- 综合排序
- 最热优先
- 最新优先
- 来自专栏白话互联
【Ai Agent】Ai Agent News | 9月11日速递
今天是9月11日星期四，让我们一起来看看今天 Ai Agent 带来的 AI 领域的重要动态吧！ ❤ Five Steps to Build AI Agents that Actually Deliver Business Results 构建企业级AI Agents的五步战略框架 The New Stack分享了构建真正能带来业务成果的企业级AI Agents的五步战略框架，涵盖角色定义、数据管理、行动规划等关键方面。 运行时风险*：只有在运行时才显现的风险，如凭证泄露或意外API调用 *不可预测行为*：AI生成的代码可能包含难以预测的漏洞 *扩展攻击面*：AI工具链的复杂性扩大了潜在攻击面 Docker的新方法帮助开发者在构建 真正的Agent力量来自于它们相互连接、访问企业数据以及与执行工作的系统交互的能力。一个无法与其他Agent、工具和应用对话的Agent只是一个孤岛。
33310编辑于 2025-09-17 - 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。 例如，一个 Agent 可研究特定主题，编纂带引用的报告，甚至生成音频摘要。 为实现此目标，AgentSpace 构建了企业知识图谱，映射人员、文档和数据间的关联关系。 如何使用 AgentSpace UI 构建 Agent 图 1 展示了如何通过 Google Cloud Console 选择 AI Applications 来访问 AgentSpace。 该系统架构将复杂后端流程（如自主推理和企业知识图谱映射）与用于 Agent 构建的图形用户界面相连接。 此方法抽象了底层技术复杂性，使得无需深厚编程知识即可构建专业化多 Agent 系统。其主要目标是将自动化分析与操作能力直接嵌入工作流，从而提升流程效率、强化数据驱动分析。
31310编辑于 2025-10-27 Hermes Agent + LangChainAutoGPT 混合架构：构建超级 Agent 系统
每个Agent框架都有自己的强项：框架最强能力HermesAgent持久记忆、技能自创、消息网关LangChain链式推理、文档处理、RAGAutoGPT自主任务分解、网页操作混合使用可以取长补短。 方案三：三合一超级Agent展开代码语言：TXTAI代码解释┌───LangChain（知识检索）│用户→Hermes──┼───AutoGPT（复杂任务）│└───内置工具（日常操作）Hermes统一管理记忆和技能实现方式 autogpt_mcp_server.py"]注意事项复杂度控制：混合架构增加了系统复杂度，先确保单框架能满足需求资源消耗：多个框架同时运行需要更多服务器资源调试难度：跨框架问题排查较困难维护成本：多个框架的版本更新需要协调部署建议混合架构建议使用
10010编辑于 2026-04-16- 来自专栏阶梯计划
DeepFlow本地构建1——Agent
本文构建参考该文件docker-build1 构建环境OS：windows11 WSL2容器：Docker Desktop镜像：ghcr.io/deepflowio/rust-build:1.18（根据时间采用最新的 deepflow -itd ghcr.io/deepflowio/rust-build:1.18 /bin/sh3 构建Agent进入容器docker exec -it dfbuild /bin/sh设置环境变量 cargo/configRUSTFLAGS="-D warnings" && cargo build --release && cargo build --release --bin deepflow-agent-ctl 如无意外，5分钟应该就可以构建好了。 由于DeepFlow的Agent是采用Rust编写的，所以最终生成的文件中不会包含eBPF内核态的elf文件，因为字节码已经编译链接到Agent的二进制文件中，这也是Rust的优势。
1.1K30编辑于 2023-04-21 - 来自专栏计算机工具
AMD 推出的科研 AI“Agent Laboratory”； Agent Laboratory的使用步骤
包括生成**初始框架、拓展文献资料、编辑报告、模拟评审、依意见修订**等步骤，以规范格式总结研究成果。3. Agent Laboratory的使用步骤使用Agent Laboratory的步骤如下：1. 设置并激活Python虚拟环境： - `python -m venv venv_agent_lab`设置虚拟环境。 若因无sudo权限无法运行此步骤，可通过添加`--compile_latex=false`参数关闭pdf编译。5. 在使用过程中，Agent Laboratory会通过多个智能体协作完成整个科研流程，包括文献综述、实验设计和报告撰写等阶段。
