- 综合排序
- 最热优先
- 最新优先
- 来自专栏布衣者博客
LeetCode-题库(8-9)
给你两个字符串 word1 和 word2 。请你从 word1 开始，通过交替添加字母来合并字符串。如果一个字符串比另一个字符串长，就将多出来的字母追加到合并后字符串的末尾。 返回 合并后的字符串 。
31820编辑于 2022-10-31 【Multi-agent实战】教你如何用Multi-agent分析开源Github项目
这篇我们做三件事：把你现有的 Deepfake 实验流程拆成「可以被 Agent 调度」的几个任务节点；用 LangGraph 搭一个 Multi-Agent 工作流：Config → Train → 下一步就是把它们塞进 Multi-Agent 工作流里。 如果你把这套东西写进简历 / 博客，面试官很可能会问：你为什么要用 Multi-Agent / LangGraph，而不是一个脚本搞定？Multi-Agent 带来的真实价值是什么？ 5.2 Multi-Agent 真正带来的东西？流程显式化：Config / Train / Eval / Viz / Report 都是独立节点；修改任意一环不影响其他节点。 统一入口：上层只需要给一段自然语言： “帮我跑一个跨数据集 baseline”Multi-Agent 工作流负责把这段话变成真正的可执行实验计划。
52020编辑于 2025-11-23- 来自专栏架构驿站
Multi-Agent ，知多少？
MAS 提供了一种强大的分布式架构框架，有望彻底克服单一代理系统固有的瓶颈。 Multi-Agent 系统灵活可扩展的特性，使其可以更容易地适应不断变化的复杂业务环境和需求。 Multi-Agent 系统系统固有的分布式特征还赋予了它天然的容错性和健壮性。 Multi-Agent 系统参考架构示意图 Multi-Agent 系统凭借其先天的分布式协作、异构智能融合、模块化扩展、容错鲁棒等独特优势，正逐步展现出在诸多传统行业和复杂应用场景中的革命性影响力和巨大变革潜能 此外，在需求变化剧烈、环境复杂多变的应用场景中，Multi-Agent 系统的适应性决策能力也将大放异彩。 灵活的模块化设计和自主调整策略，使 Multi-Agent 系统能够有效应对动态环境的不确定性挑战，制定出行之有效的应对之策。
2.1K10编辑于 2024-11-01 Multi-Agent多智能体协作系统：架构原理、框架选型与实战指南
Multi-Agent多智能体协作系统：架构原理、框架选型与实战指南当前AI应用开发正经历一次范式转变：从依赖单一模型的多轮对话，转向多个智能体协同工作的Multi-Agent架构。 Multi-Agent架构的核心思路是让多个具备不同专业能力的AI智能体像团队一样分工协作，自动完成复杂任务链。 本文将从架构原理、协议标准、框架选型到生产部署，完整拆解Multi-Agent系统的技术内核。一、什么是Multi-Agent？为什么2026年是爆发元年？ 三、2026主流框架横向对比：选哪个？理解了底层原理，接下来看框架选型。 2026年的Agent框架已经非常丰富，但真正在生产环境验证过的主要有以下几个：3.1 六大框架核心定位 框架开发者核心理念最佳场景GitHub StarsLangGraphLangChain
4.9K20编辑于 2026-04-02【Multi-agent实战】LangGraph 实现可视化的科研 Multi-Agent实战项目
用 【Multi-agent实战】LangGraph 实现可视化的科研 Multi-Agent实战项目✍ 前言上一篇我们搞了一个「科研 Multi-Agent 小队」：Supervisor 当老板；PaperHunter 这一篇，我们就把上一篇的科研 Multi-Agent —— 迁移到 LangGraph 上，用“图”的方式组织 Agent。 一、为什么要用 LangGraph 来做 Multi-Agent？ 六、面经角度：围绕 LangGraph + Multi-Agent 怎么吹？给你几段可以直接背的回答。Q1：你在项目里是怎么管理 Multi-Agent 的流程的？为什么选 LangGraph？ Q3：如果后续要在这个科研 Multi-Agent 里加入“在线强化学习 / 评分器调整策略”，LangGraph 还能 hold 住吗？ 节点粒度 和 显式图结构 来解决：planning 幻觉；粒度太碎 / 太粗；顺手准备了几个关于 LangGraph + Multi-Agent 的面经回答
1K10编辑于 2025-11-22【Multi-Agent实战】如何用 LangChain 打造一个 Multi-Agent 实战项目
【Multi-Agent】一、如何用LangChain打造一个Multi-Agent实战项目这篇就是给已经玩过LangChaintools+Agent的同学看的进阶篇：你已经玩过time/weather 这种自定义工具；也看过AgentType.CHAT_ZERO_SHOT_REACT_DESCRIPTION一路Thought/Action/Observation的DebugLog；但一到Multi-Agent
58210编辑于 2025-12-16- 来自专栏AI机器学习与深度学习算法
机器学习入门 8-9 lasso
本系列是《玩转机器学习教程》一个整理的视频笔记。本小节介绍模型正则化的另外一种方式LASSO，依然通过具体的编程实现LASSO，并对α取值与过拟合（拟合曲线）之间的关系进行探讨，进而对LASSO与Ridge进行比较。
