- 综合排序
- 最热优先
- 最新优先
- 来自专栏AI前沿技术
智能体｜ AI coding 协作式编程
AI coding 出现后，传统项目角色分工和协作方式发生了改变。工程师不再是"写代码的人"，而是"指挥 AI Agent 写代码的人"。这种转变不仅是角色的变换，更是编程范式的升级。 以 AI coding 为中心，主要介绍： 1）从古法编程到 vibe coding 再到智能体编程的转变。 2）规范驱动开发SDD的新模式，以匹配AI coding的超凡编程能力。 使用智能体编程典型的工作流类似于： • 需求阶段： 我写清楚要做什么，包括技术选型、目标用户、核心功能。 • 执行阶段： 丢给 Agent，让它自己去建项目、写代码、装依赖、跑测试。 自动管理工作流：希望AI自动判断并应用工程实践，而不是每次都手动调用阶段命令 • TDD是团队规范：Superpowers是三款工具中对TDD支持最完善的，强制执行红绿重构循环 • 复杂任务并行化：需要多个子智能体并行执行独立任务 个人瞎扯： 技术发展的太快，还没有从vibe coding中缓过劲来，智能体编程们又纷至沓来。
1.8K32编辑于 2026-03-10 - 来自专栏人工智能
智能体时代，企业员工如何掌握AI协作力？
麦肯锡《工作新未来》报告中指出，到2030年，全球约3亿全职工作将受到AI自动化影响，但这并不意味着失业潮，而是意味着工作方式的根本改变：人类与智能体的协作边界正在被重新定义。 这些智能体共同推动了一个趋势：AI不再只是辅助工具，而是在悄然接管繁琐、重复的环节，让人类回到决策与创造的核心。二、哪些岗位将率先与智能体共事？ 三、从工具使用到智能协作，AI素养正成为职场底层能力AI在企业内部的应用，正在从“会用工具”升级为“会配置任务”，这背后，智能体平台的发展方向起了关键作用。 多次入选行业知名报告，例如中国信通院“AI Agent智能体产业图谱（2025）”、融中2024-2025年度智能体领域创新领军企业”等。 显然，这场变革不会淘汰人类，而是淘汰那些不懂与智能体协作的人。真正的职场竞争，不在岗位本身，而在思维方式：你是被AI管理的人，还是能管理AI的人？
48210编辑于 2025-11-04 多 Agent 协作：如何终结智能体的“死循环”？
对于习惯了强类型、高并发且追求确定性的 Go 开发者来说，多 Agent 系统中的非确定性协作往往是最大的挑战。 如果输出不符合规范，由框架层（而非协作 Agent）进行拦截和重试，避免因为理解偏差导致的无效沟通。 这些参数的本质就是给 AI 协作加上“熔断器”。 写在最后 多 Agent 协作系统中的死循环问题，本质上是分布式智能系统在缺乏中心调度时的自发性混乱。 随着 Agentic Workflow 的不断成熟，未来的编排框架（如 LangGraph 的图形化控制）将内置更智能的冲突仲裁器和死循环自动识别引擎。
26010编辑于 2026-05-08- 来自专栏AI科技评论
异构智能体自主协作，大模型扮演了什么角色？
懂所思、知所能、行所意，是大模型驱动多智能体协作的主要能力。 智能体可赋予大模型物理实体，使其具备与真实物理世界感知交互的能力。 针对该问题，李学龙团队提出了多智能体闭环反馈的任务协作机制，以实现异构智能体在任务执行层面的自主协同。 在多种智能体集群协作过程中，智能体首先会向任务语义解析模块报告子任务执行状态，形成任务分配与执行动态闭环，实现任务目标导向的智能体高效协同。 可以看到，通过大模型调度多种智能体自主协作，大模型具备了对无人机集群、机器狗、机械臂等智能体的真机协同控制能力。 智能体可赋予大模型物理实体，使其具备与真实物理世界感知交互的能力。 同时，该研究也将促进异构智能体之间协作的自主性和流畅度，对人工智能在灾难救援、工业生产等复杂场景下的灵活应用具有重要意义。
1.1K70编辑于 2023-09-07 智能体来了：提示词，人机协作新时代的“核心代码”
