- 综合排序
- 最热优先
- 最新优先
- 来自专栏首席安全官
数据安全智能体：AI驱动的新一代企业数据安全防护范式
国内首款数据安全智能体采用基于大语言模型的推理引擎，赋予系统”感知-认知-决策-响应”的完整智能闭环。 国内首款数据安全智能体基于零信任安全理念，在每一个数据访问请求前都进行多维度的身份验证与权限校验。 数据安全智能体工作流程与闭环防护机制 LLM与安全知识库的融合架构 国内首款数据安全智能体的核心竞争力在于将通用型大语言模型与垂直领域的安全知识库深度融合。 参考文献 基于大语言模型的全流量安全智能体 智能体人工智能安全框架与最佳实践 Microsoft数据丢失防护（DLP）定义与实现 360安全智能体的架构与应用 数据安全智能体设计模式与实战落地 AI 数据安全AI模型APT 威胁检测企业数据防护企业级数据安全智能体技术架构解析可信执行环境国内首款数据安全智能体多智能体协同的自动化安全运营系统大模型的企业数据泄露防护方案安全大模型安全运营差分隐私数据安全数据安全智能体数据安全智能体实践案例数据安全智能体治理体系数据安全智能体解决方案新一代企业数据安全防护体系智能体覆盖数据全生命周期的安全智能体框架金融行业数据安全智能体落地实践隐私保护零信任安全零信任数据安全零信任架构零信任架构的数据安全智能体人工智能
39710编辑于 2026-01-20 - 来自专栏首席安全官
数据安全智能体：AI驱动的新一代企业数据安全防护范式
国内首款数据安全智能体采用基于大语言模型的推理引擎，赋予系统”感知-认知-决策-响应”的完整智能闭环。 国内首款数据安全智能体基于零信任安全理念，在每一个数据访问请求前都进行多维度的身份验证与权限校验。 技术架构深度解析分层防护的多维安全体系国内首款数据安全智能体采用了经过验证的分层防护架构，在数据流的各个阶段应用不同的安全机制。 数据安全智能体工作流程与闭环防护机制 LLM与安全知识库的融合架构国内首款数据安全智能体的核心竞争力在于将通用型大语言模型与垂直领域的安全知识库深度融合。 结论与未来展望国内首款数据安全智能体通过将大语言模型、多智能体协作、隐私计算、零信任架构等前沿技术融为一体，实现了对企业数据防护范式的革命性升级。
24821编辑于 2026-01-17 数据智能体平台 - 架构实践
1.项目背景与目标1.1业务背景数据智能体平台是一个基于AI的智能数据查询与分析系统，旨在通过自然语言交互降低数据使用门槛。 核心痛点：❌传统数据查询需要编写SQL，技术门槛高❌数据分散在多个数据源，查询复杂❌缺乏统一的语义层，业务指标难以复用❌不懂业务与数据关系，缺乏智能推荐1.2解决方案核心能力：✅自然语言查询：AI驱动的 从MySQL获取完整的查询模板数据包括完整的SQL语句、问题描述、元数据信息使用MySQL存储结构化数据，便于管理和更新2.4智能重排序综合评分公式：score=0.7×相似度+0.15×使用频率+0.15 ，确保数据安全可控。 6.结语数据智能体平台通过混合技术栈微服务架构+RAG增强AI+语义层设计，成功实现了：✅降低门槛：从SQL到自然语言✅提升效率：85%+准确率✅保障安全：四级权限控制✅持续优化：人机协同闭环核心竞争力
42710编辑于 2025-12-08智能体案例分析：IT新闻聚合智能体
智能体案例分析：IT新闻聚合智能体 IT新闻聚合智能体通过自动化技术抓取、分析和呈现最新的IT行业动态。这类智能体通常结合自然语言处理（NLP）和机器学习技术，从多个来源筛选高价值信息。 核心功能包括： 实时爬取主流科技媒体（如TechCrunch、Wired、The Verge） 自动分类（人工智能、网络安全、云计算等） 情感分析判断新闻倾向性 生成摘要简化阅读 典型应用场景： 投资机构追踪技术趋势 开发者社区热点话题发现 企业竞争情报监控 技术实现方案 数据采集层 使用Python的Scrapy框架构建爬虫，示例代码： import scrapy from datetime import datetime 对高频术语建立缓存索引 效果评估指标 关键性能指标包括： 信息新鲜度：从发布到收录的延迟<3分钟 分类准确率：F1-score>0.92 摘要质量：ROUGE-L>0.75 系统可用性：99.95% SLA 行业应用数据显示
