- 综合排序
- 最热优先
- 最新优先
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。 思维模式模板initialize_agent 装配车间把大脑（LLM）和工具们组合起来，生成一个能跑的智能助手。 四、RAG vs Agent智能体RAG（检索增强生成）和Agent是两种不同的技术路线，但可以相互配合。 是让LLM"做事"（完成任务）RAG可以作为Agent的一个工具，让Agent在需要知识时去查询两者可以结合使用，打造更强大的智能系统五、Agent vs 自动化工作流的区别维度传统自动化工作流Agent 需要推理的任务学习能力无有记忆，可积累经验七、总结智能体（Agent）是AI从"对话"走向"行动"的关键一步。
2.7K21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。 思维模式模板 initialize_agent 装配车间 把大脑（LLM）和工具们组合起来，生成一个能跑的智能助手。 四、RAG vs Agent智能体 RAG（检索增强生成）和Agent是两种不同的技术路线，但可以相互配合。 是让LLM"做事"（完成任务） RAG可以作为Agent的一个工具，让Agent在需要知识时去查询 两者可以结合使用，打造更强大的智能系统 五、Agent vs 自动化工作流 维度 传统自动化工作流 确定性、重复性任务 复杂、多变、需要推理的任务 学习能力 无 有记忆，可积累经验 七、总结 智能体（Agent）是AI从"对话"走向"行动"的关键一步。
1.1K10编辑于 2026-03-03 - 来自专栏周末程序猿
谈谈 `AI Agent`（智能体）
2025年以来，我们正站在人工智能应用演进的一个关键节点上，从预测式AI（分析模式、进行分类）到生成式AI（创造文本、代码、图像），我们如今正迈向第三个阶段：AI Agent。 AI Agent的构成 模型：为智能体的推理和决策提供动力的LLM，决定了智能体的下限。 工具：智能体可用于采取行动的外部函数或API。 指令：定义智能体行为的明确指导方针和安全策略。 , "agent": "AI Agent（智能体）是能够感知环境、做出决策并采取行动的自主系统。它由模型、工具和指令三部分组成。" 编排工具：智能体本身可以作为其他智能体的工具，作为多智能体系统中单个 sub agent。 Agent2Agent (A2A) Agent2Agent (A2A) 协议是一种开放标准，旨在让 AI 智能体之间实现无缝通信和协作，正如 MCP 提供了一种标准化的方式来让 LLM 访问数据和工具一样
93010编辑于 2026-01-06 - 来自专栏从流域到海域
LangChain手记 Agent 智能体
整理并翻译自DeepLearning.AI×LangChain的官方课程：Agent（源代码可见） “人们有时会将LLM看作是知识库，因为它被训练所以记住了来自互联网或其他地方的海量信息，因而当你向它提问时 （笔者注：Agent，直译代理，LLM语境下更偏向于具备一定智能的代理，因而更偏向强化学习Agnet的概念，因而本文翻译为智能体。） Agent 智能体 LangChain提供的Agent可以使用各种各样的工具，例：搜索引擎，也支持自定义工具，这使得你可以访问任何数据存储、API或者自定义函数。本节介绍Agent的一些例子。 Agent认为仍需要继续搜索Machine Learning (book) 的原因是上一步搜索Tom M. Mitchell得到了2个页面，虽然它能得出Tom M. Mitchell编写了Machine Learning这本书，但是它有不确定的信息，因而继续搜索（本例虽然没有，但其他例子有可能agent在处理不确定信息时会进行答案修正，以提高正确率）。
1.1K30编辑于 2023-10-12 - 来自专栏Elastic Stack专栏
AI Agent 记忆：使用 Elasticsearch 管理记忆，打造智能 Agent
