/init.d/zabbix-agentd restart Shutting down Zabbix agent: [ OK ] Starting Zabbix agent
3.2K30发布于 2019-08-27 - 来自专栏运维经验分享
Zabbix agent on Zabbix server is unreachable for 5 minutes
Zabbix agent on Zabbix server is unreachable for 5 minutes 环境描述： 环境介绍：CentOS6.5 zabbix3.2.6（ 问题详情： 邮件提示Zabbix agent on Zabbix.server is unreachable for 5 minutes 192.168.1.37": host [zabbix.server] not found 2751:20170622:171108.502 enabling Zabbix agent
2.5K20发布于 2019-08-27 - 来自专栏linux commands
Zabbix agent on Zabbix server is unreachable for 5 minutes
笔者在维护zabbix服务时，遇到以下报警 Zabbix agent on Zabbix server is unreachable for 5 minutes 在互联网查询了相关资料后，更改配置文件中 root@localhost ~]# vim /etc/zabbix/zabbix_agentd.conf …… ServerActive=%zabbix_serve_ip% …… 重启zabbix-agent [root@localhost ~]# /etc/init.d/zabbix-agentd restart Shutting down Zabbix agent: [ OK ] Starting Zabbix agent: [ OK ] 问题得以解决.
1.2K20发布于 2021-08-12 - 来自专栏DeepHub IMBA
Agent Lightning：微软开源的框架无关 Agent 训练方案，LangChainAutoGen 都能用
那问题来了，市面上 Agent 框架满天飞这个凭什么就不一样呢？ training gap 做过 Agent 部署的人大概都有同感：把 Agent 跑起来其实没那么难，真正难的是让它持续进步。 OpenAI 的 Agent SDK、LangChain 这类编排框架，原型设计和快速部署确实很拿手。几个小时就能让一个能用的 Agent 上线。 开发环境里跑得好好的 Agent一碰到真实用户、边缘场景和领域特有的问题性能就打折扣。传统框架能给你的帮助很有限：手动调 prompt，手动改参数，然后顺带祈祷别有问题。 而Agent Lightning 的切入点就在这里，它把 Agent 框架和优化基础设施做了解耦。 特别值得说的是框架的兼容性：LangChain、AutoGen、CrewAI、微软自家的 Agent Framework都能接。团队管它叫"Lightning AI Agent 的终极训练器"。
34110编辑于 2026-02-27 - 来自专栏AI大模型应用开发炼丹房
AI Agent框架之争：盘点8大AI Agent开发框架的核心技术与工业级应用
本文深度解析8大AI Agent开发框架的核心技术与工业级应用，帮助开发者精准匹配业务场景。 生成测试用例", "执行测试"] ) test_manager.initiate_chat("为登录模块生成边界测试")效能提升：Uber实测减少40%测试编写时间三、CrewAI：结构化流程的工业级协作框架存在意义 SDK：轻量化智能体快速开发核心价值：5行代码构建生产级Agent，降低开发门槛4.1 八大优势解析from openai_agents import Agent, tool @tool def 并绑定工具 agent = Agent(tools=[stock_price]) print(agent.run("苹果公司当前股价是多少？")) LLM必调工具闭环重试：自动修复ValidationError并重新生成动态多模态：支持ｕｎｉｏｎ[Report, Alert]自适应输出八、框架选型决策指南作者洞见：避坑指南避免循环失控：在LangGraph
5.4K10编辑于 2025-07-21 - 来自专栏不二小段
2025年 Agent 开发框架选型&实战笔记
我最近花了亿点时间，把自己学习、使用过的 Agent 开发框架整理为这篇笔记，大体上分为「代码开发框架」和「低代码工作流平台」两大类。 接下来记录一下我了解过的 Agent 开发框架和低代码平台，然后从零到一实操一个完整的案例。 主流 Agent 框架/平台综述 现在主流的 Agent 开发工具大体分为两类，一类是面向程序员的开源开发框架，为专业开发者提供丰富的 AI 工具箱，对底层细节有更多控制，可以开发复杂 AI 应用；另一类则是低代码 开源开发框架 这类框架秉持代码优先原则，面向追求高度定制化和灵活性的专业开发者，通过编写代码来定义和构建 Agent 的核心逻辑。 [image_name](image_path) 5. 错误处理 - 如果代码执行失败，请根据报错信息自动修改代码并重新执行，直到成功。
37610编辑于 2026-04-09 - 来自专栏AI技术应用
AI 智能体（AI Agent）的开发框架