33610编辑于 2025-12-17- 来自专栏JavaEdge
AI智能体落地前，务必关注这些安全红线！
可把AI智能体理解为一种算法系统，它不仅能够根据数据做出决策，还能基于该决策执行相应的动作。虽然它与生成式AI存在一些相似之处，但最大的区别在于，智能体不是生成内容，而是执行行为。 也正因如此，如今的AI智能体激发了技术专家和企业领导人的想象力——它们似乎具备了解决复杂问题、完成具体任务的能力。 AI智能体存在哪些安全风险？ 那么，AI智能体到底有哪些安全隐患？ 数据泄露 一个可能更严重的风险是数据泄露。AI智能体依赖于访问各种信息源，它需要与不同的服务进行交互，在必要时收集和共享数据，以完成任务。 一个穿越组织边界、甚至在组织内外自由活动的AI智能体，其数据传输过程往往难以追踪。哪怕是一个看似简单的旅行预订任务，也可能涉及到员工或组织的敏感信息被传递给了谁、传到了哪里等安全问题。 不加思索地过度热情，会加剧AI智能体的安全问题 AI智能体的安全隐患，往往因为人们的盲目乐观和急于部署而被放大。 比如，现在很多组织把AI智能体用于处理重复性操作，如将数据从一个系统转移到另一个系统。
39910编辑于 2025-06-01 - 来自专栏架构之路
数据库操作智能体实现
数据库操作智能体实现核心架构设计采用LangChain4j的PureagenticAI模式构建智能数据库查询系统，通过协调器(SqlAgent)和工具链实现自然语言到SQL查询的转换组件分工明确SqlAgent )各司其职安全防护机制独立数据源配置防止主系统污染，严格的SQL注入防护包括表名验证和仅允许SELECT操作，通过环境变量限制可访问表范围动态决策能力Agent具备上下文感知和自适应决策功能，能根据查询需求自动组合工具调用顺序 模式构建智能数据库查询系统，通过协调器(SqlAgent)和工具链实现自然语言到SQL查询的转换。 组件分工SqlAgent：作为数据库专家角色，封装JDBC操作细节，持有数据库连接池实例。SupervisorAgent：负责请求路由和结果聚合，实现Agent接口的chat()方法。 专用工具链：QueryAllTablesTool：获取数据库所有表名QueryTableSchemaTool：查询指定表结构ExecuteSqlQueryTool：执行最终SQL查询安全防护采用白名单机制管理可访问表
9310编辑于 2026-02-04 智能体私有化部署时如何保障数据安全与合规性？
##摘要 随着AI智能体在企业核心业务中的深入应用，数据安全与合规性已成为私有化部署的首要考虑。 本文深入探讨了企业如何在保障数据主权的前提下，安全、合规地部署AI智能体，并重点介绍了腾讯云智能体开发平台(ADP)的安全特性和解决方案。 一方面是对效率提升、业务创新的极度渴求；另一方面则是对数据安全、业务稳定的极度敏感。这种矛盾在智能体时代被前所未有地放大。 数据不出域已成为企业智能体部署的刚性需求。 数据安全：全链路加密与访问控制 数据安全是企业智能体部署的第一强需求。企业智能体平台需要建立覆盖供应链、内容安全、数据访问、隐私保护等方方面面的防护体系，确保数据合规、隐私不泄露。 精细的访问控制策略是保障数据安全的关键。这包括基于角色的权限管理、API调用审计、数据脱敏机制等，确保智能体只能调用可控的数据内容，进而保证数据安全。 3.