1.3K20发布于 2020-01-14 Multi-Agent 框架终极对比：LangGraph、CrewAI、AutoGen 谁才是真·编排之王？
年主流框架版本，环境配置以官方文档为准。 Multi-Agent 则是一个**“专业项目组”**：有产品经理（PM）拆解需求，有架构师（Architect）设计框架，有程序员（Coder）写代码，还有测试（Tester）找茬。 但问题来了：2026 年市面上涌现出数十个 Multi-Agent 框架，从 LangGraph 的状态机到 CrewAI 的角色扮演，再到 AutoGen 的自由对话，到底该选谁？ 二、四大主流框架深度横评我们选取了 2026 年最热门的四个框架进行对比：LangGraph、CrewAI、AutoGen、AgentX（华为云开源）。1. 技术迭代：AI 领域发展迅速，框架特性请以官方最新文档为准。
3.7K30编辑于 2026-03-16- 来自专栏企鹅号快讯
VAIN：Attentional Multi-agent Predictive Modeling
VAIN: Attentional Multi-agent Predictive Modeling[J]. arXiv preprint arXiv:1706.06122, 2017. 模型框架如上图。在输入层，F_i代表agent i的原始特征，如类型、位置等信息。
1.3K70发布于 2018-01-09 - 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
LangGraph作为LangChain生态系统的重要扩展，通过引入有向图模型重构了传统智能体的工作流架构，将复杂的多步骤交互和决策过程模块化，是目前主流的多智能体集成框架之一。 关注腾讯云开发者，一手技术干货提前解锁 本文主要介绍多智能体集成框架LangGraph的相关概念及使用，关于大模型应用开发的基本的流程可以阅读：《GitHub 12w Star神器！ 一文详解大模型集成框架LangChain》，详细介绍了构建大模型应用的步骤及概念（提示词模版、输出解析器、记忆、工具、Agent、RAG等） 01、LangGraph概述 1.1 什么是LangGraph recursion_limit": 50} # 设置递归限制为50次 ) except GraphRecursionError: print("执行步数超过限制，抛出异常") # 异常处理... 03、Multi-Agent 至此，关于LangGraph的介绍就全部结束了，LangGraph作为多智能体应用的编排框架，通过图结构、灵活的状态管理和控制流，为构建复杂的多智能体应用提供了强大基础设施。
4.1K62编辑于 2025-12-16 【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：
72110编辑于 2025-11-22【Multi-Agent实战】如何用 LangChain 打造一个 Multi-Agent 实战项目
【Multi-Agent】一、如何用 LangChain 打造一个 Multi-Agent 实战 ✍ 前言 这篇就是给已经玩过 LangChain tools + Agent 的同学看的进阶篇： 你已经玩过 “Multi-Agent 和平时的 Tools 调用有什么本质区别？” 一、先把概念掰开：单 Agent vs Multi-Agent 1.1 单 Agent：一个人又要算日期又要查天气还要写代码 你现在的 Demo 结构本质上是这样的： 用户问题 ↓ 一个 Agent 1.2 Multi-Agent：拆成“调度员 + 专家小组” 更工程一点的想法是： 既然人类解决问题是「项目经理 + 各种专家」的协作，那 LLM 也可以这么玩。 这样既复用你对 tools + Agent 的理解，又自然过渡到 Multi-Agent 体系。
2.4K10编辑于 2025-11-23AI驱动自动化渗透测试：Multi-Agent框架攻克CTF智能攻防挑战
采用Multi-Agent自动化框架 长亭科技AI攻防技术研究组基于DSPy（Programming-not-prompting）理念，开发了专为渗透测试设计的Multi-Agent框架。 该框架包含： Plan Agent：统筹执行流程，生成结构化攻击方案（XML格式指令） 专项漏洞Agent：包括XSS Agent、SSTI Agent等垂直化漏洞利用模块 并行执行引擎：支持多环境隔离运行 ，通过共享内存和最大并发控制实现高效资源调度 实现精准漏洞识别与自动化利用 在腾讯云黑盲松黑客松实战中，该框架展现出三大核心能力： 反射型XSS通杀方案：结合Xray扫描与LLM-based Fuzzing ：确保工具执行的隔离性和安全性 大赛验证可靠性：在腾讯云黑盲松智能渗透挑战赛中获得实际应用验证 数据来源：长亭科技AI攻防技术研究组刘金钊在腾讯云黑盲松黑客松的技术分享 技术认证：集成DSPy编程框架和
54820编辑于 2026-04-04- 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。 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
2.3K21编辑于 2023-10-13 - 来自专栏趣谈前端
前端进阶第8-9周打卡题目汇总
前端基础打卡已经基本结束了,内容从css基础,动画,js基本算法,作用域,闭包,节流防抖这些基本的web知识大家有没有都掌握了呢?年后会出一个进阶路线规划图,希望笔者可以带着大家,一起进步,一起成长.
