- 综合排序
- 最热优先
- 最新优先
- 来自专栏新智元
微软发明全新「LLM语言」，AI智能体交互效率翻倍！
新智元报道 编辑：alan 【新智元导读】对于LLM来说，人类语言可能不是最好的交流媒介，正如《星战》中的机器人有自己的一套语言，近日，来自微软的研究人员改进了智能体间的交互方式，使模型的通信速度翻倍且不损失精度 近日，来自微软、芝加哥大学的研究人员推出了「Droidspeak」，让AI智能体之间可以用自己的语言进行交流： 论文地址：https://arxiv.org/pdf/2411.02820 结果表明，在不损失性能的情况下 在智能体系统中，前一个Agent（sender）的输出，会作为后一个Agent（receiver）输入的一部分。 智能体面临的挑战 高端的食材往往只需要最朴素的烹饪方式，而简单的idea往往得来并不简单。 所以在需要频繁交互的智能体系统中，prefill会成为瓶颈。
28800编辑于 2025-02-15 - 来自专栏AI SPPECH
AutoGen框架深度解析：2025年多智能体交互的智能编程助手
引言 2025年，AI编程助手正经历着从单智能体向多智能体协作的革命性转变。在这一浪潮中，AutoGen框架凭借其独特的智能体交互机制和强大的编程辅助能力，成为AI编程助手领域的佼佼者。 AutoGen的核心定位： 多智能体协作编程：通过多个AI智能体的协作完成编程任务 智能体交互优化：优化智能体之间的通信和协作效率 代码生成与执行：自动生成、执行和优化代码 自然语言与代码混合：支持自然语言和代码的混合交互 、交互层、执行层和底层支持分离 智能体为中心：以智能体为核心的设计理念，强调智能体间的交互和协作 可扩展性：模块化设计，支持各种类型的智能体和工具集成 安全性：内置安全机制，保护代码执行和数据安全 灵活性 支持用户自定义智能体的保存和共享 2.2.3 交互层组件 交互层负责处理智能体间的通信和协作： 通信模块(CommunicationModule)： 提供智能体间的通信接口和协议 支持各种通信方式 3.2 智能体间的交互与协作 AutoGen的一个重要特性是支持智能体间的高效交互和协作，以下是一些智能体交互的示例： 两智能体对话交互： from autogen import AssistantAgent
1.6K10编辑于 2025-11-13 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 部署架构 采用微服务架构： 爬虫服务：运行在AWS Lambda上的无服务器函数 处理服务：Kubernetes集群运行的NLP容器 存储层：Elasticsearch实现全文检索 前端：React构建的交互式仪表盘
35310编辑于 2025-12-17- 来自专栏互联网杂技
体感交互的设计原则
通过结合3D传感器和精美的界面，用来分析数据，计算机变得更智能，能更好的理解人类操作。不可不说是沟通的一大进步。 那么对于用户体验设计来说，手势交互又意味着什么呢？ 在进行手势交互设计时，经常会落入一下误区： 表面上实施手势交互，但实际上是触摸版的“鼠标+键盘”操作模式，鼠标被手指取代了而已。 还有些设计师天真的认为，一套手势交互系统，就能通吃全部项目。 ? 将手放在传感器可以捕捉到的地方——必须要了解“有效交互区域”的概念“ 有效交互区域指的是传感器能够清晰捕捉用户手势交互动作的区域，设计的关键点在于，要将有效交互区域设置在用户容易操作的区域。 第二点是要保证用户要在有效交互区域中。不能超出范围。 ? 有效交互区域 4. 三维感 3D照相机为我们提供了很多新机遇，让用户可以更深入的与内容交互。 而且，与触摸屏交互和鼠标交互是二维的，没有所谓的Z轴。但是体感类交互，却能提供X-Y-Z三轴。在界面设计上，我们也需要添加相应的反馈。
2.1K160发布于 2018-04-03 - 来自专栏新智元
UCSD首个智能体浏览器发布！多页面设计，颠覆传统交互
用户一次只能启用、控制并追踪一个智能体，难以真正扩展为成规模的网页自动化工作流。 AI智能体的最大潜力，就是将我们从细节性的任务中解放出来（点按按钮、填写表单），从而在复杂的信息空间和工作中纵览全局，操控成百上千的智能体为我们收集、整理、汇总信息，生成报告并完成任务。 然而，现在还没有一个为此而设计的交互界面。 那么，我们应该怎样重新定义浏览器的界面，让用户可以纵览、比较多个网页之中的信息，同时调度指挥多个AI智能体？ 为调度智能体而生的浏览器 为此，加州大学圣地亚哥分校的研究者设计了Orca浏览器，把视角拉远，让用户可以在无限的画布空间中浏览、管理网页，并部署、调度自动化智能体来提取相关的信息并完成具体的操作。 大规模操作与汇总 最后，用户可以便捷地在每个页面中部署调度不同的智能体以完成情境下的任务。每个智能体通过不同颜色的虚拟光标来显示，以方便用户追踪和查看。
39910编辑于 2025-09-04 - 来自专栏HarmonyOS知识集合
鸿蒙 6.0 引爆 AI 智能体革命：从交互重构到全场景智能觉醒，未来已至
