- 综合排序
- 最热优先
- 最新优先
- 来自专栏白话互联
【Ai Agent】Ai Agent News | 9月11日速递
今天是9月11日星期四，让我们一起来看看今天 Ai Agent 带来的 AI 领域的重要动态吧！ *角色定义*：明确AI Agent在企业中的定位和职责 *数据整合*：确保AI Agent能够访问高质量的相关数据 *行动规划*：设计Agent能够执行的具体任务和流程 *反馈机制*：建立持续学习和优化的闭环系统 报告指出，这些系统不同于标准聊天机器人，它们能够自主行动、执行任务，并使用Model Context Protocol (MCP)和Agent-to-Agent (A2A)等协议与其他数字Agent协作 真正的Agent力量来自于它们相互连接、访问企业数据以及与执行工作的系统交互的能力。一个无法与其他Agent、工具和应用对话的Agent只是一个孤岛。 *市场洞察*：Agent利用专有市场数据了解真实车辆价值 *谈判策略*：基于成功案例训练的谈判技巧 *客户节省*：已为客户节省数千美元购车成本 这一应用展示了AI在复杂谈判场景中的潜力，为消费者提供了强大的议价工具
33210编辑于 2025-09-17 - 来自专栏cwl_Java
大数据-Flume采集案例Agent级联
Agent 级联 ? ? 分析 第一个agent负责收集文件当中的数据，通过网络发送到 第二个agent当中去 第二个agent负责接收第一个agent发送的数据，并将数据保存到hdfs上面去 Step 1: Node02 安装 的配置文件 cd /export/servers/apache-flume-1.8.0-bin/conf vim avro-hdfs.conf # Name the components on this agent .channel = c1 Step 5: 顺序启动 node03机器启动flume进程 cd /export/servers/apache-flume-1.8.0-bin bin/flume-ng agent conf/avro-hdfs.conf -n a1 node02机器启动flume进程 cd /export/servers/apache-flume-1.8.0-bin/ bin/flume-ng agent
85110发布于 2019-12-26 - 来自专栏实在智能RPA
2025金融行业Agent案例全场景盘点：银行证券保险实战案例+落地解析（含实在Agent标杆实践）
当搜索“有哪些金融行业Agent案例”时，你需要的不仅是零散的应用实例，更是覆盖全领域、带数据支撑、可落地参考的完整解决方案。 二、银行领域Agent**案例：从基层运营到核心决策的全场景渗透银行作为金融行业的核心载体，Agent应用覆盖内部运营、客户服务、风险管理等全链条，成为数字化转型的核心引擎。 三、证券领域Agent**案例：投研投顾的“人机协同”新范式证券行业的Agent应用集中于投研辅助、投顾服务、合规检查三大场景，核心价值在于提升专业效率与服务覆盖面。 四、保险领域Agent**案例：理赔、营销与运营的全链条优化保险行业的Agent应用聚焦于解决理赔慢、营销精准度低、运营效率不足等核心痛点，实现全业务链条的智能化升级。 5.4案例模块实在Agent已在多家金融机构落地，形成标杆案例。
89210编辑于 2025-11-17 - 来自专栏自然语言处理
智能体框架：11 个顶级 AI Agent 框架！
最近笔者在找智能体框架，看到一个文章：https://ai.plainenglish.io/11-best-ai-agent-frameworks-for-software-developers-afa1700644bc 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？ 11 个最佳 AI Agent 框架 1. LangChain LangChain 是一个开源框架，已成为构建 AI 驱动应用最受欢迎的选择之一。 测试 if __name__ == "__main__": asyncio.run(main()) 11. 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。
13.5K52编辑于 2025-07-02 - 来自专栏深度学习与python