81010编辑于 2025-10-29智能体来了！2026智能体开发全面指南
智能体来了！2026智能体开发全面指南 一、 繁华落尽后的“平静”：技术背后的选择逻辑“真正深入使用 AI 之后，我反而更平静了。” 在过去这段时间里，我深入钻研了 Python 编程、探究了 AIGC 的视觉极限、搭建了复杂的流程智能体、甚至深入到了 STM32 的硬件底层。 而顶级的 AI 大模型与 Agent（智能体），正是我能遇到的认知最高、脾气最好、思维最完善的存在。在我的「心枢」系统里，AI 不仅仅是执行任务的“器”，它更是我最好的老师、朋友、教练和员工。 它帮我补齐认知的短板，为我的野心提供支撑，用数据赋予我破局的勇气，并最终通过自动化工作流将执行力拉满。 礼包内包含（持续更新）：多维提示词库：包含智能体设计规范、AI 绘画精准词簇、AI 视频叙事 Prompt。ComfyUI 极客工作流：从零搭建好的 json 配置文件，导入即用。
26310编辑于 2026-01-24- 来自专栏AI人工智能
智能体安全与可信AI：防护机制与伦理考量
在过去几年的研究和实践中，我见证了从简单的规则基础智能体到复杂的大语言模型驱动智能体的演进历程，同时也观察到了伴随而来的各种安全威胁和伦理问题。 智能体系统不仅面临着传统网络安全中的攻击威胁，还要应对AI特有的对抗攻击、数据投毒、模型窃取等新型安全挑战。 本文将从智能体安全威胁分析入手，深入探讨对抗攻击的机制与防护策略，分析隐私保护与数据安全的技术实现，并从AI伦理角度审视智能体系统的责任边界。 智能体安全威胁分析1.1 威胁模型概述智能体安全威胁可以从多个维度进行分类和分析。 实践案例与应用场景5.1 金融智能体安全案例在金融领域，智能体系统面临着严格的安全和合规要求：class FinancialAgentSecurityFramework: """金融智能体安全框架
41710编辑于 2025-07-29 - 来自专栏算法之名
AI智能体
Retrieval Augemented Generation，索引增强式是一种解决预训练语料数据无法及时更新带来的回答内容陈旧的方式。 langchain提供了支持、检索增强式的chain，在使用时，这些chain会首先与外部数据源进行交互以获得对应数据，然后再利用获得的数据与LLMs进行交互。 典型的应用场景如：基于特定数据源的问答机器人。 Agent，对于一个任务，代理主要涉及让LLMs来对任务进行拆分、执行该行动，并观察执行结果，代理会重复执行这个过程，直到任务完成为止。 messages) print(response.content) 这里的 ZHIPUAI_API_KEY 需要你自己去智普网站 https://open.bigmodel.cn 去注册就有，运行结果 智能助手显神通 你的角色是一个诗人.'), HumanMessage(content='用七言绝句的形式写一首关于AI的诗')] streaming_chat(messages) 运行结果 智能助手显神通
76710编辑于 2024-09-29 - 来自专栏云时之间
智能体结构
智能体的结构 迄今为止我们通过描述行为—在任何给定的感知序列下采取的行动—讨论了智能体，现在我们不得不将知难而进，去讨论智能体内部是如何工作的，AI的任务是设计智能体程序，通过它来把感知信息映射到行动的智能体函数 注意智能体程序和智能体函数之间的差别。智能体程序在于当前感知为输入，而智能体函数是以整个历史为输入的。智能体程序只把当前感知作为输入是因为环境无法得到更多的东西。如果智能体的行动依赖于整个感知序列。 那么该智能体不得不记住全部感知的信息。 *智能体程序骨架还有其他的选择。例如我们可以让智能体程序成为协同程序。 行动表明确的表示了每个智能体程序实现的智能体函数。要用这种方式来建造理性智能体。作为设计者，我们必须构造包括各种可能的感知序列的适当行动的函数表。 在这个文章的以下部分，我想概述四种基本的智能体程序，他们几乎涵盖了所有智能系统的基础准则： 1：简单反射型智能体 2：基于模型的反射型智能体 3：基于目标的智能体 4：基于效用的智能体 然后我们将概括的解释如何把这些智能体转换成学习智能体
