- 综合排序
- 最热优先
- 最新优先
- 来自专栏服务端技术杂谈
为了Agent而Agent？
主要讲的是如何选取Agent主流框架的逻辑。 讨论了两种路径，workflows和agent。 我理解大概率是为了Agent而Agent所找的一个所谓具有代表性的例子吧。 而且你现在用Agent，未来扩展性也是一个问题。 业务想要扩展一个新的场景逻辑，你敢直接用Agent承接吗？ 有人说，我们会在Agent上线之前，充分评估模型，确保Agent可以适配新的业务场景需求。 但是业务不会等你Agent ready之后再开量啊。 而Agent更适合人机协作，比如AI Coding或其他chatbot，因为有个人在旁边可以为Agent的不可控进行兜底。 大家用Agent的目的很多时候并不是从第一性原理出发，很多时候都是为了Agent而Agent，想一想Agent真的比workflow好吗？
3710编辑于 2026-03-11 - 来自专栏Python
理解 Agent2Agent(A2A)、Agent to Agent和链式函数调用的区别与联系
在构建 AI 智能体系统或多模块任务执行架构时，我们常会遇到三个关键术语： Agent to Agent 链式函数调用 Agent2Agent (A2A) 它们看似类似，甚至常被混用，但实际上分别属于不同的抽象层次 两个 Agent 间的信息传递行为 多智能体协同、机器人通信 Agent2Agent (A2A) 系统架构层 一个 Agent 主动调用其他 Agent 协作解决问题 LLM Agent 编排、AutoGen Agent2Agent 像一个“项目经理型 AI”会调度多个“专家型 AI”组成动态团队，解决复杂任务 类比一句话总结： 链式函数调用像拼装生产线，Agent to Agent像员工交流，而Agent2Agent Agent to Agent（通信范式） # 每个 Agent 通过消息交互完成任务 agent_A.send("get data") agent_B.receive("get data").send( 中的 planner_agent.plan() → 调用搜索、总结、编码 agent 七、总结一句话 链式函数调用解决“流程”，Agent to Agent定义“协作”，而Agent2Agent打造
78610编辑于 2025-07-10 - 来自专栏Agent Apps
告别Agent Skills, 拥抱 Agent Apps
这正是面向Agent的TUI（AOTUI）要回答的问题。是什么：一种新的界面范式面向Agent的文本用户界面（AOTUI）是一种以LLMAgent为一等公民的界面范式。 没有鼠标点击，Agent调用Tool/Funtion。没有视觉提示（颜色、布局、头像），数据通过文本引用来引用。简言之：AOTUI就是当你为模型而非人类设计时，用户界面的样子。 AOTUI如何重建桥梁AOTUI为没有鼠标的Agent解决了问题的三个部分——识别、选择和触发。 下一步：[认识Agentina→](https://agentina-agent-apps.vercel.app/en)—基于AOTUI构建的Agent应用宿主。
12510编辑于 2026-03-06 - 来自专栏XINDOO的专栏
Agent设计模式——附录 G - 编码 Agent
最高效的开发团队不仅将任务委托给 Agent，更通过整套复杂编码 Agent 实现自我增强。这些 Agent 扮演着不知疲倦的专业团队成员角色，放大人类创造力并显著提升团队扩展能力与开发速度。 Agent 虽能力强大，但定位为支持性协作者。开发者指导具体 Agent 调用、提供必要上下文，并最关键地——对 Agent 生成输出行使最终裁决权，确保其符合项目质量标准与长期愿景。 本框架致力于在人类领导与底层模型原始能力间建立最纯净对话通道，确保每个 Agent 均以峰值潜力运行。 该框架构建为专业化 Agent 团队，每个 Agent 针对开发生命周期中的核心功能专门设计。 专业化 Agent 团队： 通过定向提示工程，我们可构建专业分工的 Agent 团队，每个成员针对特定开发任务深度优化。 流程 Agent：代码质量监督员 批判分析： Agent 执行初步审查，识别潜在缺陷、编码规范违规及逻辑漏洞，功能类似静态分析工具。 深度反思： Agent 对自身批判进行元分析。
36310编辑于 2025-10-27 - 来自专栏红队蓝军
java agent使用与agent内存马