在本文中，我们将学习如何使用记忆技术，以 Elasticsearch 作为记忆和知识的数据库，让 Agent 变得更智能。 Agent 中的记忆类型与选择性检索：使用 Elasticsearch 管理记忆来创建智能 Agent 并非所有记忆都服务于相同的目的，如果将它们视为可互换的对话历史，将会限制 Agent 的扩展能力。 现代 Agent 架构，包括像 语言 Agent 的认知架构（CoALA） 这样的框架，区分了程序性记忆、情景性记忆和语义性记忆。 Elasticsearch 角色配置界面，显示一个对 memories 索引具有读写权限的角色，并使用文档级安全来限制对特定记忆文档的访问，用于管理记忆的智能 Agent。 创建 Agent 工具 我们为 Agent 定义了三个关键函数： • GetKnowledge：在知识库中搜索相关上下文（传统的检索增强生成 RAG）。
1400编辑于 2026-05-11 - 来自专栏Elastic Stack专栏
AI Agent 记忆：使用 Elasticsearch 管理记忆，打造智能 Agent
在本文中，我们将学习如何使用记忆技术，以 Elasticsearch 作为记忆和知识的数据库，让 Agent 变得更智能。 Agent 中的记忆类型与选择性检索：使用 Elasticsearch 管理记忆来创建智能 Agent并非所有记忆都服务于相同的目的，如果将它们视为可互换的对话历史，将会限制 Agent 的扩展能力。 现代 Agent 架构，包括像 语言 Agent 的认知架构（CoALA） 这样的框架，区分了程序性记忆、情景性记忆和语义性记忆。 程序性记忆：Agent 如何运作程序性记忆 定义了 Agent 的行为方式，而非它知道或记住什么。在实践中，这包括：何时存储记忆。何时检索记忆。如何总结对话。如何使用工具。 创建 Agent 工具我们为 Agent 定义了三个关键函数：GetKnowledge：在知识库中搜索相关上下文（传统的检索增强生成 RAG）。
12910编辑于 2026-04-29 - 来自专栏AI前沿技术
智能体｜ Agent Skill 技术介绍
本文从“是什么”到“怎么用”，再到“如何写” Agent skill 的角度，把我们从无尽的提示词里解放出来。 关注“AI老马” —【获取资源】&【进群交流】 一、Agent Skill 的通俗解释 通俗的讲： Agent Skill = 给AI打包好的“专业能力模块”。 在 Anthropic 的 Agent 体系里，Skill 是让 AI 从“聊天机器人”变成“专业智能体”的核心。 可以把它理解成，给 AI 安装一个永久生效的插件，把工作流程固化成可调用的技能。 二、Agent Skill 渐进式披露 2.1，skill 的加载过程 渐进式披露是 agent skill 解决有效知识注入的精髓。 试着做一个属于自己的 Skill，哪怕只是一个周报生成器，你会真切感受到： 让 AI ，成为你的专属智能体，Skill 是我们迈出的又一大步！
51220编辑于 2026-04-02 - 来自专栏产品笔记
什么是AI Agent（智能体）？
Chatgpt发布了GPTs，钉钉发布了AI助理，在AI时代 AI agent（智能体）是大模型落地业务场景的主流形式，那什么是AI Agent？ 01 — 什么是AI Agent？ AI Agent是指人工智能代理（Artificial Intelligence Agent）是一种能够感知环境进行自主理解，进行决策和执行动作的智能体。 因此将大模型作为AI Agent的核心大脑，实现将复杂任务拆解成可以实现的子任务等能力，构成具备自主思考决策和执行任务的智能体。 自省框架使AI Agent能够修正之前的决策，从而不断优化。这种反思和细化可以帮助 Agents 提高自身的智能和适应性。 2. 记忆 （Memory） ①、短期记忆：对AI Agent智能体系统的所有输入会成为系统的短期记忆，所有上下文学习都是依赖模型的短期记忆能力进行的。
25.1K22编辑于 2024-01-15 - 来自专栏AI前沿技术
智能体｜AI Agent 框架介绍
