- 综合排序
- 最热优先
- 最新优先
- 来自专栏大模型应用
大模型应用：大模型与智能体（Agent）的核心差异：从定义到实践全解析.34
简单来说，大模型是智能大脑，负责语言理解与内容生成；智能体是完整的智能系统，依托大模型实现“感知 - 决策 - 执行 - 反思”的闭环任务。 核心认知 智能体 ≠ 大模型的升级版，而是“大模型 + 系统框架”，很多人会误以为智能体是大模型的进阶版本，实际上二者是“组件”与“系统”的关系：智能体必须依赖大模型作为核心推理引擎，但大模型本身不等于智能体 五、应用实例：“查询天气并生成出行建议”为了更直观地展示二者的差异，我们以 “查询北京市今日天气，并根据天气生成出行建议” 为例，分别展示纯大模型和智能体的实现方式与结果差异。 六、差异总结1. 技术架构差异大模型：三层极简架构，输入→模型→输出，无外部依赖。如 GPT-3.5 仅通过千亿参数的 Transformer 网络完成文本生成，无法与外部系统交互。 这类场景下，智能体的闭环能力能确保任务完成的准确性和实用性。八、总结 大模型与智能体的本质区别是“认知引擎”与“闭环智能系统”的关系。
1.3K32编辑于 2026-03-03 - 来自专栏人工智能
【人工智能】推理大模型与预训练大模型：架构差异与认知范式的技术解构
在大模型领域中预训练大模型与推理优化大模型代表着两种截然不同的认知范式。 本文将从预训练大模型和推理大模型的发展之路开始，从表征学习、计算图优化、任务泛化三个维度展开技术剖析，说明二者在模型动力学层面的本质差异。 这些模型不仅在自然语言处理上表现出色，还在图像、语音等任务中展现了强大的能力。预训练大模型的发展，标志着人工智能技术从传统的专家系统向数据驱动的深度学习系统转变，推动了智能应用的广泛落地.二. Anthropic也推出了Claude系列的增强型推理模型，强调透明度和可解释性，同时Deepseek-1也相继问世。技术创新方面，推理过程得到延长与改进，使模型可以进行更深层次的多步骤思考。 三.推理大模型与预训练大模型的最大区别（长思维链）思维链(Chain-of-Thought)作为推理大模型的关键技术突破，彻底改变了AI系统的推理方式。
71610编辑于 2025-04-23 从0到1：了解 AI、大模型与智能体！
三者是“总-分-延”的关系：AI包含大模型与智能体，大模型为智能体提供能力基础，智能体是大模型落地的关键形态。一、核心概念：AI、大模型与智能体的本质拆解1.1什么是AI（人工智能）？ 二、直观对比：AI、大模型与智能体的核心差异对比维度AI（人工智能）大模型（FoundationModel）智能体（Agent）核心定位智能技术的总称（大范畴）AI的通用能力核心载体大模型的自主任务执行延伸 四、核心能力与应用场景：你能用到的AI、大模型与智能体4.1大模型的核心能力（基础应用）大模型是当前AI应用的核心载体，能力覆盖绝大多数日常与工作场景：自然语言理解与生成：写文案、写报告、翻译、提炼文章摘要 六、零基础入门：如何快速用上AI、大模型与智能体？ Q2：大模型与智能体，哪个更适合普通职场人？答：优先从大模型入手，再逐步使用智能体。
73421编辑于 2026-01-21理解一下大模型与智能体的关系
简单来说：大模型是智能体的 “核心能力引擎”，智能体是大模型从 “被动响应” 到 “主动解决问题” 的 “系统载体”—— 没有强大的大模型，智能体难以实现复杂任务的理解与规划；但仅靠大模型，无法成为能自主完成任务的智能体 一、核心定义：先分清 “大模型” 和 “智能体” 是什么？ 在讨论关系前，必须先明确两者的本质差异：大模型是 “单一能力组件”，智能体是 “完整任务系统”。 1. 二、大模型与智能体的核心关系：大模型是智能体的 “能力基石” 智能体的 “自主做事能力”，本质是靠大模型解决了 “最核心的理解与规划难题”。 三、大模型与智能体的本质区别：别把 “引擎” 当 “系统” 很多人会混淆大模型和智能体，核心是没分清 “能力组件” 和 “完整系统” 的差异。 五、协同进化：大模型与智能体相互推动发展 大模型和智能体不是 “单向支撑” 的关系，而是 “相互促进” 的协同进化： 1.