Java 近期新闻：Jakarta EE 11 发布、Agent2Agent Java SDK、Kotlin、WildFly
Jakarta EE 11 在 Hashtag Jakarta EE 每周博客 中，Eclipse 基金会 Jakarta EE 开发大使 Ivar Grimstad 介绍了 关于 Jakarta EE 11 的最新消息，他写道： Jakarta EE 11 终于 发布 了！ Eclipse GlassFish 再次成为 Jakarta EE 11 平台 和 Jakarta EE 11 Web Profile 规范的批准实现。 去年年末发布的 Jakarta EE 11 Core Profile，其批准实现是 WildFly 和 Open Liberty。查看 其他 Jakarta EE 兼容产品。 Agent2Agent Java SDK 红帽 宣布，Quarkus 和 WildFly 团队已经与谷歌合作推出了 Agent2Agent Java SDK，这是一个 Java 库，实现了 Agent2Agent
70510编辑于 2025-07-08 - 来自专栏快乐阿超
android-agent-web中js-bridge案例
然后是com/just/agentweb/sample/activity/CommonActivity.java:140代码：
36710编辑于 2024-04-15 - 来自专栏XINDOO的专栏
Agent设计模式——第 11 章：目标设定和监控
在 AI Agent 的上下文中，规划通常涉及 Agent 接受高级目标，并自主或半自主地生成一系列中间步骤或子目标。 良好的规划能力使 Agent 能够处理非简单的单步查询问题。它使 Agent 能够处理多方面的请求，通过重新规划适应不断变化的情况，并编排复杂的工作流。 内容审核：Agent 的目标可能是"识别并从平台 X 中删除有害内容"。它监控传入的内容，应用分类模型，并跟踪误报/漏报等指标，调整其过滤标准或将模糊案例升级给人工审查员。 监控涉及观察 Agent 的行动、环境状态和工具输出。 来自监控的反馈循环允许 Agent 调整、修订计划或升级问题。 一个概念性的编码示例说明了这些原则在结构化框架内的实现，使用 Agent 指令和状态管理来指导和评估 Agent 对其指定目标的实现。
26810编辑于 2025-10-27 - 来自专栏人工智能领域
Agent 案例分析：金融场景中的智能体-蚂蚁金服案例（1030）
Agent 案例分析：金融场景中的智能体 —蚂蚁金服案例 一、引言 在当今数字化时代，金融行业正经历着深刻的变革。随着人工智能技术的飞速发展，智能体（Agent）在金融场景中的应用越来越广泛。 本文将深入分析蚂蚁金服在金融场景中的智能体案例，探讨其应用场景、技术实现和价值创造。 （三）代码案例 以下是一个模拟蚂蚁金服在金融场景中可能用到的部分简化代码示例，主要用于说明智能投资顾问的概念，但与实际蚂蚁金服的代码有很大差距。
3K21编辑于 2024-12-23 - 来自专栏素质云笔记
大模型下的Agent、AIGC的商业案例集合
https://mp.weixin.qq.com/s/3j-6FAxZEEvXUZ1q6by2uw
42800编辑于 2024-05-24 - 来自专栏啄木鸟软件测试
通过案例带你轻松玩转JMeter连载（11）
JMeter是通过多线程的方式来模拟多并发，从而达到性能测试的目的。线程组通过右键点击菜单，选择“添加->线程(用户)->线程组”而获得。其界面如图61所示。
84530发布于 2021-10-08 - 来自专栏Python绿色通道
11个案例讲透 Python 函数参数
今天给大家分享一下自己整理的一篇 Python 参数的内容，内容非常的干，全文通过案例的形式来理解知识点，自认为比网上 80% 的文章讲的都要明白，如果你是入门不久的 python 新手，相信本篇文章应该对你会有不小的帮助 十一个案例 案例一：在下面这个函数中， a 是必选参数，是必须要指定的 >>> def demo_func(a): ... "<stdin>", line 1, in <module> TypeError: demo_func() missing 1 required positional argument: 'a' 案例二 print(kw) ... >>> demo_func(a=10, b=20, c=30) {'a': 10, 'b': 20, 'c': 30} 案例六：在定义时，必选参数一定要在可选参数的前面， print(a, b) ... >>> 案例七：在定义时，可变位置参数一定要在可变关键字参数前面，不然运行时也会报错 >>> def demo_func(**kw, *args): File "
