- 综合排序
- 最热优先
- 最新优先
OpenClaw 多智能体（Multi-Agent）并行协作完全指南【架构】
它允许你创建一个主智能体（MainAgent），由它来指挥多个**子智能体（Sub-agents）**并行工作。主智能体（你/指挥官）：负责拆解任务、分配角色、统筹结果。 子智能体（专家/执行者）：每个子Agent拥有独立的人格、独立的任务目标、甚至独立的模型配置。它们互不干扰，并行运转。想象一下这个场景：你要写一份《2026年AI趋势报告》。 建议：控制在3-5个子Agent以内。如果任务更多，可以分批次进行。5.4成本与资源意识每个子Agent都在消耗Token和算力。对于简单任务（如“今天天气如何”），单线程就够了，杀鸡焉用牛刀。 群体智能涌现：当多个不同视角的Agent互相辩论、协作时，往往能产生超越单个Agent的洞见，这就是群体智能的魅力。第七章：立即行动——你的第一次多Agent实验光看不练假把式。
1000编辑于 2026-04-29- 来自专栏架构驿站
基于 Rowboat 快速构建多智能体（Multi-Agent）工作流
Hello folks，我是 Luga，今天我们来聊一下人工智能应用场景 - 构建高效、灵活的计算架构的多智能体工作流。 在 AI 驱动的自动化浪潮中，多智能体（Multi-Agent）系统正成为企业实现高效协作和智能化转型的关键。 然而，构建一个多智能体工作流往往需要复杂的开发流程和高昂的成本，让许多团队望而却步。 作为一款革命性的 AI 工具，Rowboat 旨在帮助用户快速构建多智能体（Multi-Agent）工作流，轻松实现复杂的自动化任务。 Agents SDK 包含了智能代理的通信协议、任务调度机制和动态协作工具，确保 Rowboat 能够快速构建和运行多智能体工作流。
96710编辑于 2025-04-28 - 来自专栏老张的求知思考世界
构建多智能体(Multi-Agent)架构的八大原则
所谓的多智能体(Multi-Agent)架构，可以简单理解为多个Agent并行工作，他们之间通过某种通信机制进行沟通协作，以协助人类完成复杂的任务。 3、工作流提示优化：在找到的最佳拓扑结构上进行全局提示优化。 上述三个阶段，每个阶段都依赖于前一阶段迭代优化的提示/拓扑，来开展优化。 无独有偶，最近Anthropic分享了他们构建多智能体(Multi-Agent)系统的最佳实践，核心是八条提示工程与评估原则。 3、Scale effort to query complexity：根据查询复杂度调整资源投入。 为了便于大家更好理解Anthropic构建多智能体(Multi-Agent)系统的最佳实践，我用秘塔AI搜索的新功能，将Anthropic的这篇文章转成了PPT讲解，感兴趣的可以访问这个链接查看：https
2.4K11编辑于 2025-07-08 【Multi-agent】智能科研助手实战项目
从 0 组建你的 AI 科研小队：Multi-Agent 帮你做文献调研 + 实验规划✍ 前言很多科研工作者肯定都吐槽过：「文献太多看不完、实验方案想不清楚、写总结又很痛苦。」 但反过来想：这些事情，其实都可以拆成一堆「标准化的小任务」，非常适合交给 Multi-Agent AI 科研小队 来做。 这篇就带你搞一个科研向 multi-agent 实战项目：场景： 想做一个「CLIP 在伪造检测 / 多模态安全」方向的小综述 + baseline 实验规划；目标： 让一组 Agent 帮你：自动搜集相关论文 相关工作简要对比（按论文列点）\n" "3. 适合在我本地跑的 baseline 方案\n" "4. 3.
