- 综合排序
- 最热优先
- 最新优先
智能体（Agent）全面解析：什么是智能体agent
一、什么是智能体（Agent）？智能体是一个能够自主思考、决策、调用工具的智能代理系统。 智能体的核心优势大脑：LLM提供强大的理解和推理能力undefined记忆：记住对话历史，保持上下文连贯工具：灵活调用各种外部能力二、两种搭建智能体的路径根据技术门槛和应用场景，智能体的搭建主要有两种方式 即开即用适用人群业务人员、产品经理、运营人员技术门槛无需编程基础开发速度分钟级搭建应用场景自媒体文案批量生成、客服自动回复、简单任务自动化优点：可视化拖拽界面，操作简单内置丰富工具和模板快速验证业务想法降低AI应用门槛2️⃣ 四、RAG vs Agent智能体RAG（检索增强生成）和Agent是两种不同的技术路线，但可以相互配合。 需要推理的任务学习能力无有记忆，可积累经验七、总结智能体（Agent）是AI从"对话"走向"行动"的关键一步。
3.2K22编辑于 2026-03-02- 来自专栏农民工前端
智能体（Agent）全面解析：什么是智能体agent
一、什么是智能体（Agent）？ 智能体是一个能够自主思考、决策、调用工具的智能代理系统。 智能体的核心优势 大脑：LLM提供强大的理解和推理能力 记忆：记住对话历史，保持上下文连贯 工具：灵活调用各种外部能力 二、两种搭建智能体的路径 根据技术门槛和应用场景，智能体的搭建主要有两种方式： 1️⃣ 技术门槛 无需编程基础 开发速度 分钟级搭建 应用场景 自媒体文案批量生成、客服自动回复、简单任务自动化 优点： 可视化拖拽界面，操作简单 内置丰富工具和模板 快速验证业务想法 降低AI应用门槛 2️⃣ 四、RAG vs Agent智能体 RAG（检索增强生成）和Agent是两种不同的技术路线，但可以相互配合。 确定性、重复性任务 复杂、多变、需要推理的任务 学习能力 无 有记忆，可积累经验 七、总结 智能体（Agent）是AI从"对话"走向"行动"的关键一步。
1.4K10编辑于 2026-03-03 - 来自专栏周末程序猿
谈谈 `AI Agent`（智能体）
编排工具：智能体本身可以作为其他智能体的工具，作为多智能体系统中单个 sub agent。 Agent2Agent (A2A) Agent2Agent (A2A) 协议是一种开放标准，旨在让 AI 智能体之间实现无缝通信和协作，正如 MCP 提供了一种标准化的方式来让 LLM 访问数据和工具一样 ，A2A 也提供了一种标准化的方式来让智能体与其他智能体对话！ 在一个智能体由不同供应商使用各种框架构建的世界中，A2A 提供了一种通用语言，打破了孤岛并促进了互操作性。 A2A的工作原理： 发现：使用标准化的 Agent Card 查找其他智能体技能 AgentSkill 和功能 AgentCapabilities； 协议：安全的交换消息和数据； 协作：委派任务给到相应技能的
1.1K10编辑于 2026-01-06 - 来自专栏从流域到海域
LangChain手记 Agent 智能体
整理并翻译自DeepLearning.AI×LangChain的官方课程：Agent（源代码可见） “人们有时会将LLM看作是知识库，因为它被训练所以记住了来自互联网或其他地方的海量信息，因而当你向它提问时 （笔者注：Agent，直译代理，LLM语境下更偏向于具备一定智能的代理，因而更偏向强化学习Agnet的概念，因而本文翻译为智能体。） Agent 智能体 LangChain提供的Agent可以使用各种各样的工具，例：搜索引擎，也支持自定义工具，这使得你可以访问任何数据存储、API或者自定义函数。本节介绍Agent的一些例子。 Agent认为仍需要继续搜索Machine Learning (book) 的原因是上一步搜索Tom M. Mitchell得到了2个页面，虽然它能得出Tom M. Mitchell编写了Machine Learning这本书，但是它有不确定的信息，因而继续搜索（本例虽然没有，但其他例子有可能agent在处理不确定信息时会进行答案修正，以提高正确率）。