1.4K70发布于 2018-04-11 - 来自专栏心源易码
智能体对话场景数据设计与建模
然而，随着对话数据量的激增，如何高效地存储、管理和检索这些数据，同时确保对话的实时性和准确性，成为设计智能体对话系统时面临的主要挑战。 结合这两者，可以构建一个既能够处理大规模数据，又能够实现快速响应的智能体对话平台。 2.2.2、ERD（数据库实体关系图）分析在智能体对话场景中，数据的有效存储与查询是确保系统高效运行的关键。 通过设计合理的数据库实体关系图（ERD），我们可以清晰地定义各个实体之间的关系，为智能体对话系统提供坚实的数据支撑。 智能体（AI digital persona）：指生成式AI驱动的对话实体，每个智能体具有唯一的ai_id。
1.9K10编辑于 2024-07-30 智能体（Agent）全面解析：什么是智能体agent
一、什么是智能体（Agent）？智能体是一个能够自主思考、决策、调用工具的智能代理系统。 它不仅仅是简单的问答机器人，而是具备以下核心能力的自主系统：思考能力：理解用户意图，分析任务需求决策能力：规划执行步骤，选择合适工具行动能力：调用外部工具，执行具体操作记忆能力：记住上下文，积累经验智能体的价值智能体的出现 智能体的核心优势大脑：LLM提供强大的理解和推理能力undefined记忆：记住对话历史，保持上下文连贯工具：灵活调用各种外部能力二、两种搭建智能体的路径根据技术门槛和应用场景，智能体的搭建主要有两种方式 /向量数据库多种工具（API、计算器、RAG等）决策能力无自主决策，直接使用检索内容有自主决策，能规划步骤复杂度相对简单复杂，需要多步推理典型应用客服问答、文档问答自动订票、数据分析、多步骤任务 两者关系 随着LLM能力的不断提升和工具生态的日益丰富，智能体将在更多领域发挥重要作用，成为我们工作和生活中不可或缺的智能伙伴。您好，我是肥晨。
2.2K21编辑于 2026-03-02- 来自专栏农民工前端
智能体（Agent）全面解析：什么是智能体agent
一、什么是智能体（Agent）？ 智能体是一个能够自主思考、决策、调用工具的智能代理系统。 智能体的出现，让AI从单纯的"对话者"进化为真正的"执行者"。 智能体的核心优势 大脑：LLM提供强大的理解和推理能力 记忆：记住对话历史，保持上下文连贯 工具：灵活调用各种外部能力 二、两种搭建智能体的路径 根据技术门槛和应用场景，智能体的搭建主要有两种方式： 1️⃣ 执行 → 观察循环 外部依赖 知识库/向量数据库 多种工具（API、计算器、RAG等） 决策能力 无自主决策，直接使用检索内容 有自主决策，能规划步骤 复杂度 相对简单 复杂，需要多步推理 典型应用 客服问答 随着LLM能力的不断提升和工具生态的日益丰富，智能体将在更多领域发挥重要作用，成为我们工作和生活中不可或缺的智能伙伴。
86210编辑于 2026-03-03 AI智能体发展趋势与网络安全新挑战
驾驭AI智能体的崛起AI智能体是指不仅能提供信息，还能代表用户执行操作的AI模型与算法。某机构等公司已推出“代理式”产品，可实现预订、填写表格及协助编程项目等功能。 若需深入了解AI智能体，可参考以下技术分析：自主AI代理的安全边界与未备风险某机构首席科学家提出的四类代理性能优化路径AI代理规模化网络攻击带来的成本与防御挑战AI间协商机制中弱势模型导致的数字不平等问题中国新型通用代理 Manus的实际测试评估技术政策与安全动态海外科技企业保护政策undefined通过全球贸易战机制阻止他国对某国科技公司加征税收与监管限制边境AI年龄评估技术undefined某国试点采用AI算法评估未成年寻求庇护者的年龄 ，同时某国边境巡逻队尝试通过面部识别技术追踪移民儿童年龄变化AI对网络流量的颠覆性影响undefined某搜索巨头的AI摘要功能导致网站点击量骤降，标志着传统网络搜索模式的终结设备安全威胁undefined
21110编辑于 2025-09-17- 来自专栏林欣哲
人工智能的智能体