72510编辑于 2025-11-22- 来自专栏【腾讯云开发者】
Multi-Agent全面爆发！一文详解多智能体核心架构及LangGraph框架
使用多智能体的好处是： 模块化：独立的智能体使得开发、测试和维护智能体系统更加容易。 专业化：可以创建专注于特定领域的专家智能体，这有助于提高整个系统的性能。 多智能体架构： 在多智能体系统中，有几种常见的连接智能体的方式： Network（网络）：每个智能体都可以与其他任何智能体进行通信。任何智能体都可以决定下一步调用哪个其他智能体。 Supervisor（主管）：包含一个主管智能体，每个智能体都与一个主管智能体进行通信。主管智能体决定下一步应该调用哪个智能体。 单个智能体可以被表示为工具。主管智能体使用一个支持工具调用的 LLM 来决定调用哪个智能体工具，以及传递给这些智能体的参数。 3.2 Agent之间通信和状态管理 在构建多智能体应用时，需要考虑智能体与智能体之间如何进行交互，以及数据应该如何共享。
4.1K62编辑于 2025-12-16 - 来自专栏NLP/KG
MetaGPT( The Multi-Agent Framework)：颠覆AI开发的革命性多智能体元编程框架
"MetaGPT( The Multi-Agent Framework)：颠覆AI开发的革命性多智能体元编程框架"一个多智能体元编程框架，给定一行需求，它可以返回产品文档、架构设计、任务列表和代码。 这个项目提供了一种创新的方式来管理和执行项目，将需求转化为具体的文档和任务列表，使项目管理变得高效而智能。 You can check this by using:python --version#Step 3: Clone the repository to your local machine, and deepwisdom/MetaGPT相关链接https://github.com/geekan/MetaGPT/assets/2707039/5e8c1062-8c35-440f-bb20-2b0320f8d27d3. 这个项目的使命是让每个人都能使用ML编译技术在每个人的设备上开发、优化和部署人工智能模型。
2.3K21编辑于 2023-10-13 腾讯云智能体开发平台：基于Agentic RAG与Multi-Agent架构加速企业AI业务落地
数据与观点来源：腾讯云智能体开发平台主讲人夏宇、微盛企业智能体落地解决方案主讲人夏京安、腾云悦智专家梁卫星的实战分享 剖析大模型业务落地的系统性瓶颈与数据困境 在企业尝试将大模型转化为实际生产力的过程中 构建高确定性的企业级智能体开发与编排引擎 针对上述瓶颈，腾讯云提供了一套包含LLM、RAG、Workflow与Multi-Agent在内的企业级大模型应用开发框架，通过技术解耦降低开发门槛，确保系统稳定性 支持全局视野Agent，实现节点智能回退（用户修改信息可自动“倒带”修正）与异步消息队列处理。 应用Multi-Agent协同架构（任务解耦执行）： 将复杂任务拆解给多个专业Agent并行处理。 风控与合规质效跃升： 在某头部股份制银行的智能查证平台（小悦智法）中，合同管理效率提升3倍，审核准确率提升50%，其内外规差异检测效率提升80%，有效降低信贷与话术违规风险。 某头部医疗机构（跨国知识底座与研发提效）： 针对全球员工构建统一智能知识底座。通过集成智能体开发平台能力，实现聊天式提问与点踩纠错闭环。
26430编辑于 2026-04-25智能体案例分析：IT新闻聚合智能体
智能体案例分析：IT新闻聚合智能体 IT新闻聚合智能体通过自动化技术抓取、分析和呈现最新的IT行业动态。这类智能体通常结合自然语言处理（NLP）和机器学习技术，从多个来源筛选高价值信息。 核心功能包括： 实时爬取主流科技媒体（如TechCrunch、Wired、The Verge） 自动分类（人工智能、网络安全、云计算等） 情感分析判断新闻倾向性 生成摘要简化阅读 典型应用场景： 投资机构追踪技术趋势 实现全文检索 前端：React构建的交互式仪表盘 性能优化策略： 使用Bloom过滤器避免重复爬取 实现增量更新机制 对高频术语建立缓存索引 效果评估指标 关键性能指标包括： 信息新鲜度：从发布到收录的延迟<3分钟
37811编辑于 2025-12-17MAG-3D: Multi-Agent Grounded Reasoning for 3D Understanding
本文核心贡献提出MAG-3D框架：一种无需训练的多智能体框架，可直接赋能现成视觉语言模型完成三维具身推理，摆脱任务专用训练与领域内微调依赖。 研究方法整体框架MAG-3D采用无需训练的多智能体架构，以多视角RGB观测为输入，通过共享场景记忆实现三智能体协同，完成三维具身推理并输出自然语言答案。 纯视觉设置下，MAG-3D_Seed-1.6得分从29.6提升至42.4，涨幅达12.8，无三维输入时优势更显著。消融实验结论多智能体协同优于单智能体工具调用，得分从44.6提升至47.6。 开放词汇定位智能体远优于闭词汇Mask3D，计数与存在类任务提升明显。三维视觉记忆优于二维记忆与无记忆方案，得分提升3.3。定位智能体采用Seed-1.6比GPT-4o-mini效果更优。 总结与展望MAG-3D提出无需训练的多智能体三维具身推理框架，通过规划、定位、编码三智能体动态协同，结合开放词汇三维定位与可执行几何验证，在Beacon3D、MSQA基准上实现零样本最优性能，同时大幅提升定位与问答的一致性