华为开发者大会 HDC 2025 上，鸿蒙智能体技术的全面落地，标志着操作系统正式进入 "能理解、会思考、可协作" 的 AI 智能体时代。三、如何理解智能体重新定义人机交互？ 在传统操作系统中，用户需要通过点击、滑动等明确操作完成任务，而鸿蒙 6.0 通过智能体技术实现了交互范式的根本变革： 1、系统不再局限于执行单一指令，而是能结合上下文理解复杂需求。 四、HDC 2025 三大突破：鸿蒙智能体的技术内核解析**1、 HMAF 框架：构建智能体的 "神经网络"****华为发布的鸿蒙智能体框架（HMAF）首次打通感知 - 决策 - 行动全链路：**协议层革新 涵盖地图导航、支付结算等高频场景，开发者无需从零开发基础功能**自然语言生成工作流：**通过对话即可创建智能体逻辑，例如输入 "创建一个旅游攻略智能体"，平台会自动生成行程规划、景点推荐等模块**深航智能体 对于用户而言，这意味着更自然的交互、更贴心的服务；对于开发者，万亿级的智能体生态蓝海正在开启。**你，准备好迎接这个智能体环绕的新世界了吗？**
1.7K10编辑于 2025-06-27 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。 在这里，我们筛选真需求，击碎伪智能，夺回 AI 时代的协作主权。 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。
31810编辑于 2026-01-24- 来自专栏算法之名
AI智能体
提供了与LLMs交互的各种组件，极大提升开发效率。 可以以文件方式加载提示词、链等，方便共享提示词和做提示词版本管理。 提供了丰富的链式工具箱。 chains，langchain把提示词、大语言模型、结果解析封装成chain，并提供标准的接口，以便允许不同的chain形成交互序列，为AI原生应用提供端到端的chain。 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。 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
78010编辑于 2024-09-29 - 来自专栏phodal
AI 智能体交互语言 DevIns：构建上下文感知的 AI 驱动编程
而当 我们在 AutoDev 构建了越来越多的智能体之后，发现所有与模型的交互都是通过指令文本（instruction）。 即用户通过指令文本来与智能体进行交互， 而智能体返回内容，并对编辑器或者 IDE 进行操作。 所以，我们开始思考，是否可以通过自然语言来与智能体进行交互？ DevIns 是一个界于自然语言与指令文本之间的交互语言，其中自然语言用于描述软件开发任务，而指令文本用于与智能体和 IDE 进行交互。 下一步 在接下来的版本中，我们考虑： 强化 DevIns 语言与智能体的交互方式（类似于 Jupyter Notebook？）
45810编辑于 2024-03-25 - 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 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 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。 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。
2.4K21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 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。 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。
92010编辑于 2026-03-03 - 来自专栏人工智能应用
A2A智能体交互协议：开启AI Agent互联新时代的技术革命
MCP作为连接LLM与工具、数据的标准化接口，简化了智能体调用外部资源的过程；而A2A则专注于应用层协作，使智能体以"主体"身份而非工具身份交互。 智能体与智能体 智能体与工具/数据源 协议目标 建立智能体间的通用语言 标准化模型与外部资源的交互方式 技术基础 基于HTTP、SSE、JSON-RPC等 采用JSON格式的请求与返回 典型应用 多智能体协同完成任务 通过这种标准化描述方式，其他智能体可以动态发现并理解如何与目标智能体交互。 这种设计使智能体间的对话能够保持上下文连贯性，支持多轮复杂的交互过程。 典型工作流程 A2A协议定义的智能体协作遵循标准化的交互模式，一个完整的工作流程通常包括以下几个阶段： 发现阶段：客户端从服务器的well-known URL获取智能体卡片，了解目标智能体的能力和交互方式
1.2K10编辑于 2025-08-01 - 来自专栏机器之心
让智能体主动交互，DeepMind提出用元强化学习实现因果推理