今天来谈谈人工智能的研究工作中所做的一些基本的抽象。 一、智能体的概念 人工智能研究的对象称为智能体（Agent），其他的外部条件划归为环境。 智能体做出什么样的反应取决于输入和输出之间的映射关系函数，这个函数就是智能体研究的核心。 编写出智能体的程序则具体实现这个数学意义上的函数。 二、智能体的性能衡量 我们研究智能体是要他能做正确的事，因此需要有一个标准去衡量他的表现，一个合理的智能体会最大化这个期望的标准。 这里要注意一点，我们以最终期望达到的效果来做为衡量的标准，而不要以智能体的行为本身作为标准。 总结，人工智能的研究的期望是实现一个，在给定的每个可能的感知序列下，能做出让期望的性能最大化的行动的理性的智能体。
2K60发布于 2018-04-10 - 来自专栏Go语言学习专栏
7 - AI 智能体构建 - AI 超级智能体项目教程
比如在代码安全审查场景中，可以让多个智能体分别对同一段代码进行安全审查，最后 “投票” 决定是否有问题。又比如在处理长文档时，可以将文档分段，每段由不同智能体并行总结。 ：从规划智能体制定分析策略开始，到数据收集智能体获取必要数据，然后是分析智能体处理这些数据，接着由可视化智能体创建直观图表，最后由报告智能体整合所有发现生成完整报告。 MCP 协议是 智能体和外部工具之间的标准，它规定了智能体如何安全、规范地调用外部的数据库、搜索引擎、代码执行等工具资源。你可以把 MCP 理解为 “智能体-工具” 的 HTTP 协议。 从安全角度看，MCP 和 A2A 处理的是不同层面的安全问题： MCP 的安全关注点：主要集中在单个智能体与工具之间的安全交互，主要防范的是工具滥用和提示词注入攻击。 A2A 的安全关注点：更关注智能体网络中的身份认证、授权和信任链。A2A 需要解决“我怎么知道我在和谁通信”、“这个智能体有权限请求这项任务吗”、“如何防止恶意智能体窃取或篡改任务数据” 等问题。
58610编辑于 2026-03-17 - 来自专栏openclaw系列
OpenClaw技能系统深度指南：构建可扩展、安全、智能的工具化 AI 智能体
配合ClawHub技能注册中心、插件集成与细粒度权限控制，OpenClaw构建了一个企业级智能体工具生态。 本文将全面解析OpenClawSkills的设计哲学、加载机制、配置语法、安全模型与最佳实践，助你打造真正可信赖、可维护、可扩展的AI智能体。一、什么是Skill？ ——智能体的“能力单元”在OpenClaw中，一个Skill是一个独立目录，包含：SKILL.md：描述文件（含YAML前置元数据+使用说明）（可选）辅助脚本、二进制、配置模板✅示例：image-lab 通过标准化的格式、严格的依赖管理、灵活的配置覆盖与强大的安全沙盒，开发者可以安全地将任何CLI、API或脚本转化为AI智能体的“超能力”。在ClawHub生态的加持下，技能的复用与共享将成为常态。 未来的智能体，不再是一个孤立的模型，而是一个动态加载、持续进化、安全可控的能力集合体。最后提醒：不要盲目安装技能，永远假设它是恶意的。在赋予AI能力的同时，也请赋予它边界。
64620编辑于 2026-03-27 - 来自专栏算法之名
AI智能体(四)
接AI智能体(三) memory工具使用 以往，我们都是直接跟大模型进行交互，没有办法系统的实现记忆。 在上图中，用户在向大模型问问题时会首先读取记忆体，查看以往是否回答过相同的问题或者相关的文档可以参考。 如果有就会返回并添加到提示词模版中，再通过大模型的处理得到答案，得到答案之后再将答案反写回记忆体，这是一个循环的过程。 ', '189 第六章：数据政策、法律和法规：创造一个信任的环境. 190. 一个由数据保障和推动者组成的信任框架. 191. 为可信的数据使用建立保障措施.'] 上图是不改变输入的前提下，增加需要额外的数据，如可能来自向量数据库的检索。
1K00编辑于 2025-02-06 - 来自专栏算法之名
AI智能体(六)
接AI智能体(五) Dify Dify是一个开源的Agent开发平台，使用Dify有两种方式，一种是使用Dify的在线平台。https://cloud.dify.ai。 一种是进行私有化部署。
1K00编辑于 2025-02-06
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