- 综合排序
- 最热优先
- 最新优先
5种大模型Agent模式
大模型中的5种AI Agent模式在大模型中，AI Agent（人工智能代理）模式是一种重要的应用方式，可以从以下几个方面来理解：1. 在大模型的背景下，AI Agent 是基于大规模预训练模型（如 GPT 等）构建的智能代理，能够利用模型的语言理解和生成能力来完成复杂的任务。 工作原理感知与理解：AI Agent 首先通过输入（如用户指令、环境数据等）感知外部信息，然后利用大模型的语言理解能力解析这些信息，确定任务目标。 执行与反馈：AI Agent 按照规划的步骤执行操作，并将结果反馈给用户。如果任务未完成或出现问题，它会根据反馈调整策略，重新尝试或寻求帮助。 下面介绍5种常见的AI Agent模式：1. 5. 多智能体模式（Multi-agent Pattern）正在上传图片...核心架构： 角色分工： 项目经理代理（PM agent）：协调任务分配（Delegation）。
4.9K10编辑于 2025-05-07- 来自专栏前行的CVer
大模型Agent
PanelGPT💡: 💁🏼🎤 (👾💬) (🤖💭) (🤯🗯) 受到“三个臭皮匠，赛过诸葛亮”启发，设计one-shot的例子，让多个LLM同时给出答案，然后再用一个LLM打分，做决定。他们使用的prompt：3 experts are discussing the question with a panel discussion, trying to solve it step by step, and make sure the result is correct and avoid penalty:，这个prompt的效果要优于Let's think step by step:。
35710编辑于 2024-05-15 - 来自专栏技术杂记
Zabbix Agent 安装5
这个脚本是用来进行端口发现的，作为基础服务提供给其它监控条目使用 Note: zabbix用户要有这个脚本的执行权限，因为实际信息收集过程中，是以zabbix这个用户的身份进行的 [root@zbx-
91410编辑于 2022-03-21 - 来自专栏服务端技术杂谈
AI Agent：模型->工具->结果->模型
Reddit上有人说，AI Agent就是：模型->工具->结果->模型。 从程序员角度来说，就是拼接参数json，调用LLM，处理返回值json。 Agent不只是聊天机器人，还需要工具，所以要先告诉Agent，你有哪些API/工具，这些工具可以做什么。 不需要用什么复杂的框架，基本上只需要串联： 用户输入目标Prompt->将提示词传递给LLM->模型决定下一步->需要工具（API调用、爬取网页、操作API）执行->将结果反馈给模型进行下一步->直到任务完成 即：模型 → 工具 → 结果 → 模型 关于记忆，先用短期记忆，比如最近几条上下文消息。 如果需要跨会话记忆，可以从持久存储获取，比如向量数据库。
16810编辑于 2026-03-11 5分钟在 Mac 上跑通 Hermes Agent：接入 DeepSeek 模型实战
Mac（AppleSilicon）：M1/M2/M3芯片性能强劲，macOS原生支持Python和Node.js，安装无障碍DeepSeek：API价格仅为Claude/GPT的5-10%，中文能力顶级 ，执行：展开代码语言：BashAI代码解释curl-fsSLhttps://hermes-agent.org/install.sh|bash等待安装完成（约1-2分钟）。 A：个人日常使用（每天20-50次对话），月费用约5-15元人民币。Q2：MacIntel芯片可以用吗？A：可以，安装和使用流程完全一致。 只是运行本地模型（Ollama）时性能不如AppleSilicon。Q3：能用其他国产模型吗？A：当然可以。 HermesAgent支持Qwen、Kimi、MiniMax、GLM等国产模型，只需更换API配置即可。
5.5K10编辑于 2026-04-15- 来自专栏玩转Lighthouse
玩转Hermes Agent｜云上Hermes Agent配置大模型指南
：claude-opus-4-7（最新旗舰）、claude-opus-4-6、claude-sonnet-4-6（推荐，性价比高）、claude-opus-4-5-20251101、claude-sonnet -4-5-20250929、claude-haiku-4-5-20251001（快速版）OpenRouter（模型聚合平台）获取APIKey：https://openrouter.ai/keysOpenRouter /GLM-5OpenAI获取APIKey：https://platform.openai.com/api-keysOpenAI的GPT系列模型。 ：gpt-5.4、gpt-5.4-pro、gpt-5.4-mini、gpt-5.4-nano、gpt-5.3-codex、gpt-5、gpt-4o、gpt-4o-mini、o3、o3-mini、o4-miniℹ️ model_aliases:opus:model:claude-opus-4-6provider:anthropicds:model:deepseek-chatprovider:deepseekglm:model:glm-5provider