什么是java agent 本质是一个jar包中的类，有两种实现，第一种是通过permain()函数实现。 Java agent的使用方式有两种： 实现premain方法，在JVM启动前加载。 实现agentmain方法，在JVM启动后加载。 agent基础使用 环境搭建 agent项目源码 agent： package com.naihe; import java.io.IOException; import java.lang.instrument 并没有使用字节码相关的库 二，修改MANIFEST.MF 使用解压工具打开MANIFEST.MF，并修改内容 Premain-Class: com.naihe.agent Agent-Class: com.naihe.agent : com.naihe.agent Agent-Class: com.naihe.agent Can-Redefine-Classes: true Can-Retransform-Classes: true
1.5K20编辑于 2022-04-13 - 来自专栏红队蓝军
java agent使用与agent内存马
什么是java agent 本质是一个jar包中的类，有两种实现，第一种是通过permain()函数实现。 agent基础使用 环境搭建 agent项目源码 agent： package com.naihe; import java.io.IOException; import java.lang.instrument 使用解压工具打开MANIFEST.MF，并修改内容 Premain-Class: com.naihe.agent Agent-Class: com.naihe.agent Can-Redefine-Classes /12107/Desktop/agent.jar 动态修改class 清除之前的内容 正常运行 运行attach 可以看到Demo的test方法已经被修改了 agent内存马 搭建一个简单的 命名为agent2 打包好的jar就在如下位置 修改MANIFEST.MF 老样子在前面添加 Premain-Class: com.naihe.agent Agent-Class: com.naihe.agent
1.4K10编辑于 2022-05-17 - 来自专栏后端云
cyborg agent
cyborg agent提案 问题描述 Cyborg的需要一下功能：包括在计算机节点上管理代理，定位加速器，监控加速器状态和协调加速器驱动程序。 提议变更 cyborg agent驻留在各种计算机主机上，并监控对计算节点上的加速器进行监控。 如果某一个计算节点上加速器存在但没有设置，代理将通知conductor并建议手动检查。 用cyborg agent来监控加速器的状态并报告给conductor，并通过这些报告信息来帮助调度和操作。 Cyborg Agent将保留本地缓存数据，目的是在系统中断或连接丢失不会失去加速器状态。 cyborg agent具体内容 Cyborg代理将安装在正在或者可能会使用加速器的计算节点上。 实例连接： 一旦生成实例，需要连接到主机上的某个加速器，Cyborg服务器将向Cyborg代理发送消息，通知agent新实例。
1.2K50发布于 2018-10-24 - 来自专栏AI
Agent详解
在计算机科学中，Agent（代理）是一种可以在某种环境中自主行动以达成其设计目标的计算实体。Agent可以是物理实体（如机器人）或虚拟实体（如软件程序）。在本文中，我们将主要关注软件Agent。 Agent的定义 在软件领域，Agent被定义为一个程序，它可以在某种程度上自主地在环境中行动，以达成其设计目的。 Agent的行为通常是响应环境的变化，这种变化可以是外部输入，也可以是Agent自身的状态变化。 Agent的分类 根据Agent的复杂性和自主性，我们可以将Agent分为以下几类： 简单Agent：这种Agent只能执行一些预定义的任务，它们的行为通常是固定的，不会根据环境的变化而改变。 根据Agent的复杂性和自主性，我们可以将Agent分为简单Agent、反应性Agent、有目标的Agent和学习Agent。
1.8K00编辑于 2025-04-22 - 来自专栏爱分析洞见文章
容智Agent产品升级，Hyper Agent与Report Agent的创新征程
2025年7月，容智信息发布Hyper Agent 3.2与Report Agent 2.0新版产品，为企业提供Agent规模化落地的参考答案。 2025年7月末，容智发布Hyper Agent 3.2与Report Agent 2.0新产品。Hyper Agent实现了业务流程自主规划与编排，覆盖知识问答、合规审查等多类场景。 02 两条Agent产品线，定义企业智能体范式Hyper Agent，L4级智能体的突破OpenAI将Agent能力分为L0至L5等级。 基于文科生能力，Report Agent通过对接企业知识库、指标库、算法库和数据库，它能让Agent懂得说“自家黑话”。 Report Agent的理科生能力，以准确性为核心。比如，在金融场景中，Report Agent可自动执行杜邦分析等复杂计算。
33010编辑于 2025-08-26 agent实践
https://cloud.tencent.com/developer/article/2624973