77840发布于 2020-02-12 【Multi-agent实战】 AI理财顾问实战项目
用 LangGraph 搭一个基金分析 Multi-Agent：给你打工人的「AI 理财顾问」✍ 前言上一篇我们用 LangGraph 搭了科研 Multi-Agent，这一篇换个更接地气的场景： “我每个月就能拿出 这就是一个很适合 Multi-Agent 的场景：把「信息搜集 → 指标计算 → 风险评估 → 资产配置建议 → 生成报告」 拆给不同的 Agent，最后 LangGraph 把流程编排成一张图。
66900编辑于 2025-11-22Multi-Agent 技术原理与落地场景全解析
当单个 AI 模型在复杂任务前显得力不从心 —— 比如既要检索文献又要撰写论文，既要处理数据又要生成报告，Multi-Agent（多智能体）技术应运而生。 PART 01 Multi-Agent 核心：不是 “多 AI 堆砌”，而是 “结构化协作” Multi-Agent 系统的本质，是让多个具备独立感知、决策、执行能力的智能体，通过预设规则或动态交互完成复杂任务 营销活动” 拆分为文案、设计、投放）； 执行 Agent：专注具体子任务落地（如文献检索 Agent、数据清洗 Agent）； 协调 Agent：监控进度、处理子任务依赖关系（如 “先完成文献检索再搭建论文框架 科研与学术 协作流程：选题 Agent→文献检索 Agent→框架 Agent→写作 Agent→润色 Agent→查重 Agent。将论文撰写周期从数月缩短至数天，降低学术门槛。 2. 自动驾驶 车、路、云智能体实时协同，百度 Apollo 框架让复杂路口通行效率提升 40%，紧急制动响应时间缩短至 0.2 秒。 6.
1.4K10编辑于 2025-12-31- 来自专栏AI SPPECH
IO竞赛2025年题目解析：高级难度（8-9）
2025年的高级难度（难度系数8-9）题目综合考察了选手的算法设计、数学建模、问题分析和代码实现能力。本文将深入解析2025年高级难度的IO竞赛题目，帮助选手们突破极限，冲击更高的竞赛成绩。 难度进阶路径: 入门(1-3) → 基础(4-5) → 中级(6-7) → 高级(8-9) → 专家(10) 难度系数 考察重点 核心知识点 学习目标 8-9 算法设计、数学建模、问题分析 高级图论、高级动态规划 （8题） ├── 第四章：高级难度题目解题策略 └── 第五章：顶尖选手的训练方法 第一章：2025年IO竞赛高级难度题目概述 根据2025年NOI修订版大纲，高级难度（NOI级别）的知识点难度系数为8-
25610编辑于 2025-11-13 【Multi-agent实战】 AI论文秘书实战项目
这篇文章，我们不谈「怎么读论文」， 而是带你 从零搭一个论文精读 Multi-Agent 系统，让 LangGraph 来做这些事：帮你筛论文：从一堆候选中选出“值得精读 / 有复现价值”的；帮你结构化做笔记 ：任务定义、数据集、方法框架、实验指标；帮你生成实验 TODO：哪些可以在你现有代码库上快速复现，哪些适合作为你下篇论文的 idea 种子。 我们先把「论文精读」拆到 Multi-Agent 的粒度：PaperCollector Agent（论文收集）输入：研究方向（例如 “generalizable deepfake detection” / “multi-agent RL for LLM”）输出：一组候选论文的元数据（标题、作者、年份、来源、链接）PaperTagger Agent（论文打标签）把每篇论文分到几个维度：任务类型：检测 / "- id: 论文 id\n" "- task_type: 任务类型（例如 detection / generation / representation / RL / multi-agent
66900编辑于 2025-11-22- 来自专栏码
传统Workflow与Multi-Agent workflow的区别
这也就意味着，我们需要让我们的工作系统，既支持multi-agent workflow模式，也支持在传统workflow模式中把agent作为节点的能力。 multi-agent本身实际上也是一个复合agent，因此，也可以作为传统workflow的节点。
1.2K10编辑于 2024-06-12
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