智能体 Agent 核心是通过与环境交互更好的完成用户的指令或任务。一个合格的智能体应该具有那些能力，这些能力面临何种困难，又有那些的解决方案。 1.1，功能维度 复旦大学张奇团队在关于Agent的综述中，将基于大语言模型的智能体分为三功能模块：大脑 Brain、感知 Perception) 与行动 Action。 通过重复这一过程，智能体能够持续获取反馈并与环境互动。 一个智能体的所具有的核心能力是一致的，本文以Planning、Memory和Tool use 为框架进行介绍。 2，规划 Planning 从完成任务的维度，智能体对任务进行拆解，然后对拆解的步骤进行反思。
1.1K10编辑于 2026-01-18 - 来自专栏实在智能RPA
人工智能AI中“Agent智能体”指什么？
在人工智能领域，“Agent”是一个可以具象化的概念。它不再是科幻电影里冰冷的机器人形象，而是指代一种能在特定环境中自主感知、决策并行动以达成目标的智能实体。 01 Agent智能体特征一个真正的智能体，区别于简单的自动化程序，必须具备几项关键能力。首先是自主性，它能在没有人类持续干预的情况下运行，依据内置的目标和规则做出判断。 持续学习能力让它能通过经验或新数据优化决策模型，而社会性则体现在多Agent系统中复杂的协作、协商甚至竞争机制上。02 剖析Agent智能体架构现代智能体系统通常采用模块化设计，各司其职又紧密协同。 多Agent系统更是将智能推向新高度，通过分布式协同解决城市交通流优化、电网智能调度或复杂供应链管理等宏大问题，其中涉及博弈论与分布式共识算法。 联邦学习等隐私保护技术也将助力Agent在数据敏感场景的落地。人工智能中的Agent，本质是构建能够主动理解世界、思考问题并采取行动的智能实体。它不仅是技术概念，更代表了一种解决复杂问题的新范式。
2.5K20编辑于 2025-07-31 云蝠智能Voice Agent技术浅析
作为国内智能语音领域的先行者，云蝠智能推出的Voice Agent技术基于大语言模型（LLM）架构。本文将解析其技术架构、应用实践与未来演进方向，为开发者呈现智能语音交互的技术前沿。 一、技术内核：大模型驱动的语音交互革命云蝠Voice Agent的核心竞争力源于其双重模型架构与工程化创新。 = RoutingEngine()user_profile = { “年龄“： 35， “历史反馈“： [“对教育政策不满“]， “当前情绪“： “愤怒“}agent_id = engine.select_agent (user_profile) # 智能选择最优处理Agent该方案在政务热线中实现40% 的问题解决率提升，平均通话时长缩短35%。 代表着智能语音交互从“机械应答”到“类人交互”的范式转变。
55910编辑于 2025-07-03- 来自专栏AI前沿技术
智能体｜Agent 架构演进与选型
因此，Agent 架构演进的核心线索始终围绕两大需求展开： • 如何更高效、精准地为大模型注入领域知识 - 解决“专业经验“问题 • 如何更智能、持久地管理大模型的记忆与状态 - 解决“个人笔记本“ 问题收敛到两个方面 图2，Agent 架构演进路线。 2，Agent 架构的演进 2.1，Single Agent 单智能体 单智能体运行逻辑非常简单。 2.2，Multi-Agent 多智能体 多 Agent 就是如此，将复杂的宏观问题拆解为微观的子住务，由不同的Agent承接。 2.4，Agent team Agent Team 是一种面向复杂未知问题的多智能体协作范式。 • Single Agent 适配简单明确任务，追求低成本高效； • Multi-Agent 突破单智能体能力上限，代价是协同复杂； • Agent Skills 平衡稳定性与维护成本，适配企业级常规需求
66530编辑于 2026-04-02 - 来自专栏AI技术应用
AI 智能体（AI Agent）的开发