1.2K30编辑于 2023-10-12 - 来自专栏产品笔记
什么是AI Agent（智能体）？
Chatgpt发布了GPTs，钉钉发布了AI助理，在AI时代 AI agent（智能体）是大模型落地业务场景的主流形式，那什么是AI Agent？ 01 — 什么是AI Agent？ AI Agent是指人工智能代理（Artificial Intelligence Agent）是一种能够感知环境进行自主理解，进行决策和执行动作的智能体。 因此将大模型作为AI Agent的核心大脑，实现将复杂任务拆解成可以实现的子任务等能力，构成具备自主思考决策和执行任务的智能体。 自省框架使AI Agent能够修正之前的决策，从而不断优化。这种反思和细化可以帮助 Agents 提高自身的智能和适应性。 2. 记忆 （Memory） ①、短期记忆：对AI Agent智能体系统的所有输入会成为系统的短期记忆，所有上下文学习都是依赖模型的短期记忆能力进行的。
26.8K22编辑于 2024-01-15 - 来自专栏AI前沿技术
智能体｜AI Agent 框架介绍
智能体 Agent 核心是通过与环境交互更好的完成用户的指令或任务。一个合格的智能体应该具有那些能力，这些能力面临何种困难，又有那些的解决方案。 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 1.1，功能维度 复旦大学张奇团队在关于Agent的综述中，将基于大语言模型的智能体分为三功能模块：大脑 Brain、感知 Perception) 与行动 Action。 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。 2，规划 Planning 从完成任务的维度，智能体对任务进行拆解，然后对拆解的步骤进行反思。
1.5K10编辑于 2026-01-18 - 来自专栏AI前沿技术
智能体｜ Agent Skill 技术介绍
关注“AI老马” —【获取资源】&【进群交流】 一、Agent Skill 的通俗解释 通俗的讲： Agent Skill = 给AI打包好的“专业能力模块”。 在 Anthropic 的 Agent 体系里，Skill 是让 AI 从“聊天机器人”变成“专业智能体”的核心。 可以把它理解成，给 AI 安装一个永久生效的插件，把工作流程固化成可调用的技能。 二、Agent Skill 渐进式披露 2.1，skill 的加载过程 渐进式披露是 agent skill 解决有效知识注入的精髓。 把上面这段保存为 SKILL.md 2. 上传到特定目录下，虚拟系统会自动加载。或者上传到第三方平台。 3. 试着做一个属于自己的 Skill，哪怕只是一个周报生成器，你会真切感受到： 让 AI ，成为你的专属智能体，Skill 是我们迈出的又一大步！
81420编辑于 2026-04-02 - 来自专栏AI智能体从入门到实践
构建AI智能体：Agent2Agent多智能体系统：基础通信与任务协作实现
一、基本概述 Agent2Agent（A2A）是一个专注于智能体间通信、协作与协调的框架，旨在促进多个智能体（Agent）之间的通信与协作。 A2A框架提供了标准化的通信协议、消息传递机制和协作模式，使智能体能够像人类团队一样协同工作，解决单个智能体难以处理的复杂问题。二、智能体的特征和类型1. 智能体的特征智能体是A2A框架中的基本单位。 框架通信示例 示例实现一个简单的Agent2Agent通信框架，展示了多智能体系统的基本工作原理。 : 智能体 worker_2 已注册 智能体初始化: 数据分析师 (ID: worker_2) 传输层: 智能体 worker_3 已注册 智能体初始化: 技术作家 (ID: worker_3) AI智能体（文本、图像、语音）协同工作自动化工作流：智能体协作完成端到端的自动化流程九、总结 Agent2Agent框架为构建智能体间通信与协作系统提供了坚实的基础。
2.2K21编辑于 2025-12-09 - 来自专栏小巫技术博客
第07期·AI Agent 智能体