65221编辑于 2025-01-14 - 来自专栏MixLab科技+设计实验室
Agent Team，从零构建 Claude Code Agent 工作流
「我想构建一个自己的 Agent。」 这些都是美好的愿望。但从「想」到「做」，中间隔着的，是如何设计一个真正可用的工作流。 今天，用三个步骤，介绍从 0 构建一个 Claude Code Agent 工作流的方法。 一、设计阶段：定义你的「AI 军团」 一个好的 Agent 工作流，始于角色定义。 官方在项目中构建了： 高质量编译器测试套件 持续集成流水线 严格的回归测试 结果是：99% 测试通过率。 3.2 实际案例：一个「文档 Agent」的诞生 让我用一个具体案例来说明这个过程。 场景：每次代码变更后，自动更新项目文档 步骤 1 - 设计： Docs Agent 负责文档维护 步骤 2 - 配置： ## Workflows 每次代码合并后： 1. 检查文档与代码的一致性 2. 提交 PR 步骤 3 - 自动化： 配置 GitHub Actions 触发 Agent 自动运行文档更新流程 人类审批后合并 这就是一个完整的 Agent 工作流：从设计到配置到自动化。
73730编辑于 2026-03-25 - 来自专栏自然语言处理
体验智能体构建过程：从零开始构建Agent
实现 现在，让我们卷起袖子开始构建吧！ 构建智能体 2.1 前提条件 在运行代码之前，确保你的系统满足以下前提条件： 1. Python环境设置 你需要安装Python来运行AI智能体。 2.2 实现步骤 步骤1：设置环境 除了Python，我们还需要安装一些基本库。对于本教程，我们将使用requests、json和termcolor。此外，我们将使用dotenv来管理环境变量。 步骤4：构建工具箱 ToolBox类存储智能体可以使用的所有工具，并为每个工具提供描述： class ToolBox: def __init__(self): self.tools_dict 步骤5：创建智能体类 智能体需要思考、决定使用哪个工具并执行它。以下是智能体类： agent_system_prompt_template = """ 你是一个拥有特定工具访问权限的智能AI助手。 步骤6：运行智能体 最后，让我们把所有内容放在一起并运行我们的智能体。
3.7K10编辑于 2025-04-13 - 来自专栏全栈程序员必看
Oracle11G完全卸载步骤
完全卸载oracle11g步骤： 1、 开始－＞设置－＞控制面板－＞管理工具－＞服务，停止所有Oracle服务。 2、 开始－＞程序－＞Oracle_OraDB11g_Home1－＞OracleInstallation Products－＞Universal Installer，单击“卸载产品”-“全部展开”，选中除 “OraDb11g_home1”外的全部目录，删除。 11、我的电脑–>属性–>高级–>环境变量，删除环境变量CLASSPATH和PATH中有关Oracle的设定。
1.3K10编辑于 2022-08-27 - 来自专栏Java升级打怪进阶之路
完全卸载oracle11g步骤
完全卸载oracle11g步骤： 开始－＞设置－＞控制面板－＞管理工具－＞服务 停止所有Oracle服务。 程序－＞Oracle - OraHome81－＞Oracle Installation Products－＞ Universal Installer，单击“卸载产品”-“全部展开”，选中除“OraDb11g_home1
98230编辑于 2022-11-28 - 来自专栏数据猿
数据化运营的11个步骤。
3 构建产品数据指标体系 在数据指标提出的基础上，我们按照产品逻辑进行指标的归纳整理，使之条理化。 5 上报数据 这个步骤的关键是数据通道的建设，原来在腾讯工作时候，没有体会到这个环节的艰辛，因为数据平台部门已经做了完备的数据通道搭建，开发按照一定规则上报就可以了。 11 产品评估与运营优化 这是数据运营闭环的终点，同时也是新的起点，数据报表绝不是摆设，也不是应付领导的提问，而是切实的为产品优化和运营的开展服务，正如产品人员的绩效，不仅仅是看产品项目是否按时完成，按时发布
1.4K40发布于 2019-08-23 - 来自专栏JavaEdge
使用LangGraph构建多Agent系统架构！