AI 智能体（AI Agent）的开发是一个复杂且多阶段的过程，涉及需求分析、算法设计、模型训练、系统集成和部署等多个环节。以下是 AI 智能体开发的典型流程。 1.需求分析与定义1.1明确目标确定 AI 智能体的核心功能和应用场景（如聊天机器人、推荐系统、自动驾驶等）。定义智能体的输入、输出和交互方式。 验证 AI 智能体在实际场景中的表现。6.3用户测试邀请目标用户进行测试，收集反馈。根据反馈调整模型和系统。7.部署与监控7.1部署环境选择部署平台（如云端、边缘设备）。 总结AI 智能体的开发流程包括需求分析、数据收集、模型设计、训练与评估、系统集成、测试验证、部署监控和维护迭代。通过合理规划和使用工具，可以高效地开发出功能强大、性能优异的 AI 智能体。
2.8K20编辑于 2025-02-18 - 来自专栏MavenTalk
AI Agent智能体的摸索试用
花了点时间研究了下 Coze 平台（一个轻松构建个人智能体的平台），体验很好，宣称不懂代码也能创造属于自己的智能体，但创造复杂的智能体，对使用者的素质要求还是比较高的，需要付出一点学习成本。 当前市面上能经常听到的一些智能体，比如百度的文心一言、讯飞的星火、抖音的豆包、智谱清言等等，基本上都推出了智能体的创作，大多数主要集中于文字和图片的处理，对于复杂流程的智能体还不能很好的处理。 我用“豆包”克隆了一段自己的声音并创建了一个智能体，还挺像那么回事。 这些智能体基本是延续ChatGPT 的 GPT Store 策略，都向老大哥对齐，做成标配。 相较于之前的AutoGPT、AgentGPT等其他的黑盒智能体，当下的智能体应用开发更容易、也更亲民，基本是通过Prompt 提示词的方式来完成，高级一点的会使用LLM（大语言模型）编排工具，把我们常用的的插件 目前的智能体，更多的还是玩具，真正产生经济效益的并不多，我原先畅想的自动帮人点外卖、订票、出行规划等，还是会有一个过程，条件成熟了自然会出现。
1.1K10编辑于 2024-04-03 - 来自专栏AI
AI 智能体（AI Agent）的应用
AI 智能体（AI Agent）的应用非常广泛，几乎涵盖了我们生活的方方面面。它们能够自主地感知环境、做出决策并执行行动，从而完成各种复杂的任务。以下是一些 AI 智能体的典型应用场景。 客户服务：智能客服机器人： 能够 24/7 回答客户的常见问题、处理订单、提供技术支持等，提高客户服务效率和满意度。例如，银行、电商平台的在线客服。 其他领域：智能家居： 控制家电设备，例如灯光、空调、电视等，提高生活便利性。安防监控： 监控安全摄像头，识别异常行为，提高安全性。环境监测： 监测空气质量、水质等环境指标，提供环境预警。 百度的文心一言 APP 上的智能体： 可以进行“视频对话”、背单词、纠正口语，还可以通过 AI 智能体模拟面试、与 AI 古人对话等，体现了 AI 智能体在内容创作和人机交互方面的应用。 总而言之，AI 智能体正在深刻地改变着我们的生活和工作方式。随着技术的不断发展，AI 智能体的应用领域还将不断拓展，为我们带来更多的便利和创新。
1.5K10编辑于 2024-12-23 - 来自专栏小巫技术博客
第07期·AI Agent 智能体
每日AI知识点 · 第07期 AI Agent 智能体 会思考、会行动、会自我纠错的AI 什么是 AI Agent？ 如果说 LLM 是大脑，那 Agent 就是装了大脑的机器人员工。 普通 AI 你问一句答一句；而 AI Agent 你给一个目标，它自己拆解任务 → 调用工具 → 执行 → 检查结果 → 纠错，直到完成。 普通 AI 你问一句，它答一句被动响应，无法主动执行 AI Agent 给一个目标，自主完成主动规划，持续执行 Agent 的工作循环 1 Think（思考） +MCP 企业团队 今日金句 Agent = 大脑(LLM) + 双手(Tools) + 记忆(Memory) + 目标(Goal) 给 AI 一个目标，而不是一个问题——这就是 Agent 的核心思维转变 你最想让 Agent 帮你自动化哪个工作流程？
12710编辑于 2026-04-13 - 来自专栏实在智能RPA
详述Agent智能体含义与架构