AI 智能体（AI Agent）的开发框架是构建智能体的核心工具和平台，它们提供了从数据处理、模型训练到部署和监控的全流程支持。以下是常用的 AI 智能体开发框架及其特点。 1.通用机器学习框架1.1TensorFlow特点：由 Google 开发，支持深度学习和传统机器学习。提供强大的分布式计算支持。 5.自动化机器学习框架5.1AutoKeras特点：自动化机器学习工具，支持自动模型选择和超参数调优。基于 Keras，易于使用。适用场景：快速构建和优化模型。 支持多种机器学习框架。适用场景：模型生命周期管理。7.分布式计算框架7.1Ray特点：分布式计算框架，支持任务并行和分布式训练。提供 RLlib（强化学习）和 Tune（超参数调优）等工具。 总结AI 智能体的开发框架涵盖了从数据处理、模型训练到部署和监控的全流程。
1.3K10编辑于 2025-02-18 - 来自专栏设计模式
Google 官方：5 种 Agent Skill 设计模式
5.流水线（Pipeline）：通过检查点强制执行严格的多步骤工作流程 模式 1：工具包装（Tool Wrappe） 工具封装器可为你的智能体提供特定库的按需上下文。 这正是你将团队内部编码规范或特定框架最佳实践直接融入开发人员工作流程的机制。 以下是一个工具包装器的示例，它教会Agent如何编写 FastAPI 代码。 Step 5: Return the completed report as a single Markdown document. - Q5: "Do you have any technology stack requirements or preferences?" 5. Iterate on feedback until the user confirms 模式 5：流水线（Pipeline） 对于复杂任务，容不得跳过任何步骤或忽略任何指令。
43710编辑于 2026-04-10 - 来自专栏QGS星球
zabbix5—agent2监控PostgreSQL
data/pg_hba.conf #添加如下内容 表示所有地址都可以访问 host all all 0.0.0.0/0 md5 yum -y install zabbix-agent2 提示后输入y回车即可 ls -l /etc/zabbix/zabbix_agent2.conf 开机启动 zabbix-agent2 systemctl enable --now zabbix-agent2 yum -y install net-tools 查看端口 netstat -tnlp|grep zabbix 查看验证zabbix-agent2 /zabbix_agent2.conf :wq 退出保存 检查并查看修改了什么 grep -Ev '^#|^$' /etc/zabbix/zabbix_agent2.conf 改完一定都要~重启zabbix_agent2 Zabbix server可以单独监视远程服务器的服务状态；同时也可以与Zabbix agent配合，可以轮询Zabbix agent主动接收监视数据（agent方式），同时还可被动接收Zabbix agent
1.6K10编辑于 2023-12-30 - 来自专栏学习笔记ol
框架分析（5）-Django
框架分析（5）-Django 主要对目前市面上常见的框架进行分析和总结，希望有兴趣的小伙伴们可以看一下，会持续更新的。希望各位可以监督我，我们一起学习进步。 Django Django是一个开源的Python Web框架，它遵循了MVC（模型-视图-控制器）的设计模式，旨在帮助开发者快速构建高效的Web应用程序。 可扩展性 Django框架具有良好的可扩展性，开发人员可以通过使用Django的插件和第三方库来扩展框架的功能。 缺点 学习曲线较陡峭 对于初学者来说，Django框架的学习曲线可能较陡峭。它有一些独特的概念和设计模式，需要一定的时间和精力来理解和掌握。 约束性较强 Django框架对项目的结构和组织有一定的约束性，开发人员需要按照框架的规范进行开发。这在一些特殊需求的项目中可能会导致一些限制和不便。
62420编辑于 2023-10-11 - 来自专栏大语言模型
四大主流AI Agent框架选型梳理
nine｜践行一人公司开发、引擎、交付——基于Agent的倍速造产品流。正在记录从 0 到 1 的踩坑与突破，交付想法到产品的全过程。 随着AI技术的快速发展，多智能体系统(Multi-Agent)已成为企业智能化转型的关键技术。 本文将梳理2025年7月值得关注的四大AI Agent框架（注：OpenAI Swarm属于学习项目），帮助开发者根据项目需求提供参考。四大框架横向对比1. Magnetic-One：非技术用户的“开箱即用”方案微软AutoGen团队发布的演示级封装，预置WebSurfer/Coder/Planner等5种角色，拖放即用。 选型建议（2025年7月版）场景 首选框架一句话忠告 企业级代码生成 AutoGen 先验证沙箱逃逸风险，再谈扩展 市场部1天Demo
1.2K10编辑于 2025-07-26 - 来自专栏XINDOO的专栏
Agent设计模式——附录 C - Agentic 框架快速概览
其他 Agent 开发框架 Microsoft AutoGen：AutoGen 是一个以对话方式编排多 Agent 解决任务为核心的框架。 尽管其数据索引与查询能力对构建情境感知 Agent 极为强大，但与 Agent 优先框架相比，其在复杂 agentic 控制流和多 Agent 编排方面的原生工具较少。 该框架主要局限在于其高度专业化，使其在核心设计范畴外的通用 agentic 任务适应性较弱。 SuperAGI：SuperAGI 是旨在为自主 Agent 提供完整生命周期管理系统的开源框架。 结论 Agentic 框架生态提供了多样化工具，涵盖从定义 Agent 逻辑的低级库到编排多 Agent 协作的高级平台。 如 CrewAI 和 Google ADK 等高级框架将重心转向编排具预定义角色的 Agent 团队，而 LlamaIndex 等其他框架则专注数据密集型应用。
52910编辑于 2025-10-27
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