66520发布于 2021-07-13 - 来自专栏菩提树下的杨过
Agent设计模式学习(基于langchain4j实现)(11) - PlanAndExecute
上篇学习了ReACT，今天继续学习PlanAndExecute模式 与ReACT模式的关键区别如下： 对比维度 ReAct Agent Plan-and-Execute Agent 思考模式 单步思考- { 8 "plan_name": "任务名称", 9 "steps": [ 10 { 11 8 9 输出格式： 10 步骤 {n}: [工具名称] 11 输入: {参数} 12 ; 8 private final SampleTools tools; 9 private final Map<String, Object> context; 10 11 , 11 "北京现在的天气怎么样？", 12 "计算半径为5的圆的面积", 13 "现在是几点？"
25410编辑于 2026-02-02 - 来自专栏Java帮帮-微信公众号-技术文章全总结
Java基础-day11-接口;多态案例练习
Java基础-day11-接口&多态案例练习 题目要求1（多态）： 定义家类 方法：饲养动物 动物类： 属性：年龄、姓名 方法：吃饭、睡觉 猫类、狗类、猪类均为动物类的一种。 具体代码实现： package StudentJavaSEday11; /** * 动物类 * @author 奋斗蒙 * */ public abstract class Animal { getAge() { return age; } public void setAge(int age) { this.age = age; } } package StudentJavaSEday11 ); } @Override public void sleep() { System.out.println("猪吃完了就睡"); } } package StudentJavaSEday11 个人完成-笔记本电脑案例 案例介绍 定义USB接口（具备开启功能、关闭功能），笔记本要使用USB设备，即笔记本在生产时需要预留可以插入USB设备的USB接口，即就是笔记本具备使用USB设备的功能，但具体是什么
1.6K40发布于 2018-03-19 - 来自专栏技术翻译
11个有趣的【数据可视化】案例
为了纪念所有艺术家和设计师在世界各地进行惊人的数据可视化，这里收集了2018年最有趣的数据可视化案例。 2018年最佳数据可视化案例 1.History of Bruce Springsteen image.png By Adam McCann 亚当·麦肯(AdamMcCann)的数据可视化显示了布鲁斯 11.Crazy Rich Asians image.png Crazy Rich Asians “南华早报”(SouthChinaMorning Post)制作了一系列有关亚洲国家与世界其他国家实际贫富差距的图表和交互式可视化数据
7K00发布于 2018-10-22 - 来自专栏人工智能领域
AI Agent案例与实践全解析：字节智能运维（930）
比如在面对复杂的系统故障时，通过对故障现象、历史类似案例以及相关系统配置等多方面信息的综合分析，推理出可能的故障原因，并规划出相应的排查和修复步骤，引导整个智能运维过程有序开展。 四、字节智能运维 AI Agent 的实践案例 （一）故障排查 / 诊断场景应用 在故障排查 / 诊断场景中，字节运用单 Agent 进行相关操作有着清晰且有效的流程。 它会参考过往类似故障的案例数据，运用思维链技术等，梳理出可能导致故障的各种潜在原因，并依照可能性高低以及排查的难易程度等因素，制定出合理的检查步骤。 在信息检索方面，面对海量且繁杂的运维文档、历史故障案例记录以及实时更新的行业技术资讯，传统检索方式往往难以精准定位到最新且贴合需求的信息。 并且，通过强化学习、迁移学习等技术手段，AI Agent 能够不断从过往的运维经验以及新的运维案例中学习优化，实现自我进化，更好地适应不断变化的运维环境和多样化的业务需求。