30.8K4023编辑于 2026-02-03Agent真的卷疯了，AI办公Agent也来了。
我一直说，每个行业，都一定会有专门优化的垂直领域的Agent。 你看，通用Agent的王座上有Manus，研究类的有DeepResearch，旅游有飞猪问一问，设计类有Lovart。 因为作为一个Agent产品的第一代，做的功能确实完整，产品体验也很棒，而且它对大家的办公场景，是真的还有点用。分为海外版和国内版。 单就PPT这个Agent的体验上，非常完整了，很好的诠释了什么是办公场景的全链路。 价格上，海外版价格在大部分的同类型Agent产品中，价格算中档。 但是坦诚的讲，相比于大家日常用的非Agent的AI产品，会贵一些，毕竟整体Agent算力消耗在这。 Agent，会更优雅。 >/ 作者：卡兹克、水杉
46310编辑于 2025-05-23- 来自专栏XINDOO的专栏
Agent设计模式——附录 D - 使用 AgentSpace 构建 Agent
该平台支持创建和部署专业化的 AI "Agent"，这些 Agent 能够执行复杂任务并实现流程自动化。它们不仅是聊天机器人，更具备自主推理、规划和执行多步骤操作的能力。 平台还包含名为 Agent Designer 的无代码界面，无需深厚技术专长即可创建自定义 Agent。 此外，AgentSpace 支持多 Agent 系统，不同 AI Agent 可通过称为 Agent2Agent（A2A）协议的开放协议进行通信与协作。这种互操作性支持更复杂、协调的工作流。 图 4：Agent 提示词定制 AgentSpace 提供多项高级功能，例如与数据存储集成以存储自有数据、与 Google 知识图谱或私有知识图谱集成、用于向 Web 公开 Agent 的 Web 界面 图 6：用于启动与 Agent 对话的 AgentSpace 用户界面 结论 综上所述，AgentSpace 为在组织现有数字基础设施中开发部署 AI Agent 提供了实用框架。
22110编辑于 2025-10-27 - 来自专栏小网管的运维之路
zabbix agent 部署
/configure --prefix=/usr/local/zabbix-agent --enable-agent make &&make install #编译安装到本地硬盘 2.修改配置 cat zabbix-agent/ mkdir -p /www/zabbix/agent/6 mkdir /www/zabbix/agent/7 mv zabbix-agent.tar.gz /www /zabbix/agent/7/zabbix-agent.tar.gz 4 远程安装 curl -s http://zabbix.ops.net/agent/zabbix-agent_install.sh |bash wget -c http://zabbix.ops.net/agent/7/zabbix-agent.tar.gz #/www/zabbix/agent 目录下存放包 tar -xf 一键安装以编译的agent包 curl -s http://zabbix.monitor.com/agent/base_install.sh |sh salt： salt '*' cmd.run "
1.6K30发布于 2019-05-31 - 来自专栏windealli
LLM Agent 简介
本文将介绍LLM Agent相关的概念、组成及应用，帮助Agents初学者更好的理解和应用LLM Agent。本文部分内容梳理/翻译自参考文献中的文章。 LLM Agent 概念定义关于LLM Agent， OpenAI 应用人工智能研究负责人Lilian Weng在其Blog中将LLM Agent定义为LLM、记忆（Memory）、任务规划（Planning LLM Agent通过迭代运行并定义一些新的目标/任务，而非传统GPT那般接受单个查询的输入并返回输出LLM Agent 常见功能LLM Agent能够基于大语言模型进行对话、完成任务、推理，并可以展示一定程度的自主行为 Agent 会基于上下文使用OpenAI的API来完成任务。 LLM 与 三个组件LLM Agent 以 LLM 驱动，并需要三大组件辅助以完成工作（图片来自： https://lilianweng.github.io/posts/2023-06-23-agent
7K23编辑于 2024-01-12 - 来自专栏IT云清
java agent开发
本文主要记录下如何创建一个简单的java Agent，并配置运行。 1.创建Agent类 package com.java4all.grouth.agent; import java.lang.instrument.Instrumentation; /** * @ description: java Agent * @author: IT云清 */ public class MyAgent { public static void premain(String ,args:"+agentArgs); } } 2.MANIFEST.MF 配置文件 这里在src/main/resources/META-INF/下创建一个MANIFEST.MF文件，指定Agent : true 3.打包配置 在pom.xml中配置打包信息 <build> <finalName>my-agent</finalName> <plugins>