每日AI知识点 · 第07期 AI Agent 智能体 会思考、会行动、会自我纠错的AI 什么是 AI Agent？ 如果说 LLM 是大脑，那 Agent 就是装了大脑的机器人员工。 普通 AI 你问一句，它答一句被动响应，无法主动执行 AI Agent 给一个目标，自主完成主动规划，持续执行 Agent 的工作循环 1 Think（思考） 分析当前状态，理解任务目标，判断下一步该做什么 2 Act（行动） 调用工具：搜索、写代码、发邮件、查数据库...执行具体操作 3 Observe（观察） 查看工具返回结果 ，判断任务是否完成，如未完成继续循环 Agent 能做什么？ 你最想让 Agent 帮你自动化哪个工作流程？
19910编辑于 2026-04-13 - 来自专栏实在智能RPA
详述Agent智能体含义与架构
这并非科幻场景，而是智能体（Agent）技术正在努力实现的未来图景。它代表了人工智能从被动响应走向主动感知、自主决策的关键跃迁。 架构剖析：智能体如何“思考”与“行动”一个典型的现代智能体系统（尤其是基于大语言模型的Agent）如同一个精密的数字大脑，通常包含几个关键模块协同运作：感知中枢：环境信号的解码器智能体通过多种“感官”获取输入 应用浪潮：智能体正在重塑现实智能体技术已突破实验室，在多个领域展现巨大价值：超级个人助理的崛起以Copilot为代表的AI助手正从聊天机器人进化成真正的个人Agent。 注入智能体技术后，RPA进化为认知自动化（如实在Agent），能处理包含非结构化数据（如邮件、文档）、需简单判断和异常处理的复杂流程，适用性大大扩展。 安全与伦理的紧箍咒智能体的自主性带来失控风险：目标对齐偏移（Agent行为偏离人类初衷）、被恶意利用、隐私侵犯、决策偏见等。
1.1K20编辑于 2025-07-30 - 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。 1.需求分析与定义1.1明确目标确定 AI 智能体的核心功能和应用场景（如聊天机器人、推荐系统、自动驾驶等）。定义智能体的输入、输出和交互方式。 2.数据收集与预处理2.1数据收集收集与任务相关的数据（如文本、图像、传感器数据）。数据来源可以包括公开数据集、爬虫、用户行为日志等。2.2数据清洗处理缺失值、噪声数据和异常值。 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。根据反馈调整模型和系统。7.部署与监控7.1部署环境选择部署平台（如云端、边缘设备）。 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。
3.1K20编辑于 2025-02-18 - 来自专栏AI前沿技术
智能体｜Agent 架构演进与选型
图2，Agent 架构演进路线。 2，Agent 架构的演进 2.1，Single Agent 单智能体 单智能体运行逻辑非常简单。 2.2，Multi-Agent 多智能体 多 Agent 就是如此，将复杂的宏观问题拆解为微观的子住务，由不同的Agent承接。 2.4，Agent team Agent Team 是一种面向复杂未知问题的多智能体协作范式。 核心是： 放弃固定流程与预设路径，通过一组智能体并行协作、多元探索，解决传统方案难以处理的 “无明确路线图” 问题。 • Single Agent 适配简单明确任务，追求低成本高效； • Multi-Agent 突破单智能体能力上限，代价是协同复杂； • Agent Skills 平衡稳定性与维护成本，适配企业级常规需求
91230编辑于 2026-04-02 Agent智能体调用MCP SERVER实战
