- 综合排序
- 最热优先
- 最新优先
- 来自专栏tencent cloud
【Agentic RL专题】一、LLM agent 与 agentic RL
com相信初学的小伙伴会对 LLM agent以及 Agentic RL 两个名词有点混淆，因此，对于这两个名词的解释将作为专题第一章，带你深入理解 LLM agent 以及 Agentic RL的区别 @toc一、为什么我们需要 Agentic RL？ 在系统的学习agentic RL之前，我们需要去了解两个问题：① 什么是agent ② LLM agent 与 agentic RL之间有什么联系过去几年，LLM 的飞速发展让语言理解与生成达到了惊人的水平 而当这种强化学习与大型语言模型（LLM）结合——让语言模型从“说得对”变成“做得对”——就形成了一个新的研究分支： Agentic Reinforcement Learning (Agentic RL) ——出发，逐步理解了 Agentic RL（智能体强化学习） 的核心思想：从语言到行动：传统的 LLM 只会被动回答，而 Agentic RL 让它学会“感知—思考—行动—反思”，成为真正的智能体（Agent
2.3K10编辑于 2025-11-07 - 来自专栏自然语言处理
Agentic RAG 解释
Agentic RAG 是高级 RAG 版本，它使用 AI 代理来更加自主地行动。 Agentic RAG 执行以下操作 查询理解、分解和重写 检索策略选择 知识库管理 结果综合与后处理 迭代查询和反馈循环
50500编辑于 2025-01-09 Security boundaries in agentic architectures
Mostagentstodayrungeneratedcodewithfullaccesstoyoursecrets.Asmoreagentsadoptcodingagentpatterns,wheretheyreadfilesystems,runshellcommands,andgeneratecode,they'rebecomingmulti\-componentsystemsthateach
14400编辑于 2026-06-14- 来自专栏猫头虎博客专区
什么是Agentic AI？Agentic AI 与传统 AIGC 有什么区别？
什么是 Agentic AI？Agentic AI 与传统 AIGC 有什么区别？ 1. 在本文中，我们将深入探讨 Agentic AI 的概念、技术原理、应用场景及其与 AIGC 的核心区别。 2. 什么是 Agentic AI？ 正文 2.1 Agentic AI 的核心特性 Agentic AI 主要具备以下核心特性： 自主性（Autonomy）：能够独立完成任务，不需要人类全程干预。 4.2 Agentic AI 的优势 Agentic AI 不仅能生成内容，还能 执行任务、优化流程、适应环境，具备更高的智能水平。 现代应用：大模型时代的Agentic AI 近年来，随着深度学习和大数据技术的进步，Agentic AI得到了显著提升。
1.8K10编辑于 2025-03-21 - 来自专栏多模态 / RAG / 知识图谱
RAG 系列 04 — Agentic RAG
你们的问题不是Agentic这个技术不行，是99%的用户问题根本不需要Agentic。 我见过的真实数据：在简单事实查询场景，AgenticvsModular准确率几乎相同在复杂多跳场景，Agentic平均高15-25%在开放研究类场景，Agentic高30%+Agent是"用更多token 六、引用强制：AgenticRAG最重要的反幻觉机制6.1为什么Agentic比传统RAG更容易幻觉Agentic的危险性在于：它能用流畅的多步推理掩盖知识缺失，生成一个"看起来很专业但实际编造"的答案 ，10%走Agentic这是开篇故事里那家公司最后的解法。 把90%的简单需求老老实实交给Modular，把10%真正需要Agentic的留给Agentic——这才是AI工程师真正该做的事。"这就是这个系列的全部。
29210编辑于 2026-06-13 Agentic AI重构内容发布流程
从数小时到十分钟：Agentic AI如何为营销人员赢回宝贵时间您的营销团队花费大量时间在页面组装、协调邮件和审核周期上。 在本文中，我们分享某机构营销部门的技术、人工智能和分析团队如何与Gradial合作，在Amazon Bedrock上构建了一个Agentic AI解决方案，用于加速内容发布工作流。 解决方案概述该Agentic AI解决方案提供三项能力：自然语言页面组装、实时内容验证以及单会话内的端到端工作流执行。Gradial与某机构的MCP集成，以处理与企业内容系统的实时连接。 结论通过将Gradial的Agentic AI解决方案与Amazon Bedrock集成，企业可以现代化其内容发布工作流并实现可衡量的业务影响。该解决方案带来三个关键成果。 这种速度、质量和易用性的结合展示了Amazon Bedrock上的Agentic AI如何在现代化企业内容运营的同时，保持营销组织所需的治理和合规标准。FINISHED
14010编辑于 2026-04-29- 来自专栏FunTester
Agentic Coding 的监督机制