1.5K10编辑于 2025-10-14企业级大模型与智能体应用实践指南（中）
企业级大模型与智能体应用实践指南王文广（kdd.wang@gmail.com）四：功能定义与提示词工程——将通用智能驯化为业务组件现在，路已铺好，桥已架通，真正的挑战随之而来：如何接入智能？ 通用大语言模型（LLM）最显著的特征是其“通用性”与“多模态性”。它既能写诗，也能写代码；既能闲聊，也能分析财报。然而，在企业业务流程的语境下，这种“全能”往往意味着“不可控”。 而在大模型集成的架构中，引入了一个全新的单元：LLM Task（大模型任务）。 这种架构布局传达了一个核心理念：人工智能是在增强工作流，而不是替代工作流。AI大模型不应该接管整个业务流程的控制权（至少在当前阶段）。相反，它应该被封装为一个无状态的原子服务。 这种封装屏蔽了底层的模型差异。
22010编辑于 2026-02-11企业级大模型与智能体应用实践指南（下）
企业级大模型与智能体应用实践指南王文广（kdd.wang@gmail.com）六：韧性工程与故障排查——构建“反脆弱”的智能系统真正的生产环境是残酷的。 策略二：智能路由与多模型故障转移（Failover）成熟的企业架构不应单点依赖某一个模型账户。 接下来详细介绍智能体技术，以及在企业级智能体应用中的核心——知识运营（KnowledgeOps）。1. 双模态工作流：助手与自动化基于智能体技术，未来的企业业务流程将呈现出两种截然不同的形态： “Workflow Assistant”（工作流助手）和“Service Flow”（服务流）。 展望未来：智能体与知识运营站在当下的节点展望未来，集成的范式正在发生裂变。我们正在从“人指挥AI工具”（Copilot模式）向“AI智能体自主规划”（Agent模式）演进。
24410编辑于 2026-02-12企业级大模型与智能体应用实践指南（上）
企业级大模型与智能体应用实践指南王文广（kdd.wang@gmail.com）一、前言：穿越“最后一公里”1. 时代的转折点：从“奇迹”到“基建”生成式人工智能（Generative AI），特别是大语言模型（LLM），在过去的三年多经历了爆火的炒作周期。我们惊叹于它写诗的才华、编程的敏捷以及通晓万物的博学。 概率性智能 vs 确定性系统大模型在企业的落地面临着一个深刻的工程矛盾：企业IT系统的“确定性”与生成式AI的“概率性”之间的摩擦。企业系统（如ERP、MRP、BPM、CRM）是建立在严格逻辑之上的。 5：韧性工程与故障排查 —— 针对配额、超时、模型淘汰等真实故障，提供防御性架构设计。6：智能体编排 —— 展望从单一任务向自主智能体（Agent）和知识运营（KnowledgeOps）的进化路径。 对于流程引擎而言，调用大模型与调用一个传统的数据库服务或Web Service，在拓扑结构上并无本质区别。
24310编辑于 2026-02-10RAG、MCP与智能体：大模型落地的三道关
大模型能力越来越强，但落地没那么快。从单次对话到多步任务，中间隔着系统工程。这篇文章聊三个绕不开的技术方向：RAG、MCP和智能体。 二、MCP：让模型学会用工具大模型不能直接操作外部系统，这是硬伤。不能查数据库，不能调API，不能执行代码。MCP这类协议解决的，就是模型与外部世界交互的问题。MCP定义客户端-服务器架构。 三、智能体：从回答问题到完成任务RAG让模型能查资料，MCP让模型能调工具，两者结合，就能做出真正干活的智能体。智能体与问答系统的区别在于：它有状态，能规划，能执行多步骤任务。 蒸馏模型、本地部署、小型模型处理常规任务、复杂问题交给大模型，都是控制成本的手段。评估。怎么判断智能体做得好不好？不能只看单次回答质量，要看任务完成率、多轮对话成功率、资源消耗。领域不同，指标需定制。 大模型的能力边界还在扩展，但技术关注点正从“模型多强”转向“系统多稳”。RAG让知识库活起来，MCP让工具链打通，智能体让自动化升级。这三块拼图拼起来，才可能做出真正落地的应用。
18410编辑于 2026-03-19- 来自专栏项目文章
【大模型开发教学智能体】：你的专属大模型教学助手