3.2K65编辑于 2026-04-26 - 来自专栏运维经验分享
Zabbix agent on Zabbix server is unreachable for 5 minutes
Zabbix agent on Zabbix server is unreachable for 5 minutes 主机运行时,会报这个错,所以要先按安装Zabbix agent, Zabbix-server 在监控的过程中，发现Web上报错提示zabbix server与agent之间已经失联超过5分钟了，为了找到问题出现的根本原因，在troubleshouting的时候，应该首先去查看服务对应的日志。 :092458.636 agent #2 started [listener #2] 23914:20170310:092458.636 agent #0 started [collector] :103011.663 agent #3 started [listener #3] 26170:20170310:103011.663 agent #2 started [listener #2 tmp]# /etc/init.d/zabbix-agentd restart Shutting down Zabbix agent: [ OK ] Starting Zabbix agent
3.3K30发布于 2019-08-27 - 来自专栏运维经验分享
Zabbix agent on Zabbix server is unreachable for 5 minutes
Zabbix agent on Zabbix server is unreachable for 5 minutes 环境描述： 环境介绍：CentOS6.5 zabbix3.2.6（ 问题详情： 邮件提示Zabbix agent on Zabbix.server is unreachable for 5 minutes 192.168.1.37": host [zabbix.server] not found 2751:20170622:171108.502 enabling Zabbix agent
2.6K20发布于 2019-08-27 - 来自专栏linux commands
Zabbix agent on Zabbix server is unreachable for 5 minutes
笔者在维护zabbix服务时，遇到以下报警 Zabbix agent on Zabbix server is unreachable for 5 minutes 在互联网查询了相关资料后，更改配置文件中 root@localhost ~]# vim /etc/zabbix/zabbix_agentd.conf …… ServerActive=%zabbix_serve_ip% …… 重启zabbix-agent [root@localhost ~]# /etc/init.d/zabbix-agentd restart Shutting down Zabbix agent: [ OK ] Starting Zabbix agent: [ OK ] 问题得以解决.
1.2K20发布于 2021-08-12 - 来自专栏自然语言处理
大模型 Agent 就是文字艺术吗？
最近在技术圈里有一个很有趣的争论：大模型 Agent 是不是就是各种 Prompt 的堆叠？ 像 Manus 这样看起来很智能的 Agent，本质上是不是就是用巧妙的 Prompt 约束大模型生成更好的输出？换句话说，这是不是一门文字艺术？ 这个问题引发了业内专家的激烈讨论，观点分化明显。 但关键是：Prompt 是 Agent 系统中大模型和其他各个组件的润滑油，而不是全部。 结论：既是也不是 回到最初的问题：大模型 Agent 是不是文字艺术？ 答案是：既是也不是。 从某种意义上说，所有与 LLM 的交互最终都要通过文字（Prompt）来实现，这确实是一门语言艺术。 你觉得大模型 Agent 是文字艺术吗？欢迎在评论区分享你的观点。
27001编辑于 2025-05-24 鸡翅-大模型与Agent开发实战
鸡翅·大模型与Agent开发实战：从入门到企业级落地的腾讯云全路径2026年，AI Agent已不再是实验室里的概念验证，而是企业降本增效、重塑业务流程的核心引擎。 一、Agent的本质：给大模型装上"手脚"与"大脑"如果说大模型是"大脑"，那Agent就是"大脑+手脚+记忆系统"的完整智能闭环。传统大模型擅长生成文本回答，但缺乏自主执行能力。 三、腾讯云全栈AI工具链：30天→7天的工程化革命2026年5月，腾讯云开发者社区的真实案例震惊行业：借助WorkBuddy（主控Agent）+ Qclaw（审查Agent）的协同工具链，原本需要1个全栈工程师 4.2 配置核心模块（腾讯云AI开发套件）零代码模式，4步上线：选择大模型（DeepSeek / 混元双引擎）配置系统提示词和知识库开启联网搜索、文件上传等扩展能力一键接入小程序、H5或公众号客服代码开发模式 本文基于鸡翅大模型与Agent开发实战课程体系，结合腾讯云2026年最新产品能力编写。想要5分钟搭建你的第一个AI Agent？打开腾讯云AI开发套件，从零开始。