我们重点关注强化学习的原因是我们感兴趣的不仅是让智能体根据被动观察学习因果，而且也能通过与环境的主动交互来学习（Hyttinen et al., 2013; Shanmugam et al., 2015 在反事实的设定中（实验 3），智能体首先有机会通过交互来了解环境的因果结构。在 episode 的最后一步，它必须回答一个反事实的问题，该问题的形式为「如果在之前的时间步骤进行不同的干预会怎样？」 3 任务设置和智能体架构 在我们的实验中，智能体在每个 episode 中都会和一个不同的 CBN 交互，这些 CBN 由 N 个变量定义。 信息阶段对应于前 T-1 个步骤，让智能体可通过与 CBN 交互或被动观察 CBN 的样本来收集信息。智能体有望使用这些信息来推断 CBN 的连接方式和权重。 蓝色圆圈表示该智能体的选择。 ? 图 3：实验 2。智能体根据干预数据执行因果性推理。a）实验中测试的智能体得到的平均奖励。
1K40发布于 2019-03-06 - 来自专栏知识学习
全屋智能交互平台
UML软件建模——全屋智能交互平台 二、问题描述 目前全屋智能家居产品，主要为安防套件，以智能门锁、监控摄像头、感应组件作为全屋智能的基本配置，而这种智能无法满足用户对全屋智能场景的体验需求，不同的用户场景下 ，不仅有智能家居产品还有智能家电可为用户打造针对不同场景下的体验模式，通过不同产品的组合联动，重新定义全屋智能交互系统，让家电联动场景更符合用户的真实使用场景。
44610编辑于 2024-10-15 - 来自专栏罗超频道
智能硬件掀起交互革命
因为智能硬件来了，人类与设备的交互也迎来全新的变革，不只是智能电视。键盘、鼠标正在退出舞台，触摸屏尚有用武之地。整体而言，智能硬件的交互正在发生剧烈的变化。 除了遥控器变革和语音的普及外，3D摄像头的推出未来会影响到客厅娱乐、游戏甚至搜索，实现体感动作、视频监控等视觉交互。现在一些3D电视也为用户配置了3D眼镜或者头盔，这是输出的变化。 不再前倾（PC时代）、不再后仰或低头（手机时代），而是无处不在、姿势各异的交互。 2、无需学习的自然交互。 击打、晃动、体感、运动、语音、图像，这些都是人类天生具备的能力。 当然，很可能是几种交互方式并行。总之不再通过单一界面与系统交互，而是多屏幕、多媒体、多渠道的交互方式。 基于此，雷科技总结了智能硬件交互趋势： 智能交互时代：PC和智能手机让位，忘掉过去的交互准则。 视觉、体感等其他领域的智能交互或许也会走类似的道路。
2.5K60发布于 2018-04-28 - 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。 **智能合约和应用生态**：以太坊拥有强大的开发者社区和丰富的应用生态，这推动了其需求的增长，并对价格产生积极影响。 2. **跨链技术的进步**：随着跨链技术的发展，以太坊能够与其他区块链网络进行互操作，这可能会扩大其生态系统，并增加其作为价值转移和智能合约平台的吸引力。 5.
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。
1.1K00编辑于 2025-02-06 认知智能体（0）
其次就是代理的通信模式，也就是[个体间的信息交互]：对话式：发挥不同智能体的风格工具调用：控制智能体行为和输出广播：智能体的自主意识我们以[注意力]为线索，来展开智能体的认知能力。 所以认知智能体需要加入元认知的能力。 系列文章分成十个章节：第一章：认知AI智能体的基础主题：ai代理的定义和类型（reflex、基于目标、基于效用...）开发代理需要的技能（编程、认知架构、llm）环境配置（python、Ollama、litellm 生成假设、测试和验证代理机构与推理模型（deepseek r1）集成利用FEP原则指导科学推理（问题分析 - 假设 - 实验 - 验证）循环第六章：增强工具使用和代码执行主题：高级工具集成（API、人机交互 目标：开发能够从结果中学习并自主改进策略的智能体第九章：使用RL、世界建模和RAGEN进行拓展主题：强化学习集成（RAGEN管道）用于状态和奖励预测的世界建模多智能体协作与分布式问题解决
20900编辑于 2025-06-05【AI智能体创作】
AI智能体创作思路 AI智能体的核心在于模拟人类思维和行为模式，通过算法和数据处理实现自主决策。创作思路通常包括目标定义、数据收集、模型训练、评估优化等环节。 目标定义阶段明确智能体的功能边界，比如聊天机器人、游戏NPC或自动化工具。数据收集阶段获取相关领域的语料、图像或其他输入数据。模型训练阶段选择合适的算法架构，如深度学习、强化学习或规则引擎。 案例分析 以智能写作助手为例，分析其设计流程。需求分析阶段确定用户需要语法检查、内容生成或风格转换等功能。技术选型阶段可能采用GPT-3等大语言模型作为基础架构。 GPT2Tokenizer.from_pretrained("gpt2-medium") model = GPT2LMHeadModel.from_pretrained("gpt2-medium") input_text = "AI智能体的核心功能包括
36510编辑于 2025-12-17
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