4.8K41编辑于 2024-12-23 AI智能体（Agent）开发实战：工业级项目案例驱动课
AI智能体开发实战：工业级项目案例驱动的核心能力构建引言：AI智能体的时代已至我们正站在人工智能发展的关键节点。 真正的产业变革力量，来自于能够深入特定场景、解决实际问题的AI智能体（Agent）。与单一功能的传统AI模型不同，AI智能体具备感知、决策、执行和学习的完整能力闭环。 本文将通过工业级项目案例，深入探讨AI智能体开发的全流程，揭示从概念到落地实战中的关键技术挑战与解决方案。 二、工业级项目案例：智能制造质检智能体开发实战项目背景与挑战某高端制造企业需要解决产品表面微小缺陷检测问题。传统机器视觉方案误检率高达15%，且无法适应新产品线。 通过案例驱动的实战方法，开发者能够建立起全栈式能力—从数据准备、模型选择、系统集成到持续运维。这种综合能力正是当前AI人才市场上最稀缺且价值最高的核心竞争力。
1K10编辑于 2025-09-10- 来自专栏前端达人
第11课：Multi-Agent 实战，并行编排的5种模式
阅读时长：约25分钟 难度：★★★★☆ 适合人群：已了解 Agent 体系（第10课），准备学习多 Agent 组合使用的开发者 学完之后：面对任何复杂任务，你能设计出最优的 Agent 编排方案 这里快速复习，加入 Agent 视角的补充： 能并行的条件（必须同时满足）： ✅ 任务之间不需要互相等待结果 ✅ 不同的 Agent 改的是不同文件 ✅ 每个 Agent 有足够的独立上下文 不能并行的信号： ❌ "先做完A才能做B"（依赖关系） ❌ 两个 Agent 要改同一个文件（写冲突） ❌ 一个 Agent 的输入是另一个的输出 下面的5种模式会在具体场景中展示怎么判断和处理 的 prompt 要具体聚焦，不要给一个 Agent 太多目标。" 原理：每个 Agent 处理一个文件或模块，它们同时工作，互不干扰。
4210编辑于 2026-04-15 - 来自专栏前端工程
我用OpenClaw搭了11个AI Agent，它们学会了自我进化
今天分享一个让我特别兴奋的进展：我的11个AI Agent终于学会了自我进化。 不是我每天教它们，而是它们自己在观察、学习、调整策略。 3.7%（平均只有1-2%） YouTube：28天+833%成长期爆发 这些成绩不是我盯出来的，是11个Agent各自在自己的领域里复盘、迭代、越做越好。 我的Agent军团 先介绍一下这个团队： 14个成员，覆盖公众号、视频号、抖音、知乎、小红书、掘金、Twitter、YouTube、B站、微博、即刻、知识星球——每个平台一个专属Agent。 可写可改（Agent有权更新自己的规则） 这是最关键的一点：Agent不只是读取策略，还能修改自己的Playbook。 Agent之间如何协作？ 三种方式： 1.
1.9K10编辑于 2026-03-04 - 来自专栏生信宝典
生信分析案例 Python简明教程 | 视频11
源码在：https://github.com/Tong-Chen/Bioinfo_course_python
26040编辑于 2023-08-30 - 来自专栏服务端技术杂谈
为了Agent而Agent？
主要讲的是如何选取Agent主流框架的逻辑。 讨论了两种路径，workflows和agent。 我理解大概率是为了Agent而Agent所找的一个所谓具有代表性的例子吧。 而且你现在用Agent，未来扩展性也是一个问题。 业务想要扩展一个新的场景逻辑，你敢直接用Agent承接吗？ 有人说，我们会在Agent上线之前，充分评估模型，确保Agent可以适配新的业务场景需求。 但是业务不会等你Agent ready之后再开量啊。 而Agent更适合人机协作，比如AI Coding或其他chatbot，因为有个人在旁边可以为Agent的不可控进行兜底。 大家用Agent的目的很多时候并不是从第一性原理出发，很多时候都是为了Agent而Agent，想一想Agent真的比workflow好吗？
14610编辑于 2026-03-11
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