12710编辑于 2026-04-20智能体来了！2026智能体开发全面指南
智能体来了！2026智能体开发全面指南 一、 繁华落尽后的“平静”：技术背后的选择逻辑“真正深入使用 AI 之后，我反而更平静了。” 在过去这段时间里，我深入钻研了 Python 编程、探究了 AIGC 的视觉极限、搭建了复杂的流程智能体、甚至深入到了 STM32 的硬件底层。 而顶级的 AI 大模型与 Agent（智能体），正是我能遇到的认知最高、脾气最好、思维最完善的存在。在我的「心枢」系统里，AI 不仅仅是执行任务的“器”，它更是我最好的老师、朋友、教练和员工。 它的核心公式是：理解目标（Layer 1）→ 协助决策（Layer 2&3）→ 自动执行（Layer 2&5）→ 持续表达（Layer 4）。 礼包内包含（持续更新）：多维提示词库：包含智能体设计规范、AI 绘画精准词簇、AI 视频叙事 Prompt。ComfyUI 极客工作流：从零搭建好的 json 配置文件，导入即用。
35110编辑于 2026-01-24- 来自专栏算法之名
AI智能体
messages) print(response.content) 这里的 ZHIPUAI_API_KEY 需要你自己去智普网站 https://open.bigmodel.cn 去注册就有，运行结果 智能助手显神通 你的角色是一个诗人.'), HumanMessage(content='用七言绝句的形式写一首关于AI的诗')] streaming_chat(messages) 运行结果 智能助手显神通
80010编辑于 2024-09-29 - 来自专栏云时之间
智能体结构
智能体的结构 迄今为止我们通过描述行为—在任何给定的感知序列下采取的行动—讨论了智能体，现在我们不得不将知难而进，去讨论智能体内部是如何工作的，AI的任务是设计智能体程序，通过它来把感知信息映射到行动的智能体函数 注意智能体程序和智能体函数之间的差别。智能体程序在于当前感知为输入，而智能体函数是以整个历史为输入的。智能体程序只把当前感知作为输入是因为环境无法得到更多的东西。如果智能体的行动依赖于整个感知序列。 那么该智能体不得不记住全部感知的信息。 *智能体程序骨架还有其他的选择。例如我们可以让智能体程序成为协同程序。 这些令人望而生畏的容量，意味着：1:这个世界没有一个实际的智能体可以保存该表的空间。2：设计者没有时间来创建该表。3：没有智能体能够从他的经验中学习正确的表条目。 在这个文章的以下部分，我想概述四种基本的智能体程序，他们几乎涵盖了所有智能系统的基础准则： 1：简单反射型智能体 2：基于模型的反射型智能体 3：基于目标的智能体 4：基于效用的智能体 然后我们将概括的解释如何把这些智能体转换成学习智能体
1.4K70发布于 2018-04-11 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。 随着LLM能力的不断提升和工具生态的日益丰富，智能体将在更多领域发挥重要作用，成为我们工作和生活中不可或缺的智能伙伴。您好，我是肥晨。
2.6K21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。 智能体的出现，让AI从单纯的"对话者"进化为真正的"执行者"。 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。 随着LLM能力的不断提升和工具生态的日益丰富，智能体将在更多领域发挥重要作用，成为我们工作和生活中不可或缺的智能伙伴。
1K10编辑于 2026-03-03 - 来自专栏deepseek
o3 deep research: 智能体的应用和演进
引言人工智能 Agent（智能代理/智能体）的发展正引领着新一轮技术变革。 从最初只能回答问题的聊天机器人，到如今能够自主规划和执行任务的Agent（智能代理/智能体），AI 正在从“工具”走向“生产力主体” (link1)。 Manus：解释型智能体的前沿探索 – Manus号称“全球首款通用型 AI Agent” (link28)。 可见，编译型与解释型Agent并非截然对立，而是可以互为补充，共同构建更强大的智能体系统。未来展望：Agent 生态的演进与挑战随着大模型的快速演进，智能体生态也在发生深刻的变化。 这场“从思考到行动”的智能体革命才刚刚开始，其未来充满机遇与未知。
78210编辑于 2025-03-10 - 来自专栏创作是最好的自我投资
3分钟快速搭建文生图智能体