控制：你可以明确控制Agent之间的通信（而不是依赖于函数调用）。 2 多Agent架构 多Agent系统中有几种方式连接Agent： 网络：每个Agent都可与其他Agent通信。 任何Agent都可以决定接下来调用哪个其他Agent 监督者：每个Agent与一个监督者Agent通信。监督者Agent决定接下来应该调用哪个Agent。 层次结构：你可以定义一个有监督者的多Agent系统。这是监督者架构的概括，并允许更复杂的控制流。 自定义多Agent工作流：每个Agent只与Agent子集中的其他Agent通信。 构建多Agent系统时最重要的事情是弄清楚Agent如何通信。 区块链应用开发 大数据开发挖掘经验 推荐系统项目 目前主攻市级软件项目设计、构建服务全社会的应用系统。
1.6K20编辑于 2025-06-01 - 来自专栏云计算D1net
构建私有云的五个步骤
然而，到目前为止，经验告诉人们，构建内部部署云的最佳实践是采用分阶段和系统化的方法。 开始为构建共享资源池和管理移动和临时工作负载奠定基础。 企业构建云计算，其中有以下五个步骤： 步骤1 - 根据业务目标设置云计算目标 构建专为企业设计的私有云必须从业务讨论开始。 步骤2 - 采用企业基础设施的投资组合视图 并非所有工作负载都适合虚拟化环境。同样，并非所有工作负载都适合私有云。当企业采取云策略时，很可能会采用管理物理，虚拟和云计算资源的组合方案。 以不动产方面来说，构建以云计算为中心的未来数据中心将是一次改造，而不是一次拆解。 步骤5 - 基于标准架构部署概念验证 在内部部署供应商解决方案，并确定现有的基础架构实现更高级别的自动化和标准化，以及流程和技能集成如何集成。
4.5K60发布于 2018-03-27 - 来自专栏AIGC新知
OpenAI 用Agent SDK重新定义Agent工作流构建方式
就在刚刚，OpenAI正式推出了第一组基础构建模块，旨在助力开发者和企业打造实用且可靠的Agent系统。 在过去一年中，OpenAI不断拓展模型能力，新增了高级推理、多模态交互以及新型安全技术等功能，这些都为模型处理复杂多步骤任务奠定了坚实基础。 集成可观测性工具：可追踪和检查 agent 工作流执行，让开发过程更加透明。 这些新工具优化了核心代理逻辑、编排和交互流程，极大地降低了开发者构建代理应用的门槛。 在未来几周乃至数月内，还将陆续推出更多工具和功能，进一步简化和加速基于我们平台构建智能体应用的开发进程。 , ) Agents SDK 适用于多种现实应用场景，包括客户支持自动化、多步骤研究、内容生成、代码审查和销售线索挖掘。
95810编辑于 2025-03-12 - 来自专栏腾讯开源的专栏
tRPC-Agent-Go：构建智能AI应用的Go语言Agent框架
github.com/trpc-group/trpc-agent-go)如何构建智能AI应用。 支持创建自主Agent和半自主Agent，具备推理能力、工具调用、子Agent协作和长期状态保持能力，为开发者提供构建智能应用的完整技术栈。 采用SubAgent机制构建多Agent系统，支持多个Agent协作处理复杂任务。 /zh/session/ 11.Knowledge模块 - 知识管理系统 Knowledge模块是trpc-agent-go中的知识管理核心组件，它实现了完整的RAG（检索增强生成）能力。 腾讯视频海外-翻译Agent 基于trpc-agent框架快速构建了四个专业LLMAgent（剧情提取、术语提取、术语翻译、字幕翻译）形成工作流。
1.7K10编辑于 2025-10-20 - 来自专栏全栈程序员必看
awvs11安装教程_ajax使用步骤
Awvs 12.x补丁 打开Awvs12.x程序路径 把对应补丁复制到Awvs12.x路径里 右击对应补丁程序，以管理员身份运行，否则会补丁打失败 点击应用，如果失败的话重复12步骤然后继续点应用 /t /p everyone:r 打开刚才弹出的网页输入3步骤填写的账号密码进行登录 登录之后点击对应用户的Profile查看是否激活成功 翻到最后，查看是否激活，如下图为激活成功
1K30编辑于 2022-09-29 - 来自专栏Elastic Stack专栏
使用 Elasticsearch 构建 AI Agent 工作流
为此，我们的思路是：把构建高效 Agent 所需的核心能力，直接整合进 Elasticsearch。 , "agent_id": "custom_agent"}这种声明式方式，把原本复杂的 Agent 构建转化为简单的业务逻辑定义，大幅加速智能自动化落地。 详细步骤可参考指南：Your First Elastic Agent: From a Single Query to an AI-Powered Chat。 未来，MCP 生态会覆盖几乎所有功能；Elastic 提供大规模检索，你再组合其他平台的专长，便能构建效果卓越的 Agent。 想用情感分析评估 Agent 质量？平台同样支持。由此构建完整的 AI 生命周期。Elastic 将持续提供接口，让你轻松构建基于自身数据的对话式 AI 与自动化工作流。更多技术细节和进展，敬请关注。
