- 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》。 耗时：5小时。多Agent模式：AgentA（数据猎手）：专门负责全网搜索2025-2026的最新数据，只找干货。AgentB（批判家）：专门负责挑刺，分析现有观点的漏洞。 同时监控5个以上的任务线会让你应接不暇，且容易导致上下文混乱。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。 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。
1500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。 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。 5、Let agents improve themselves：让智能体学会自我迭代/改进。 6、Start wide, then narrow down：先尝试广泛探索，然后逐步缩小范围。 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 ://metaso.cn/s/1c5dzzB 另外，查找资料时，看到了另一篇讨论Multi-Agent架构的文章，也推荐大家看看。
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 于是，我们就可以设计一个 科研 Multi-Agent 小队： PaperHunterAgent：文献猎手 PaperAnalystAgent：论文分析师 ExperimentPlannerAgent： 预估训练时间（粗略即可）\n" "5.
72610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。 对于需要进行规划和协调的项目，这个框架提供了强大的支持.图片MetaGPT's 能力展示https://github.com/geekan/MetaGPT/assets/34952977/34345016-5d13 --n_round=N_ROUND Type: int Default: 5NOTES You can also use flags syntax for POSITIONAL 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。 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。 借助低代码开发与多数据源统一标签处理，其智能应用研发效率提升30%+。 快递100（C端极速落地与流量承接）： 依托腾讯元器工作流能力，仅用0.5天时间即完成官方智能体创建。
26430编辑于 2026-04-25- 来自专栏Go语言学习专栏
5 - 工具调用 - AI 超级智能体项目教程
1）联网搜索 2）网页抓取 3）资源下载 4）终端操作 5）文件操作 6）PDF 生成 而且这些需求还可以进行组合 如果 AI 能够完成上述需求，就不再只是一个有知识的 “大脑”，而是有手有脚，会利用工具完成任务的 “智能体” 了。 try { String response = HttpUtil.get(SEARCH_API_URL, paramMap); // 取出返回结果的前 5 jsonObject.getJSONArray("organic_results"); List<Object> objects = organicResults.subList(0, 5) ().get("userName")); } } 看源码我们会发现，ToolContext 本质上就是一个 Map： A47lphkkDDkxdCS/rQHpdWHGIqT1c+f0rRj5gEHvdTo
26910编辑于 2026-03-17 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 text-classification", model="distilbert-base-uncased") summarizer = pipeline("summarization", model="t5-
37811编辑于 2025-12-17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
80110编辑于 2024-09-29 构建多智能体 AI 应用的5个最佳框架
•投票与评价分析：通过分析用户反馈与问卷调查数据[5]，洞察客户需求，从而优化客户体验。•差旅与报销管理：自动化处理费用申报、跟踪与审批流程。 5. LangGraph LangGraph[23]是一个基于节点的 AI 框架，是目前最受欢迎的多智能体系统构建工具之一。它属于 LangChain 生态系统，专用于图结构化的智能体流程编排。 你还可以尝试使用其他多智能体平台来构建你的智能体系统，例如：LlamaIndex，Multi-Agent Orchestrator，LangFlow，Semantic Kernel，Vertex AI。 更多信息 山行AI希望本文对你有所帮助，由笔者翻译整理自：https://medium.com/@amosgyamfi/best-5-frameworks-to-build-multi-agent-ai-applications 各个渠道上的用户情绪:https://getstream.io/blog/building-an-ecommerce-chatbot-with-react-native-and-dialogflow/ [5]