Anthropic 在《2026 Agentic Coding Trends Report》中提出的第四个趋势是：人类监督将通过智能协作扩大规模。 Agentic Quality Control 报告提出，Agentic Quality Control 会成为标准。 可以把 Agentic Quality Control 理解成 AI 参与生产，也参与初级质量筛查。 这其实是 Agentic Coding 中非常关键的能力。很多 AI 系统的问题不是不够会做，而是不知道什么时候不该继续做。 成熟的 Agentic Coding 流程应该提前定义好哪些任务可以委托，哪些任务必须协作，哪些任务必须人工批准。
4110编辑于 2026-07-27 - 来自专栏喔家ArchiSelf
从Service Mesh 到 Agentic Mesh
随着大模型应用的兴起， 我们迎来了AI 时代的Agentic Mesh。 4. AI 时代的Agentic Mesh 随着AI大模型的能力越来越强大，用户对它们的期待也水涨船高。 4.3 Agentic Mesh 想象一下，如果把企业里的每个AI助手都变成会"社交"的智能体，让它们能自动组队完成任务——这就是Agentic Mesh的魔力。 Agentic Mesh 的构建 为了创建一个具有弹性和可伸缩性的 Agentic Mesh，我们需要基于以下关键原则设计系统： 可发现性 —— Agent必须具有动态注册、定位和与相关对等点交互的能力 Agentic Mesh 将在确保这些人工智能驱动的系统保持互操作性、安全性和与企业目标一致方面发挥关键作用。 Agentic Mesh 仍然在实践探索之中。
1.6K10编辑于 2025-04-07 Agentic AI 的本质特征
一、Agentic AI 的本质特征认知升维（区别于传统AI）目标导向性：自主拆解复杂任务（如GPT-4o完成「周报生成→数据分析→风险预警」工作流）环境建模能力：构建动态世界模型（如Tesla Optimus AgentInstruct（50万条规划任务数据）ToolBench（1.2万种API调用样本）云服务：AWS Bedrock的Agents功能Google Vertex AI的Agent Builder核心洞见：2024年Agentic
2000编辑于 2026-07-27- 来自专栏FunTester
给测试看的 Agentic SDLC
这些能力当然有价值，但如果只从写代码更快这个角度理解 Agentic Coding，就会低估这场变化的深度。 也就是说，Agentic Coding 不是把写代码这件事做得更快，而是把需求到交付之间的多个环节压缩到同一个连续流程中。 所以，Agentic Coding 对 SDLC 的影响，不是简单地让某个阶段更快，而是让阶段之间的流转成本下降。 Agentic Coding 时代的工程师仍然需要这些基础能力，但仅仅会写代码已经不够。 第一，Agentic Coding 改变的不是某个编码动作，而是从需求到交付的完整流程。
9310编辑于 2026-07-21 - 来自专栏AI前沿技术
Agentic 智能体 React 模式实现
普通的大模型调用是一问一答，问完就结束了。但真实的 Agent 场景不是这样 -- 大模型需要自己判断：我现在信息够不够？不够的话该调用什么工具去补充？拿到结果之后怎么继续推理？
1400编辑于 2026-07-28 - 来自专栏FunTester
Agentic AI 如何增强 API 测试
Agentic AI 正在从代码补全工具，进一步走向能够独立规划和执行任务的工程助手。 理解 Agentic AI 在 API 测试中的角色 AI 进入 API 测试并不是一个全新的话题。 不过，Agentic AI 和常见的生成式 AI 还是有明显差别。 Agentic AI 如何解决 API 测试中的难题 API 测试从来不是一条直线流程。 对安全测试来说，Agentic AI 的优势在于它可以围绕鉴权、权限边界和数据泄露等风险点做更主动的探测。
18410编辑于 2026-06-17 - 来自专栏Base_CDNKevin
Claude Code: Best practices for agentic coding
我们最近发布了 Claude Code，一款智能编程命令行工具。作为一个研究项目，Claude Code 为 Anthropic 的工程师和研究人员提供了一种更原生的方式，将 Claude 无缝集成到他们的编程工作流中。
2.2K11编辑于 2025-07-22 - 来自专栏AIGC新知
Agentic AI及其设计模式简介
自主Agent可以看作是实现Agentic AI的一种技术手段或组件，而Agentic AI则是AI Agent在特定工作流程和目标导向下的一种表现形式。 在本文中，我们将探讨 Agentic AI 的含义，深入研究其基本设计原则，并揭示驱动其有效性的Agentic 设计模式。 一、什么是Agentic AI？ 二、为什么 Agentic AI 很重要 对能够处理复杂、动态场景的智能系统的需求，推动了Agentic AI的兴起。 应用范围从自动驾驶汽车和智能客户服务机器人到工业自动化和实时财务分析。 三、代理模式：Agentic AI的构建模块 为了设计有效的自主代理，开发人员采用Agentic 模式——针对 Agentic AI 开发中常见问题的可重用解决方案。 随着 Agentic AI 的不断发展，其应用程序将重新定义人类和机器如何协作解决复杂的挑战。