这并非科幻场景，而是智能体（Agent）技术正在努力实现的未来图景。它代表了人工智能从被动响应走向主动感知、自主决策的关键跃迁。 架构剖析：智能体如何“思考”与“行动”一个典型的现代智能体系统（尤其是基于大语言模型的Agent）如同一个精密的数字大脑，通常包含几个关键模块协同运作：感知中枢：环境信号的解码器智能体通过多种“感官”获取输入 应用浪潮：智能体正在重塑现实智能体技术已突破实验室，在多个领域展现巨大价值：超级个人助理的崛起以Copilot为代表的AI助手正从聊天机器人进化成真正的个人Agent。 注入智能体技术后，RPA进化为认知自动化（如实在Agent），能处理包含非结构化数据（如邮件、文档）、需简单判断和异常处理的复杂流程，适用性大大扩展。 安全与伦理的紧箍咒智能体的自主性带来失控风险：目标对齐偏移（Agent行为偏离人类初衷）、被恶意利用、隐私侵犯、决策偏见等。
98120编辑于 2025-07-30 - 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。 虽然整个系统表现出"智能"特征，但其执行路径是确定性的，更像是"智能化的工作流"，而非真正的自主Agent。 智能检索：语义相似度搜索，支持多轮对话上下文，结果重排序提升相关性。 ● Planner: Planner模块为Agent提供智能规划能力，通过不同的规划策略增强Agent的推理和决策能力。 name string) Agent } 2.2 多种Agent类型 2.21 LLMAgent - 基础智能Agent 核心特点: 基于LLM的智能Agent，支持工具调用、流式输出和会话管理。 等字段 ● 使用transfer工具实现Agent转移，避免直接设置TransferInfo 5.Planner模块 - 智能规划引擎 Planner模块为Agent提供智能规划能力，通过不同的规划策略增强
1.9K10编辑于 2025-10-20 - 来自专栏AI智能体从入门到实践
构建AI智能体：Agent2Agent多智能体系统：基础通信与任务协作实现
一、基本概述 Agent2Agent（A2A）是一个专注于智能体间通信、协作与协调的框架，旨在促进多个智能体（Agent）之间的通信与协作。 每个智能体有一个唯一的标识符（Agent ID），并可以注册多种能力（Capabilities），这些能力描述了智能体能够执行的任务类型。三. 智能体的协作机制1. 框架通信示例 示例实现一个简单的Agent2Agent通信框架，展示了多智能体系统的基本工作原理。 ，解耦智能体间的直接依赖提供消息路由功能，根据接收者ID分发消息支持异步消息传递，模拟真实网络环境作为智能体注册中心，管理参与协作的智能体2.1 注册智能体：def register_agent(self AI智能体（文本、图像、语音）协同工作自动化工作流：智能体协作完成端到端的自动化流程九、总结 Agent2Agent框架为构建智能体间通信与协作系统提供了坚实的基础。
1.9K21编辑于 2025-12-09 MCP+DeepSeek打造AI Agent智能体
引言近年来，人工智能（AI）技术飞速发展，特别是大语言模型（LLM）和智能体（Agent）技术的结合，正在推动AI从被动响应向主动决策演进。 在这一趋势下，MCP（Multi-agent Collaborative Planning，多智能体协同规划）与DeepSeek（深度求索大模型）的结合，为构建高效、自主、可扩展的AI Agent智能体提供了全新的技术路径 AI Agent智能体的核心挑战AI Agent是一种能够感知环境、自主决策并执行任务的智能系统。 MCP：多智能体协同规划框架MCP（Multi-agent Collaborative Planning）是一种基于多智能体系统的任务协同框架，其核心思想是：任务分解：将复杂任务拆解为多个子任务，由不同 未来，随着DeepSeek的多模态支持和MCP框架的进一步优化，AI Agent将变得更加智能、灵活，成为各行各业的核心生产力工具。
70710编辑于 2025-07-15
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