99610编辑于 2026-03-13- 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。 行动表明确的表示了每个智能体程序实现的智能体函数。要用这种方式来建造理性智能体。作为设计者，我们必须构造包括各种可能的感知序列的适当行动的函数表。 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 - 来自专栏前端达人
第11课：Multi-Agent 实战，并行编排的5种模式
模式1：分析群集——5个侦察兵同时出发 应用场景：需要快速理解一个你不熟悉的模块、项目、或问题域。 原理：启动多个 Explore Agent，每个从不同角度扫描，结果汇总后你就有了全面的地图。 同时启动5个 Explore Agent 并行扫描： 1. 项目整体结构：扫描目录结构，识别主要模块和它们的职责 (thoroughness: quick) 2. 认证和权限：理解认证流程、中间件链、权限控制方式 (thoroughness: quick) 5. 配置和环境：找到所有配置文件、环境变量、第三方服务集成 (thoroughness: quick) 5个任务互不依赖，并行执行。完成后给我一份综合概览。 " → 5个Explore分别搜索：直接调用方、间接引用、测试文件、文档引用、配置引用 技术债评估："扫描一下项目里有哪些技术债" → 5个Explore分别检查：超长文件、无测试覆盖的模块、硬编码、
18910编辑于 2026-04-15 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？ 二、智能体实现关键技术 在自主开发智能体前，我们要先了解一下智能体的关键实现技术，也就是方案设计阶段做的事情。 5、其他支持 为了实现完整的智能体功能，OpenManus 依赖以下关键组件： 记忆系统：使用 Memory 类存储对话历史和中间状态 LLM 大模型：通过 LLM 类提供思考和决策能力 工具系统：提供 ，到数据收集智能体获取必要数据，然后是分析智能体处理这些数据，接着由可视化智能体创建直观图表，最后由报告智能体整合所有发现生成完整报告。 实现 5）参考 OpenManus 的源码，实现更多功能，比如 “规划并执行” 模式的智能体工作流（参考 flow/planning.py） 本节作业 1）完成 AI 超级智能体的开发 2）理解 AI
71310编辑于 2026-03-17 认知智能体（0）
其次就是代理的通信模式，也就是[个体间的信息交互]：对话式：发挥不同智能体的风格工具调用：控制智能体行为和输出广播：智能体的自主意识我们以[注意力]为线索，来展开智能体的认知能力。 因为[海马体]会把这些信息拦在入口。最后是长期记忆，内存容量有限，所以我们很多时候会借助硬盘的内容，但是所有的计算依然发生在工作记忆当中，只不过多了一个信息检索的步骤。 所以认知智能体需要加入元认知的能力。 系列文章分成十个章节：第一章：认知AI智能体的基础主题：ai代理的定义和类型（reflex、基于目标、基于效用...）开发代理需要的技能（编程、认知架构、llm）环境配置（python、Ollama、litellm 目标：开发能够从结果中学习并自主改进策略的智能体第九章：使用RL、世界建模和RAGEN进行拓展主题：强化学习集成（RAGEN管道）用于状态和奖励预测的世界建模多智能体协作与分布式问题解决
21400编辑于 2025-06-05【AI智能体创作】
AI智能体创作思路 AI智能体的核心在于模拟人类思维和行为模式，通过算法和数据处理实现自主决策。创作思路通常包括目标定义、数据收集、模型训练、评估优化等环节。 目标定义阶段明确智能体的功能边界，比如聊天机器人、游戏NPC或自动化工具。数据收集阶段获取相关领域的语料、图像或其他输入数据。模型训练阶段选择合适的算法架构，如深度学习、强化学习或规则引擎。 案例分析 以智能写作助手为例，分析其设计流程。需求分析阶段确定用户需要语法检查、内容生成或风格转换等功能。技术选型阶段可能采用GPT-3等大语言模型作为基础架构。 GPT2Tokenizer.from_pretrained("gpt2-medium") model = GPT2LMHeadModel.from_pretrained("gpt2-medium") input_text = "AI智能体的核心功能包括 早停机制（Early Stopping） 早停机制通过监控验证集损失来防止过拟合，当验证损失连续若干轮（如patience=5）未下降时停止训练。 实现方式： 记录每轮验证集损失。
38610编辑于 2025-12-17
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