1.2K10编辑于 2024-12-25 Agentic Engineering 的 8 个层级
作者：Bassim Eledath 发布时间：2026 年 3 月 12 日 标签：AI · Agentic Engineering 原文链接：https://www.bassimeledath.com /blog/levels-of-agentic-engineering AI 的编码能力正在超越我们驾驭它的能力。 通过与多个团队和个人交流他们实践 AI 辅助编码的经验，以下是我观察到的层级演进——并非严格顺序，但大体如此： Agentic 工程的 8 个层级 文章封面图 第 1、2 级：Tab 补全与 Agent 对很多人来说，这已经是遥远的记忆，而对于 Agentic 工程的新入门者来说，这一阶段甚至被直接跳过了。它更有利于经验丰富的开发者——他们能够先写好代码骨架，然后让 AI 填充细节。
18100编辑于 2026-07-01- 来自专栏凯哥讲故事系列
智胜｜Agentic AI参考架构深度解读
03 不是一次回答 Agentic AI 的价值不在“更会说”，而在“能闭环”：执行闭环、可信闭环、安全闭环和优化闭环。 图 1：Agentic AI 架构全景图——从用户请求到反馈优化的生产级智能体系统。 图 3：Agentic AI 的四大闭环——任务执行、事实可信、安全治理、持续优化。 一个成熟的 Agentic AI 系统，不是上线时最强，而是使用越多、评估越多、反馈越多，系统越稳、越准、越贴近业务。 真正成熟的 Agentic AI，不是更会回答，而是更能闭环；不是替代一个岗位，而是重构一条业务价值流。
56010编辑于 2026-05-26 - 来自专栏前端专精
Agentic Workflow是什么？Agentic Workflow会成为下一个AI风口吗？
Agentic Workflow是什么？Agentic Workflow会成为下一个AI风口吗？ 本文将从三个方面展开讨论：AI Agent 的技术挑战 、聚焦于Agentic Workflow 的核心优势 以及 Agentic Workflow 是否可能成为下一个AI风口 。 二、聚焦于Agentic Workflow：更现实的选择 相比于AI Agent，Agentic Workflow（智能工作流）提供了一种更为务实且高效的解决方案。 1、什么是Agentic Workflow？ Agentic Workflow是一种基于“智能体协作”的新型工作模式，旨在通过多个具有特定功能的模块协同完成任务。 三、Agentic Workflow会成为下一个AI风口吗？ 结合当前的技术发展趋势与市场需求，Agentic Workflow 具备成为下一个AI风口的潜力。
75410编辑于 2025-06-13 【第一部分：认识 Agentic AI】1.Agentic AI 为什么突然火了
一、Agentic AI 到底是什么 Agentic AI 可以理解为一种强调目标驱动、自主决策和持续执行的 AI 应用形态。 八、传统开发人员为什么应该关注 Agentic AI Agentic AI 的发展，并不意味着传统软件开发经验已经过时。 随着 Agent 进入生产环境，传统工程能力反而更加重要。 十、写在最后 Agentic AI 为什么突然火了？ Agentic AI 开始尝试回答： 你希望完成什么？ 从回答问题到执行任务，从单次生成到持续运行，从聊天助手到数字工作成员，这就是 Agentic AI 当前受到关注的根本原因。 上一篇回归： 【开篇】从大模型应用到 Agentic AI：智能体开发与 Harness 工程化系列-腾讯云开发者社区-腾讯云 下一篇： 【第一部分：认识 Agentic AI】2.
20910编辑于 2026-07-20- 来自专栏三木的博客
【论文解读】Agentic Reasoning for Large Language Models
论文链接：https://arxiv.org/abs/2601.12538 一、为什么需要 Agentic Reasoning？ Agentic Reasoning 的核心价值（范式转变） 论文将 Agentic Reasoning 定义为：让大模型从“被动的文本生成器”，升级为“主动的自主智能体”，其核心是将推理从“静态的文本计算 基础智能体推理（Foundational Agentic Reasoning） 这是 Agentic Reasoning 的“入门级层次”，面向稳定、简单的封闭环境（环境参数基本不变，任务难度较低），核心目标是构建 自我进化智能体推理（Self-evolving Agentic Reasoning） 这是 Agentic Reasoning 的“进阶层次”，面向动态、变化的开放环境（环境参数会随时间变化，任务可能出现突发情况 三、技术实现：上下文推理 vs 后训练推理（两大核心路径） 有了核心架构，如何让大模型具备 Agentic Reasoning 能力？
1.4K10编辑于 2026-03-06 - 来自专栏AgenticAI
Agentic AI 每日精选 · 2026-01-08
每日5分钟速览AI，甄选 GitHub 趋势、HuggingFace模型动向、行业观察、社区热文与精选论文。
48910编辑于 2026-01-12
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