通过这一平台，开发者能够利用文心大模型，针对自己的行业和应用场景，选择适合的开发方式，打造具有时代特征的产品。 二、快速创建智能体 进入文心智能体平台，我们可以选择基于“零代码”或者“低代码”创建智能体，这里各位可以根据自己的需求和情况来进行选择。 这里我们点击零代码创建智能体。 2.2 智能体Prompt配置 我们先简单来介绍一些Prompt智能体相关的一些知识： 智能体prompt指令是一种用于指导或激活智能体（如人工智能模型）执行特定任务的输入方式。 例如咱们的大模型开发教学智能体设定如下： 角色与目标 作为一个大模型相关的专家，你的主要任务是解答用户的代码问题，教授机器学习的基础知识，以及解释大模型算法。 在解释大模型算法时，需要清晰地阐述算法的原理、应用以及优缺点，以便用户能够全面了解。 若用户的问题超出你的知识范围或无法清晰解答，应诚实告知用户，并尝试提供相关的学习资源或建议。
87810编辑于 2024-06-07 - 来自专栏panzhixiang
大模型多智能体简单应用案例介绍
多智能体角色的说明 最近在尝试 LLM Multi Agent（多智能体）的应用场景，下面给一个最近觉得还比较好用，也不是很麻烦的案例。 , clear_history=False, ) 大模型的选择 在这个脚本中，我使用的是 DeepSeek（我真是 DeepSeek 的热爱粉丝…），如下代码。 如果选择国内的模型，除了 DeepSeek，通义和豆包两个系列的模型也都挺好的，可以参考上面的代码进行配置。 上面的案例中我没有设置，因为在 SRE 这个场景中，如果设置一个规划 Agent，会导致回答很冗长 后面设置两个具体干活的 Agent，但是在他们的 Prompt 不能完全一样，而且这两个 Agent 的大模型最好也是用不同公司的 - 改进建议的提出与验证 - 最佳实践的定制与推广 - 团队能力的建设与提升 在对方案进行系统性分析和改进时参考以下方法： 1.
83010编辑于 2025-02-11 2024全新Langchain大模型AI应用与多智能体实战开发
Langchain大模型AI应用实战开发一、什么是LangChain？LangChain是一个强大的框架，旨在帮助开发人员使用语言模型构建端到端的应用程序。 Indexes索引：用来结构化文档，以便和模型交Chains链：一系列对各种组件的调用，就是将其他各个独立的组件串联起来Agents智能体：决定模型采取哪些行动，执行并且观察流程，直到完成为止六、LangChain 的工作原理理解LangChain的工作原理，有助于更深入地把握它如何使语言模型的应用变得更加智能和高效。 LangChain的工作机制基于以下几个关键方面：集成语言模型与外部数据：LangChain的核心功能之一是将语言模型与外部数据源整合。 通过这种工作原理，LangChain不仅使得语言模型的应用更加高效和智能，也大大拓展了其应用范围，为开发者提供了更广阔的创新空间。
1.2K00编辑于 2024-05-25- 来自专栏腾讯技术工程官方号的专栏
一文带你了解大模型——智能体（Agent）
作者：lucasgftang 大语言模型 vs 人类 大语言模型很强大，就像人类的大脑一样拥有思考的能力。如果人类只有大脑，没有四肢，没有工具，是没办法与世界互动的。 如果我们能给大模型配备上四肢和工具呢？大模型是不是就会打破次元壁，从数字世界走向现实世界，与现实世界实现梦幻联动呢？ 大语言模型（后文将用 LLM 指代）可以接受输入，可以分析&推理、可以输出文字\代码\媒体。然而，其无法像人类一样，拥有规划思考能力、运用各种工具与物理世界互动，以及拥有人类的记忆能力。 智能体开发框架，会抽象和封装那些被高频使用的模块，如记忆能力、规划能力、RAG 能力、大模型调用等。使用智能体框架，可让帮助你快速搭建智能体。 因此，基于大模型搭建的智能体（AI Agent）的能力边界也在不断突破。
45K1523编辑于 2024-05-29 - 来自专栏AI智能体从入门到实践
构建AI智能体：初识腾讯混元AI大模型与API调用