21210编辑于 2026-06-09- 来自专栏设计模式
Google 官方：5 种 Agent Skill 设计模式
5.流水线（Pipeline）：通过检查点强制执行严格的多步骤工作流程 模式 1：工具包装（Tool Wrappe） 工具封装器可为你的智能体提供特定库的按需上下文。 以下是一个工具包装器的示例，它教会Agent如何编写 FastAPI 代码。 请注意，指令明确地告诉Agent，只有在开始审查或编写代码时才加载 . Step 5: Return the completed report as a single Markdown document. - Q5: "Do you have any technology stack requirements or preferences?" 5. Iterate on feedback until the user confirms 模式 5：流水线（Pipeline） 对于复杂任务，容不得跳过任何步骤或忽略任何指令。
1.2K22编辑于 2026-04-10 - 来自专栏QGS星球
zabbix5—agent2监控PostgreSQL
data/pg_hba.conf #添加如下内容 表示所有地址都可以访问 host all all 0.0.0.0/0 md5 yum -y install zabbix-agent2 提示后输入y回车即可 ls -l /etc/zabbix/zabbix_agent2.conf 开机启动 zabbix-agent2 systemctl enable --now zabbix-agent2 yum -y install net-tools 查看端口 netstat -tnlp|grep zabbix 查看验证zabbix-agent2 /zabbix_agent2.conf :wq 退出保存 检查并查看修改了什么 grep -Ev '^#|^$' /etc/zabbix/zabbix_agent2.conf 改完一定都要~重启zabbix_agent2 Zabbix server可以单独监视远程服务器的服务状态；同时也可以与Zabbix agent配合，可以轮询Zabbix agent主动接收监视数据（agent方式），同时还可被动接收Zabbix agent
1.9K10编辑于 2023-12-30 - 来自专栏技术汇总专栏
面向 LLM Agent 的组织模型设计：多 Agent 协同的新范式
面向LLMAgent的组织模型设计：多Agent协同的新范式一、引言：为什么多Agent系统需要“组织模型”随着人工智能系统从“单智能体”向“群体智能”演进，多Agent系统（Multi-AgentSystem 为了解决这些问题，组织模型（OrganizationalModel）被引入多Agent系统设计中，用于规范Agent的结构、职责与协作方式。 二、多Agent组织模型的核心要素一个完整的MAS组织模型通常包含以下三个关键维度：角色分配（RoleAssignment）权限管理（Authority&PermissionControl）任务协同策略 未来的Agent系统，不只是“更聪明”，而是“更有组织”。多Agent系统的复杂性本质上源于“多主体协作”本身，而组织模型正是将这种复杂性工程化、可控化的核心手段。 可以说，组织模型决定了多Agent系统是否具备规模化扩展与长期演进的能力，是多Agent从“概念验证”走向“工程落地”的关键基础设施。
58010编辑于 2026-01-12 - 来自专栏喔家ArchiSelf
基于大模型（LLM）的Agent 应用开发
这种流程的潜在设计空间可能是巨大而复杂的，《如何构建基于大模型的App》一文给出了一种探索中的大模型应用开发基础框架，基本可以适用于RAG 和Agent。 但是，对于面向Agent的大模型应用开发，有没有其独特之处呢？有没有聚焦于Agent的大模型应用开发框架呢？ 那么，什么又是Agent 呢？ 1. agent program 是 agent function 的真子集 1.2 大模型领域中的Agent 在大模型领域，大模型替代了传统agent 中的规则引擎以及知识库，Agent提供了并寻求推理 5. Autogen的核心特性：可定制的Agent AutoGen 中的Agent具有由 LLM、人工、工具或这些元素混合启用的功能。 小结 Agent 是与大模型主动交互的一种重要程序形式，而Multi-Agent则是多个Agent利用大模型完成复杂任务的系统机制。
8.1K33编辑于 2023-10-23 - 来自专栏服务端技术杂谈
Agent的瓶颈从来不是模型智力