前记：笔者最近正在研究agent工作流编排相关内容，做企业内部的故障诊断及根因分析。当前是工作流硬编排的方式来实现Agent智能体。 渐渐发现该硬编排的智能体不够“智能”，于是去详细调研了解了Agent和MCP的实现，了解了真正的智能体实现应该是让通过提示词自主地去编排工作流，调用工具，调用知识库，根据记忆，去规划决策，然后去行动，最终实现工作流得到我们想要的结果 如下图： 01 — AI智能体（AI Agent）介绍 注：本节内容引用code秘密花园老师的文章 AI智能体（AI Agent）是AI大模型与工具集的结合体，是一种能够自主行动、感知环境、做出决策并与环境交互的智能应用或实体 如上这个例子，在Cherry Studio中将硅基流动大模型和配置的MCP Server封装成了一个简单的Agent智能体，完整地实现了智能体通过MCP协议调用MCP Server自主完成了一次加法计算的简易流程 05 — 总结 本文介绍了Agent智能体调用MCP Server的简易demo，在实际生产环境中肯定不够用。
13710编辑于 2026-06-22- 来自专栏MavenTalk
AI Agent智能体的摸索试用
花了点时间研究了下 Coze 平台（一个轻松构建个人智能体的平台），体验很好，宣称不懂代码也能创造属于自己的智能体，但创造复杂的智能体，对使用者的素质要求还是比较高的，需要付出一点学习成本。 当前市面上能经常听到的一些智能体，比如百度的文心一言、讯飞的星火、抖音的豆包、智谱清言等等，基本上都推出了智能体的创作，大多数主要集中于文字和图片的处理，对于复杂流程的智能体还不能很好的处理。 我用“豆包”克隆了一段自己的声音并创建了一个智能体，还挺像那么回事。 这些智能体基本是延续ChatGPT 的 GPT Store 策略，都向老大哥对齐，做成标配。 相较于之前的AutoGPT、AgentGPT等其他的黑盒智能体，当下的智能体应用开发更容易、也更亲民，基本是通过Prompt 提示词的方式来完成，高级一点的会使用LLM（大语言模型）编排工具，把我们常用的的插件 目前的智能体，更多的还是玩具，真正产生经济效益的并不多，我原先畅想的自动帮人点外卖、订票、出行规划等，还是会有一个过程，条件成熟了自然会出现。
1.2K10编辑于 2024-04-03 - 来自专栏AI
AI 智能体（AI Agent）的应用
AI 智能体（AI Agent）的应用非常广泛，几乎涵盖了我们生活的方方面面。它们能够自主地感知环境、做出决策并执行行动，从而完成各种复杂的任务。以下是一些 AI 智能体的典型应用场景。 客户服务：智能客服机器人： 能够 24/7 回答客户的常见问题、处理订单、提供技术支持等，提高客户服务效率和满意度。例如，银行、电商平台的在线客服。 2. 商业与金融：自动化交易： 能够根据市场数据和预设策略进行自动化的股票、外汇等交易，提高交易效率和盈利能力。风险评估： 能够分析大量的金融数据，识别潜在的风险和欺诈行为。 百度的文心一言 APP 上的智能体： 可以进行“视频对话”、背单词、纠正口语，还可以通过 AI 智能体模拟面试、与 AI 古人对话等，体现了 AI 智能体在内容创作和人机交互方面的应用。 总而言之，AI 智能体正在深刻地改变着我们的生活和工作方式。随着技术的不断发展，AI 智能体的应用领域还将不断拓展，为我们带来更多的便利和创新。
1.7K10编辑于 2024-12-23 - 来自专栏实在智能RPA
人工智能AI中“Agent智能体”指什么？
在人工智能领域，“Agent”是一个可以具象化的概念。它不再是科幻电影里冰冷的机器人形象，而是指代一种能在特定环境中自主感知、决策并行动以达成目标的智能实体。 01 Agent智能体特征一个真正的智能体，区别于简单的自动化程序，必须具备几项关键能力。首先是自主性，它能在没有人类持续干预的情况下运行，依据内置的目标和规则做出判断。 持续学习能力让它能通过经验或新数据优化决策模型，而社会性则体现在多Agent系统中复杂的协作、协商甚至竞争机制上。02 剖析Agent智能体架构现代智能体系统通常采用模块化设计，各司其职又紧密协同。 04 Agent技术挑战构建真正通用且鲁棒的智能体仍面临诸多挑战。高度依赖高质量、无偏见的训练数据，模型可能产生难以预测的“涌现行为”。伦理与安全边界亟需界定，尤其在涉及人身安全或重大决策的领域。 在应对这些挑战时，一些技术方案展现了独特价值，例如实在Agent智能体技术，通过融合RPA技术、模块化架构设计、严格的沙箱安全机制和可解释性组件的融合，在提升系统可控性和透明度、无需API链接即可操作住桌面软件等方面具有优势