欢迎大家交流大模型的开发的使用，以下为个人见解，不对之处欢迎指正一、了解大模型 在人工智能领域，相比早期的NLP，近期大模型如雨后春笋般不断涌现，体现了时代的发展和科技的进步，以及众多获益者的深度追求 闲话少叙，本集合文章是作者对大模型一路的笔记和从业后的回顾，希望能和大家一起成长交流，将从初学大模型基础到AI智能体的搭建一步步开启AI大模型时代的开端。 **语音识别与合成**：AI大模型可以将语音转换为文本，也可以将文本转换为语音，实现语音交互功能，提高人机交互的便捷性和智能化水平。\n\n6. **智能客服与机器人**：AI大模型可以作为智能客服助手，解答用户的问题，提供业务支持。同时，它们还可以应用于机器人领域，实现自主导航、物品搬运等功能。\n\n9. \n\n总之，AI大模型作为人工智能的重要技术之一，正在逐渐渗透到我们生活的方方面面，为我们 带来更加智能、便捷和高效的生活方式。"
2.4K11编辑于 2025-12-10 - 来自专栏点云PCL
从多模态大模型到通用具身智能体：方法与经验
主要贡献 基础模型已在语言和图像理解任务中展现出广泛的能力。特别是多模态大语言模型（MLLMs）—在海量文本和图像数据上训练的多模态基础模型—在其训练模态（文本与图像）相关任务上表现出色。 通用具身智能体（GEA）是一个基于多模态大语言模型（MLLM）的智能体，能够根据自然语言指令完成多个领域和具身形式的任务，包括操控、规划、游戏操作和 UI 控制。 其次，我们评估了我们单一的 GEA 模型在所有环境中的表现，该模型被称为通用智能体。有些方法是在单一环境的数据上训练的，我们将其称为专家智能体。其他一些对比方法中，训练或测试数据的划分不明确。 与典型的 MLLM 应用（如视觉问答）不同，在交互任务中，基于专家数据训练的智能体可能会遭遇“协变量漂移”问题，其中小的智能体错误导致观测分布从专家数据中偏移，进而导致错误的累积 。 总结 本研究探讨了如何通过专家轨迹和在线强化学习（RL）对预训练的多模态大语言模型（MLLM）进行微调，从而解锁其作为通用具身智能体（GEA）的能力。
1K10编辑于 2025-02-07 AI智能体+大模型产品经理实战营（2025）
在人工智能技术深度渗透各行业的2025年，AI智能体凭借其自主决策、环境感知与持续学习能力，正在重构医疗、物流、教育等领域的服务模式。 核心场景与商业模式医疗AI智能体的商业化聚焦两大方向：B端赋能：通过技术输出降低基层医疗门槛。例如美中嘉和构建的智能体检管理系统，基于多模态大模型实现医学影像分析、报告生成与健康管理方案输出。 核心场景与商业模式物流AI智能体的价值在于实现全流程智能化管理，其变现路径包括：企业级解决方案：顺丰构建的物流决策“智能大脑”通过三层架构实现全链路优化：垂域模型：理解客户指令（如“优化深圳到北京运输” ），拆解为算货量、调车辆、规划路线等子任务；大小模型协同：大模型负责任务拆解与全局规划，小模型（如运输成本计算模型）处理细分问题；动态资源匹配：实时监控车辆位置、订单需求与天气数据，动态调整运力分配。 生态协同能力：传化智联通过“智能公路港网络+AI大模型”构建行业生态，其72个智能公路港日均车流量17万车次，为AI模型提供海量训练数据，形成“数据-模型-服务”的正向循环。
64410编辑于 2025-11-24智能体中的知识库、数据库与大模型详解
前言 在 LLM（大语言模型）驱动的智能体架构中，知识库（Knowledge Base）、数据库（Database）和大模型（LLM）是关键组成部分，它们共同决定了智能体的理解能力、决策能力和执行能力。 日志记录：存储智能体的对话历史、执行日志等。 LLM（大语言模型）在智能体中的作用 3.1 LLM 的核心能力 自然语言理解（NLU）：识别用户意图、分析文本含义。 智能体查询数据库，获取最新法规 结合法规内容，使用 LLM 生成回答 3.3 LLM 与数据库、知识库的结合 LLM 并不能存储长期数据，因此需要结合数据库与知识库： 数据库 存储结构化信息 多模态智能体：结合语音、图片、视频等信息，提高智能体的能力。 自治智能体（Autonomous Agent）：结合 LLM、数据库、知识库，实现自主决策和任务执行。
1.1K11编辑于 2025-12-20- 来自专栏媒矿工厂