1.3K10编辑于 2021-12-06 - 来自专栏JMCui
Java Agent 简介
一、写在前面 Java Agent 这个技术出现在 JDK1.5 之后，对于大多数人来说都比较陌生，但是多多少少又接触过，实际上，我们平时用的很多工具，都是基于 Java Agent 实现的，例如常见的热部署 其实 Java Agent 一点都不神秘，也是一个 Jar 包，只是启动方式和普通 Jar 包有所不同，对于普通的Jar包，通过指定类的 main 函数进行启动，但是 Java Agent 并不能单独启动 </Premain-Class> <Agent-Class>org.agent.AgentTest</Agent-Class> Manifest-Version: 1.0 Agent-Class: org.agent.AgentTest Premain-Class: org.agent.AgentTest Can-Redefine-Classes 三、运行你的 Agent 程序 Java Agent 程序写好了，怎么运行它呢？
1.2K30发布于 2020-03-26 - 来自专栏csico
java agent简介
public static void agentmain(String agentOps, Instrumentation instrumentation), 在生成jar包中MANIFEST.MF文件中需要有Agent-Class : xxx.xxx (xxx.xxx就是上面agentmain方法所在的类名) Can-Retransform-Classes: true 使用下面代码，将agent添加到指定java进程 vm = VirtualMachine.attach(pid); try { vm.loadAgent("D:\\tmp\\my-java-agent-1.0-jar-with-dependencies.jar
1.1K30发布于 2021-09-06 - 来自专栏渗透靶机
vulnyx靶机：Agent
ssh agent | GTFOBins在从这个网站找命令。sudo ssh-agent /bin/sh这样就拿到root权限了。
20610编辑于 2025-01-19 - 来自专栏服务端技术杂谈
AI Agent搭建
一个普遍的误区是，认为工具越多Agent能力越强，但其实这会给Agent有限的上下文与决策系统带来巨大的认知负荷。 正确的思路是，少即是多。 这本质上，是将部分Agent的规划责任，前置到工具的设计当中，是一种责任转移的思路。 当工具库膨胀之后，命名混乱与功能重叠，会让Agent无所适从，通过命名空间来组织工具。 需要打磨工具的描述，因为这些描述是Agent理解工具的唯一信息来源。 工具描述，应将所有隐含的知识显性化、力求清晰、无歧义。 结构化命名，相当于为Agent提供了一张清晰的地图，帮助在正确的场景下，快速定位合适的工具。 同样，工具返回给Agent的内容质量，远比数量更重要。 因为Agent比人类更擅长理解的的内容，也是人类可读的、具有意义的文本，这些高质量内容，可以显著降低Agent在检索任务中的幻觉。 Agent与工具的交互，本质上是一个持续对话场景。
3910编辑于 2026-03-11 - 来自专栏XINDOO的专栏
Agent设计模式——第 7 章：多 Agent 协作
例如，一个复杂的研究查询可能被分解并分配给研究 Agent 进行信息检索、数据分析 Agent 进行统计处理，以及综合 Agent 生成最终报告。 多 Agent 协作模式概述 多 Agent 协作模式涉及设计系统，其中多个独立或半独立的 Agent 协同工作以实现共同目标。 层次结构： 管理者 Agent 可能根据其工具访问或插件能力动态地将任务委托给工作 Agent，并综合其结果。每个 Agent 还可以处理相关的工具组，而不是单个 Agent 处理所有工具。 创意内容生成： 创建营销活动可能涉及市场研究 Agent、文案撰写 Agent、图形设计 Agent（使用图像生成工具）和社交媒体调度 Agent，所有这些都在一起工作。 最后，生成的图像（或模拟数据）通过 Agent 返回。此架构演示了一个分层 Agent 系统，其中更高级别的 Agent 编排较低级别的专门 Agent 以执行任务。
2.2K11编辑于 2025-10-27
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