3K20编辑于 2025-07-31 - 来自专栏（新）书籍专栏
【愚公系列】《扣子开发 AI Agent 智能体应用》001-智能体概述
一、智能体概述1.为什么需要一个智能体(Agent)为了体现当代Agent依赖于人工智能大模型的能力，我们将其称作AIAgent、AI智能体或者人工智能体，还有一些文章将其直译为“AI代理”。 目前，在计算机、人工智能专业技术领域，一般将Agent或AIAgent统一翻译为“智能体”。在信息技术飞速发展的当下，人工智能领域持续推陈出新，智能体与DeepSeek大模型成为近期科技圈的焦点。 2.认识Agent大模型时代，Agent将基于大模型构建，此时的Agent是一种能够感知环境、进行决策和执行动作的智能体。 2.3Copilot（智能助手）和Agent（智能体）的区别业界对Copilot和Agent是否存在区别有一定的争论。Copilot这个术语源自飞行术语，意思是副驾驶员（Co-pilot）。 更多的企业会利用其搭建适合自身业务的智能体工作流，降低开发成本和技术门槛，实现业务流程的智能化升级，从而推动整个智能体市场的进一步繁荣和发展。
60211编辑于 2026-01-12 - 来自专栏AI
AI智能体（AI Agent）的开发技术
AI智能体（AI Agent）的开发技术正处于从“被动问答”向“主动执行”跨越的关键期。 开发一个成熟的AI智能体通常遵循一个核心架构公式：Agent = LLM（大脑）+ 规划（Planning）+ 记忆（Memory）+ 工具使用（Tool Use）。 以下是AI智能体开发的核心技术体系：1. 核心架构：大脑与逻辑大语言模型（LLM）是智能体的核心推理引擎。 自反思（Self-Reflection）：Agent会对自己的执行结果进行评估，如果失败则调整方案重新尝试。2. 进阶趋势：多智能体系统单体智能体在处理极复杂任务时容易疲劳或出错，目前的开发趋势是“让一群Agent协作”：角色分化：定义一个“产品经理Agent”、一个“程序员Agent”和一个“测试员Agent”。
60210编辑于 2026-04-15 MCP+DeepSeek打造AI Agent智能体
引言近年来，人工智能（AI）技术飞速发展，特别是大语言模型（LLM）和智能体（Agent）技术的结合，正在推动AI从被动响应向主动决策演进。 在这一趋势下，MCP（Multi-agent Collaborative Planning，多智能体协同规划）与DeepSeek（深度求索大模型）的结合，为构建高效、自主、可扩展的AI Agent智能体提供了全新的技术路径 AI Agent智能体的核心挑战AI Agent是一种能够感知环境、自主决策并执行任务的智能系统。 传统的单Agent架构难以应对这些挑战，而MCP+DeepSeek的组合提供了更优的解决方案。2. MCP：多智能体协同规划框架MCP（Multi-agent Collaborative Planning）是一种基于多智能体系统的任务协同框架，其核心思想是：任务分解：将复杂任务拆解为多个子任务，由不同
81310编辑于 2025-07-15AI应用（智能体Agent）架构设计
请参考下面我绘制的架构图： 首先我们先要明确一个概念，AI应用是一个泛指的概念，而我们传统意义上说的智能体也可以叫做AI应用。 而现在编写AI Agent可以有多种方式，主流是纯编码或低代码、或二者混合的方式。 2、无论用哪种方式实现，AI Agent接收到请求后，发送给MCP网关，目的是先要获取可用的MCP Server信息和MCP Tool的信息。 7、AI Agent拿到了确定的MCP Server和MCP Tool信息后，通过MCP网关对该MCP Tool做请求，返回需要的数据。 实际使用整体的流程上，会重复2～7间的步骤，多次循环。 除此之外，还有最近新提出的A2A（Agent to Agent）和AG-UI（Agent to UI）协议。
13910编辑于 2026-06-17
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