CVPR 2023教程 | 多模态智能体-链接大模型
v=Wb5ZkZUNYc4&list=PLB1k029in3UhWaAsXP1DGq8qEpWxW0QyS&index=6 内容整理：王怡闻 在 Linjie Li 的演讲中，她回答了多模态智能体中的重要问题之一 ：如何用大模型将多模态智能体串联起来。 图4 受到NLP领域的启发过去几个月间，多模态智能体领域的进展十分迅速，并且涉及到了多个领域，如下图。后面将以MM-ReAct作为例子展示多模态智能体是如何工作的。 而随着大模型的不断更新，在这个新范式下建立的多模态智能体系统的能力也会随之增强。 图9 GPT + SAM -- 理解人类指令 我们可以将不同的模型结合到一起，以应对更复杂的任务。 图12 指令调优（Instruct Tuning） 提高准确性的另一个方法是将系统与指令调优结合起来，生成指令 API 对的数据集，以调整较小的大语言模型。
69230编辑于 2023-09-09 AI大模型智能体开发：把大模型变成“会干活”的技术逻辑
大模型就像个满腹经纶的学者，能说会道却迈不出书房；而AI智能体，就是给这位学者装上“行动能力”的技术方案——不用重构底层模型，核心是通过三层技术设计，让大模型从“只会回答”变成“自主做事”。 今天用大白话拆解智能体开发的核心技术，普通人也能看懂落地逻辑。首先要明确：智能体开发的技术核心是“闭环能力”，而非创造新模型。 核心逻辑是“自然语言→机器指令→结果反馈”的转化：当智能体判断需要工具时，技术层会自动把大模型的自然语言指令，翻译成工具能听懂的代码（如API调用、SQL查询），执行后再把结果翻译回自然语言。 比如用户问“上月电商销量Top3产品”，智能体先让大模型识别“需查销售数据库”，再自动生成SQL查询语句，拿到数据后整理成通俗回复。 其实AI智能体开发，本质是“技术落地的工程思维”。不用纠结大模型的底层原理，核心是把“用户需求”通过任务规划、工具对接、反馈闭环三大技术环节，转化为大模型能执行的行动。
36810编辑于 2025-11-24大模型与 AI 智能体，三大软著赋能产业数智化
一、企业概况安逸云科技围绕大模型技术、AI智能体架构及业务流程自动化等方向开展技术研发与产品应用，致力于为农业、企业服务及公共服务等领域提供智能化解决方案。 （一）农业AI智能体平台该平台基于大模型与多智能体协同机制构建，面向农业生产与管理场景，提供数据整合、分析与辅助决策能力。 平台整合农业知识库、作物生长模型及环境监测数据，结合物联网设备与数据采集系统，对农业生产过程进行数据化管理，并通过模型分析提供农事安排、种植管理及风险预警等方面的参考建议。 （二）AI智能客服助手该产品为基于自然语言处理技术构建的智能问答系统，支持多轮对话、知识检索与业务咨询响应。 五、发展规划公司将持续围绕大模型与智能体技术开展研发工作，进一步提升产品在不同行业场景中的适配能力与应用效果。
3000编辑于 2026-04-16- 来自专栏AI智能体从入门到实践
构建AI智能体：智能协作的艺术：大模型上下文与Token优化指南
一、引言 作为开发者，当我们初次接触大模型API时，往往会陷入一个美好的错觉：仿佛面对的是一个能够无限畅聊的智能伙伴，然而，当我们深入实际应用时，一个关键技术概念会立即打破这种幻想，上下文窗口 在大模型的世界里，我们每次与AI的对话都在一块固定大小的协作白板上进行，这块白板的容量就是上下文窗口，而衡量其使用量的单位就是Token。 图灵在他的经典论文《计算机器与智能》中提出了著名的"图灵测试"，为AI研究奠定了基础。1956年，在达特茅斯会议上，约翰·麦卡锡首次提出了"人工智能"这一术语。 第四章：技术挑战与未来方向当前大模型面临的主要挑战包括：幻觉问题、推理能力有限、长上下文处理、多模态理解等。研究人员正在从多个角度寻求突破。 六、总结 大模型的上下文窗口如同固定大小的协作白板，决定了单次交互的信息容量。Token作为计费单位，精确量化了输入与输出的总和，而非简单的请求次数。
75133编辑于 2026-01-20
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