现阶段Agent的瓶颈从来不是模型智力，失败的原因大多来自于不被模型理解的上下文，如模式/规约/问题设定等。 如今，这一层被harness包裹起来。 比如上下文的存取与管理，提示词的缓存，工具的识别与调用，上下文冗余信息的最小化，会话信息的结构化，多agent等。 通用 agent 的通用性在于 harness，如文件管理/上下文读取与加载/安全校验与审计，而专有领域 agent 的上限来源于各种 skill，这些 skill 中包含了逻辑判断/业务流程/领域知识 确定性的工具层，有助于消除模型的幻觉，可以确保 agent 可控，判断力交给模型，执行力交给工具。 为了确保 Agent 在专有业务领域下跑的更好更快，应该避免给模型讲大道理或堆砌所有的 SOP，更好的方式是提炼与沉淀业务流程，固化为 skill。
12510编辑于 2026-06-02 - 来自专栏子木聊出海
2026 年 5 个最佳 Agent Skills 平台推荐
2026 年 5 个最佳 Agent Skills 平台推荐如果你正在使用 Claude Code、Cursor 或其他 AI 编程助手，却还在手动编写每个提示词，你正在错过 Agent Skills 这篇文章为你精选 5 个最值得关注的 Agent Skills 平台，让你的 AI Agent 从“对话助手”升级为“专业工作流执行者”。1. self-improving-agent（15,962 下载，132 stars）：使 Agent 能够从执行历史中学习，优化未来表现。 发布的开放标准，提供完整规范文档对比工具：帮助用户快速评估和选择合适的技能生态完整：从技能发现、安装到社区讨论的完整闭环5. 这个简单的步骤可以让技能输出质量提升 3-5 倍。2. 少即是多：每次任务 2-3 个技能根据 SkillsBench 研究，同时加载过多技能会稀释 Agent 的注意力。
83410编辑于 2026-05-31 - 来自专栏AgenticAI
给LLM Agent应用插上视觉模型的翅膀：封装ONNX加载的头部姿态评估模型作为Agent的工具
如果将视觉模型按照LLM工具调用方式嵌入到大语言模型应用中，给大语言模型插上视觉模型必定能让你的LLM应用更为有趣。 在深入探讨ONNX如何赋能LLM Agent以视觉理解能力之前，如果您渴望更全面地理解这一领域的核心理论与实践，以下这部著作将是您不可或缺的伴侣： 话不多说，我们先看看看论文全称：6D Rotation the yaw of head"] Roll: Annotated[float, "the roll of head"] 然后通过autogen的register_function将函数注册到Agent 至此，我们已共同见证了ONNX如何为LLM Agent巧妙融入头部姿态评估模型，开启了多模态交互的新篇章。 在我们探索之旅的尾声，若您意犹未尽，渴望亲自操刀，将理论付诸实践，那么黄佳老师这本《大模型应用开发：动手做AI Agent》将是您理想的选择。 关注点赞不迷路哦！
82600编辑于 2025-03-18 - 来自专栏架构驿站
Deep Agent 是如何让大模型更“聪明” ？
它为大模型配备了“规划大脑”“分身助手”“文件记忆”和“详细指令”，让 AI 不再只是回答问题，而是能像一个真正的项目执行者那样——先想全局，再分解任务，最后一步步落地完成。 本文将带你深入解析 Deep Agent 的工作原理，并看看它是如何让大模型变得更聪明、更能干的。 —01 — 什么是 Deep Agent ？ 如果说，我们熟知的大语言模型（LLM）是一位学识渊博、对答如流的“金牌咨询师”，那么传统的 AI Agent，就是我们为这位咨询师配备的第一个“助理”。 , allowed_tools=[] # 它不需要外部工具，它的工具就是大模型本身的写作能力 ) # 将所有子智能体组合成一个团队 sub_agent_team = [researcher, 基于 Deep Agent 的特性，其神奇之处在于：只需要定义好函数的签名和文档字符串（docstring），大模型就能自动理解这个工具的用途和参数，并在需要时调用它。
2.8K10编辑于 2025-08-11 - 来自专栏毛利学Python
yolov5模型转换NCNN模型部署
写作原因：最近看了下nihui大佬的ncnn，练习着将yolov5训练的模型转换成ncnn模型并部署，同时借鉴了网上优秀的博文，记录一下，如有不对的地方，请多多指教。 说明：pytorch模型转换成onnx模型，及onnx模型简化和转ncnn模型在引用的文章中都有详细的说明，可移步至引用文章中查看。 图1 其实yolov5 v1-v5版本在训练完后，使用onnx2ncnn.exe将简化后的onnx模型转换成ncnn模型时主要出现这个问题。 V6版本在输出上和前5个版本有一点不同，这里针对1-5版本。 下面说下修改的是什么，这样就可以知道自己的模型应该修改哪里了。
3.2K20编辑于 2022-09-22
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