50521编辑于 2025-09-29 - 来自专栏DeepHub IMBA
AI Agent技术栈：10个构建生产级Agent的核心概念
本文就总结了构建AI系统时真正绕不开的10个基础概念 1、MCP：通用插件系统 假设你需要Agent读取Gmail、更新Notion、查询数据库。 推理循环才是Agent真正解题的方式。 Agent先想该做什么，然后执行，再观察结果，接着重新评估：刚才的做法管用吗？下一步试什么？如此往复，直到任务完成。 比如你让Agent查竞争对手的定价。 Agent发出去。该自动的自动，该人审的人审，你不用盯着每一条操作，但关键节点上你还是拿着方向盘。 8、上下文工程：喂给Agent对的信息 LLM够聪明工具也到位了，但Agent的决策就是很离谱。 他们会提出需要几小时甚至几天才能完成的多步骤项目。Agent必须知道自己做到哪了。 状态管理就是跟踪每个任务处于什么阶段——已规划、进行中、等待输入、已完成。 用户不信任Agent？高风险操作走人工审批，其他场景靠错误恢复兜底。透明度是信任的前提——告诉用户Agent在干什么、为什么这么干。
42110编辑于 2026-02-27 - 来自专栏AI进修生
六位一线AI工程师总结Agent构建经验，天工SkyAgents的Agent构建实战。
这个任务涉及很多步骤，比如搜索商品、比较价格、选择合适的选项、添加到购物车、填写支付信息等。随着步骤的增加，出错的可能性也增加。 生成确定性计划的好处 1. 这比在一个没有明确步骤的任务中找问题要容易得多。 3. 生成的计划可以表示为有向无环图 (DAG)我们可以把这个购物计划画成一个图表，每个步骤都是一个节点，节点之间有箭头连接，表示步骤的顺序： 搜索商品 -> 筛选价格 -> 选择颜色和尺寸 -> 添加到购物车 天工SkyAgents的Agent构建实战 SkyAgents 依靠强大的天工大模型，将 AI 的使用门槛进一步降低。 本地知识与互联网搜索的结合Agent 我构建一个一个结合知识库和搜索引擎功能的智能代理系统Agent： 首先，大模型会在内部知识库中进行问题相关的搜索，然后利用知识库中找到的信息在互联网上进行进一步的搜索
1.3K10编辑于 2024-12-02 - 来自专栏张善友的专栏
使用C# 构建AI原生Agent应用
摘要： 随着人工智能的迅猛发展，AI 原生 Agent 应用架构成为构建智能系统的核心。本文聚焦于以 C# 构建 AI 原生 Agent，并整合 k8s 与 Dapr，搭建高效可扩展平台。 在构建AI原生Agent的过程中，C# 的应用主要体现在以下几个关键方面： Agent框架搭建：C# 可以用来搭建Agent的整体框架，定义Agent的基本行为和决策逻辑。 这对于构建高可用的、响应迅速的AI原生Agent应用平台至关重要。此外，Dapr还提供了状态管理功能，通过其状态存储构建块，可以方便地实现状态数据的持久化和一致性保证。 通过k8s与Dapr的集成，我们可以构建一个高度可扩展、可观测和可维护的AI原生Agent应用平台。 在AI原生Agent应用平台的构建部分，我们着重探讨了C#语言的应用，以及Kubernetes（k8s）与Dapr的集成方法和应用成效，揭示了这些技术在构建高效、稳定的AI原生Agent平台中所发挥的关键作用
1.3K10编辑于 2024-12-24 - 来自专栏Oracle从入门到精通
win11系统完全卸载Oracle11g图文详细步骤
Oracle11g卸载 卸载步骤： 1.停用Oracle服务 2.卸载Oracle产品 3.删除注册表 4.删除环境变量 5.删除安装文件 6.重启电脑1. 卸载Oracle产品1.在开始菜单-->所有应用--->Oracle - OraDb11g_home1文件夹中，找到Universal Installer，单击卸载产品。 删除安装文件还需要将安装时安装目录下的内容全部删除，安装路径在之前卸载产品第二步骤中有提到删除 开始 菜单中的快捷方式(开始菜单的路径在C:\ProgramData\Microsoft\Windows\ （非必须启动）5、**OracleOraDb11g_home1ClrAgent**： Oracle数据库.NET扩展服务的一部分。 （非必须启动）6、**OracleOraDb11g_home1TNSListener**：监听器服务服务只有在数据库需要远程访问的时候才需要。（非必须启动，下面会有详细详解）。
12.6K00编辑于 2025-01-18
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