背景信息在继上次搭建了角色类智能体小哪吒之后，觉得智能体的搭建还是挺有意思的，但是文字类的智能体玩儿起来总觉得少点什么，另外就是自己平时写文章的时候，总是有一种想法，如果DeepSeek 可以文生图就好了 智能体这里不管智能体的文章写了几篇，关于智能体的介绍总是不能少的，这里我还是在腾讯元宝来咨询一下什么是智能体？这里为什么重复的介绍智能体是什么呢？ 创建文生图智能体这里创建文生图智能体是需要用到文生图的插件的，因为官方已经提供了文生图插件，所以这里我们就可以来借助官方的文生图插件来进行智能体的创建。 登录腾讯智能体平台，腾讯元器：https://yuanqi.tencent.com/my-creation/agent ，选择【创建智能体】这里选择智能体通用创建的【用提示词创建】在【基础设定】输入我们的智能体名称 等待审核成功之后，就可以点击【使用方式】通过web体验在线体验我们的AI 文生图智能体了总结最近有点迷上了腾讯元宝的智能体相关内容，目前的话，创建文本类智能体或者文生图智能体算是圆满完成了，还差的就是工作流智能体以及创建插件
1.2K20编辑于 2025-04-05 - 来自专栏林欣哲
人工智能的智能体
今天来谈谈人工智能的研究工作中所做的一些基本的抽象。 一、智能体的概念 人工智能研究的对象称为智能体（Agent），其他的外部条件划归为环境。 智能体做出什么样的反应取决于输入和输出之间的映射关系函数，这个函数就是智能体研究的核心。 编写出智能体的程序则具体实现这个数学意义上的函数。 二、智能体的性能衡量 我们研究智能体是要他能做正确的事，因此需要有一个标准去衡量他的表现，一个合理的智能体会最大化这个期望的标准。 这里要注意一点，我们以最终期望达到的效果来做为衡量的标准，而不要以智能体的行为本身作为标准。 总结，人工智能的研究的期望是实现一个，在给定的每个可能的感知序列下，能做出让期望的性能最大化的行动的理性的智能体。
2K60发布于 2018-04-10 - 来自专栏Go语言学习专栏
7 - AI 智能体构建 - AI 超级智能体项目教程
具体内容包括： AI 智能体概念与特点 智能体实现关键技术 使用 AI 智能体的多种方式 OpenManus 实现原理 自主实现 Manus 智能体 智能体工作流编排 A2A 协议 一、什么是智能体？ 比如 ChatGPT + Plugins： 3）自主规划智能体：也叫目标导向智能体，能够根据任务目标自主分解任务、制定计划、选择工具并一步步执行，直到完成任务。 观察（Observe）：获取工具返回的结果，反馈给智能体进行下一步决策。比如将打开的网页代码输入给 AI。 循环迭代：不断重复上述 3 个过程，直到任务完成或达到终止条件。 三、使用 AI 智能体 有 3 种方式可以使用 AI 智能体，之前的教程中其实我们已经有接触过，这里再快速复习一遍。 完成 AI 超级智能体的开发 2）理解 AI 超级智能体的实现原理和架构设计，要求能够口述讲清楚 3）尝试自主阅读 OpenManus 的源码，思考如何进一步优化我们的程序，建议多利用 AI 工具辅助学习理解
71210编辑于 2026-03-17 - 来自专栏算法之名
AI智能体(四)
接AI智能体(三) memory工具使用 以往，我们都是直接跟大模型进行交互，没有办法系统的实现记忆。 在上图中，用户在向大模型问问题时会首先读取记忆体，查看以往是否回答过相同的问题或者相关的文档可以参考。 如果有就会返回并添加到提示词模版中，再通过大模型的处理得到答案，得到答案之后再将答案反写回记忆体，这是一个循环的过程。 **智能合约和应用生态**：以太坊拥有强大的开发者社区和丰富的应用生态，这推动了其需求的增长，并对价格产生积极影响。 2. **跨链技术的进步**：随着跨链技术的发展，以太坊能够与其他区块链网络进行互操作，这可能会扩大其生态系统，并增加其作为价值转移和智能合约平台的吸引力。 5.
1.1K00编辑于 2025-02-06 - 来自专栏算法之名
AI智能体(六)
接AI智能体(五) Dify Dify是一个开源的Agent开发平台，使用Dify有两种方式，一种是使用Dify的在线平台。https://cloud.dify.ai。 一种是进行私有化部署。 } DEBUG: ${DEBUG:-false} FLASK_DEBUG: ${FLASK_DEBUG:-false} SECRET_KEY: ${SECRET_KEY:-sk-9f73s3ljTXVcMT3Blb3ljTqtsKiGHXVcMT3BlbkFJLK7U -opendal} OPENDAL_SCHEME: ${OPENDAL_SCHEME:-fs} OPENDAL_FS_ROOT: ${OPENDAL_FS_ROOT:-storage} S3_ ENDPOINT: ${S3_ENDPOINT:-} S3_REGION: ${S3_REGION:-us-east-1} S3_BUCKET_NAME: ${S3_BUCKET_NAME:-difyai } S3_ACCESS_KEY: ${S3_ACCESS_KEY:-} S3_SECRET_KEY: ${S3_SECRET_KEY:-} S3_USE_AWS_MANAGED_IAM: $
1.1K00编辑于 2025-02-06
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