- 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。 它不仅仅是简单的问答机器人，而是具备以下核心能力的自主系统：思考能力：理解用户意图，分析任务需求决策能力：规划执行步骤，选择合适工具行动能力：调用外部工具，执行具体操作记忆能力：记住上下文，积累经验智能体的价值智能体的出现 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 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。
2.3K21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 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。 核心区别对比 维度 RAG Agent 智能体 本质 信息增强技术 任务规划与执行框架 主要目的 让LLM获取外部知识，减少幻觉 让LLM能够自主完成任务 工作方式 检索 + 生成 思考 → 规划 → 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。
87610编辑于 2026-03-03 - 来自专栏周末程序猿
谈谈 `AI Agent`（智能体）
AI Agent的构成 模型：为智能体的推理和决策提供动力的LLM，决定了智能体的下限。 工具：智能体可用于采取行动的外部函数或API。 指令：定义智能体行为的明确指导方针和安全策略。 , "agent": "AI Agent（智能体）是能够感知环境、做出决策并采取行动的自主系统。它由模型、工具和指令三部分组成。" 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 主智能体同步执行子智能体，等待每组子智能体完成任务后再继续执行下一个，这简化了协调，但也造成了智能体间信息流的瓶颈，例如，主智能体无法控制子代智能体，子智能体之间也无法协调，整个系统可能会因为等待单个子智能体完成搜索而被阻塞
80810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）。
1.1K30编辑于 2023-10-12 - 来自专栏AI前沿技术
智能体｜ Agent Skill 技术介绍
本文从“是什么”到“怎么用”，再到“如何写” Agent skill 的角度，把我们从无尽的提示词里解放出来。 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。 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！
23320编辑于 2026-04-02 - 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。 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。 通过重复这一过程，智能体能够持续获取反馈并与环境互动。 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。
89410编辑于 2026-01-18 - 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。
24.1K11编辑于 2024-01-15 - 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。 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。
2.7K20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
33030编辑于 2026-04-02 - 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。
1K10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。 其他领域：智能家居： 控制家电设备，例如灯光、空调、电视等，提高生活便利性。安防监控： 监控安全摄像头，识别异常行为，提高安全性。环境监测： 监测空气质量、水质等环境指标，提供环境预警。 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。
1.4K10编辑于 2024-12-23 - 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。
92220编辑于 2025-07-30 - 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
2.3K20编辑于 2025-07-31 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。 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 未来，随着DeepSeek的多模态支持和MCP框架的进一步优化，AI Agent将变得更加智能、灵活，成为各行各业的核心生产力工具。
65810编辑于 2025-07-15- 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。
36910编辑于 2026-01-12 - 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。 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 - 来自专栏程序猿DD
Claude Agent SDK 智能体开发指南
1.2 什么是 Claude Agent SDK？为什么它如此强大？ 简单来说，Claude Agent SDK 是著名AI助手 Claude Code 背后的核心引擎。 为了让你更直观地理解SDK的优势，让我们对比一下使用原生API和使用Agent SDK构建代理的区别： 特性 使用原生API 使用Agent SDK 循环管理 开发者需要手动编写循环逻辑，不断调用模型、 • @anthropic-ai/claude-agent-sdk 是我们的主角——核心SDK。 第一个Agent程序 3.1 创建你的第一个代理文件 在你的项目目录 code-review-agent 中，创建一个名为 agent.ts 的新文件，并将以下代码粘贴进去： import { query 现在，让我们启动代码审查代理： npx tsx review-agent.ts 观察你的终端输出。
2.8K10编辑于 2026-01-19 - 来自专栏人工智能chat
智能体之变：OpenAI ChatGPT Agent 深度解析
这东西，就是OpenAI藏了很久的大招——ChatGPT Agent（智能体）。如果你觉得ChatGPT只是个厉害点的搜索引擎或写作助手，那你对AI的理解还停留在上个世纪。 这才是真正的智能。更牛的是，这个过程**完全可以被打完全可以被打断。你随时可以喊“暂停！”，然后介入：修改计划：“别用柱状图了，给我换成饼图。”亲自上阵：“登录密码我来输，输完你再继续。” AI智能体的未来，会走向两个更激动人心的方向：多智能体协作：组建一支AI“梦之队”未来，解决复杂问题靠的将不是一个更强的Agent，而是一个由多个专业Agent组成的“AI公司”。 “CEO”Agent：负责定战略、拆任务。“研究员”Agent：负责搜集情报。“程序员”Agent：负责写代码工具。“质检员”Agent：负责审查和优化结果。 它们互相沟通、辩论、协作，像一个真正的人类团队那样“CEO”Agent：负责定战略、拆任务。“研究员”Agent：负责搜集情报。“程序员”Agent：负责写代码工具。
69300编辑于 2025-07-19 - 来自专栏人工智能领域
如何看待Agent AI智能体的未来
Agent AI智能体的未来 Agent AI智能体，也称为自主代理或智能代理，是指能够自主执行任务、与环境交互并作出决策的计算机程序或系统。 这些智能体通常具备学习、适应和推理的能力，能够在复杂和不确定的环境中执行任务。随着技术的进步，Agent AI智能体的未来展望十分令人期待。 方向一：技术进步与创新 Agent AI智能体的未来发展方向之一是技术进步与创新。随着人工智能技术的不断发展和创新，Agent AI智能体将具备更强大的功能和更广泛的应用。 伦理与法律框架：为了解决智能体可能带来的伦理和法律问题，需要建立相应的伦理和法律框架，确保智能体的行为符合社会规范和法律法规。 总之，技术进步与创新是Agent AI智能体未来发展的关键方向。 方向三：经济与就业市场 随着Agent AI智能体的技术发展和应用，它们将对经济和就业市场产生深远的影响。
46110编辑于 2024-12-18 - 来自专栏AI前沿技术
智能体｜Workflow和Agent的区别与构建
智能体（Agent）与工作流（Workflow）已逐渐成为串联大模型、工具与实际业务场景的核心载体。业务场景的实际落地离不开标准化流程，而Agent则为标准化流程，提供了智能升级的新方法。 1.2，Agent 智能体 Agent 是具备自主决策能力的AI实体。依靠大模型的认知与推理能力，动态决定任务执行的流程、工具调用时机与方式，拥有核心决策权。 其核心并非“是否自主决策”，而是“以智能体为核心串联资源，达成任务目标”，所以无论是预编排的工作流，还是具备自主决策权的Agent，都属于Agentic系统 构建Agentic系统的一个核心原则：保持工作流简洁 2.7，自主智能体Agent 核心逻辑：以用户指令或任务为起点，自主规划任务执行路径。 如果用户的指令是清晰的，智能体就可以自己规划独立的完成任务。 图7，智能体架构 适用场景： 开放性问题无法预知求解的步骤，没有一个固定的求解路径。 大模型需要进行多轮的迭代拆解。 以上步骤的进行，需要有容错机制。沙盒环境是自主Agent落地的关键。
1.2K20编辑于 2026-01-20
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