前言：AI正在从单纯的“聊天机器人（Chatbot）”向能够自主使用工具、执行复杂任务的“智能体（Agent）”进化。在这个新阶段，我们与AI的交互方式发生了根本性变化。 在智能体时代，提示词是你将脑海中的业务逻辑、背景信息和预期结果，翻译成AI能够精准理解的“指令集”。你不再是与一个知识库对话，而是在编排一个工作流。 二、智能体交互逻辑：结构化与思维链驾驭智能体，要求我们的提示词必须具备更高的结构化能力和逻辑引导能力。1.结构化框架(BROKE)在Typora中我们使用标题分层，写提示词同样需要清晰的层级。 （AI可能只给一个笼统的总结）智能体指令：“请作为一名资深数据分析师。 后者就是在为智能体“编排”SOP（标准作业程序）。三、未来核心竞争力：做“发号施令”的人AI技术在飞速迭代，但“懂人话”的AI不等于“懂业务”。未来的工作模式将是“人类领航+智能体执行”。
44621编辑于 2025-12-30Agent智能体如何彻底颠覆人机协作的底层逻辑
Agent智能体如何彻底颠覆人机协作的底层逻辑摘要：本文深度解析Agent智能体技术如何重构人机协作范式。 你将获得：1）基于LangChain的Agent完整实现方案；2）智能体在客服/研发场景的落地方法；3）性能对比数据证实响应速度提升400%；4）人机协作从“指令执行”到“认知协同”的范式迁移路径。 这次事件让我彻底意识到——基于预设规则的人机协作模式已走到尽头。二、Agent智能体技术解析2.1什么是Agent智能体？ 六、人机协作模式演进6.1传统模式vs智能体模式展开代码语言：TXTAI代码解释graphTBsubgraph传统模式A[人类]-->|固定指令|B[自动化工具]B-->|机械执行|C[输出结果]endsubgraph 如果多个智能体协作时产生决策冲突，仲裁机制该如何设计？
34310编辑于 2026-02-09OpenClaw 多智能体（Multi-Agent）并行协作完全指南【架构】
它允许你创建一个主智能体（MainAgent），由它来指挥多个**子智能体（Sub-agents）**并行工作。主智能体（你/指挥官）：负责拆解任务、分配角色、统筹结果。 子智能体（专家/执行者）：每个子Agent拥有独立的人格、独立的任务目标、甚至独立的模型配置。它们互不干扰，并行运转。想象一下这个场景：你要写一份《2026年AI趋势报告》。 2.2异构模型协作（HeterogeneousModels）这是最强大的功能之一。你可以为不同的任务分配最适合的模型：复杂推理任务：分配给思考型模型（如o1,R1等），让它慢慢想，追求深度。 第六章：未来展望与人机协作新范式多Agent不仅仅是一个功能，它代表了人机协作的未来形态。 群体智能涌现：当多个不同视角的Agent互相辩论、协作时，往往能产生超越单个Agent的洞见，这就是群体智能的魅力。第七章：立即行动——你的第一次多Agent实验光看不练假把式。
1.3K10编辑于 2026-04-29WorkBuddy 实战：AI 智能体如何助力商务文档处理与协作
作为一名商务技术人员，日常工作中经常需要处理大量的PDF商业计划书、生成会议纪要、并将文档上传到云端协作平台。传统方式需要手动阅读、整理、排版，耗时费力。 本文将分享如何利用WorkBuddyAI智能体工作台，通过自然语言指令完成商务文档的全流程处理，大幅提升工作效率。一、WorkBuddy是什么？ WorkBuddy是腾讯推出的AI原生桌面智能体工作台，核心特点：✅自然语言驱动：无需编程，用中文描述需求即可✅多模型支持：混元、DeepSeek、GLM、Kimi等主流模型✅文件操作能力：读取/生成Word 积分有效期新用户赠送的5000积分有效期仅90天记得及时使用，过期作废六、效果对比方式耗时质量适用场景手动处理2小时高简单文档WorkBuddy5分钟高常规商务文档节省时间95%--七、总结WorkBuddy作为AI智能体工作台 ，在商务文档处理场景中具有明显优势：效率高：自然语言指令，无需手动操作质量好：AI自动排版，格式规范协作强：一键上传云端，团队实时协作成本低：免费积分足够日常使用推荐工作流：PDF/Word文件→WorkBuddy
67330编辑于 2026-05-11- 来自专栏NLP/KG
【四】多智能体强化学习（MARL）近年研究概览 ｛Learning cooperation（协作学习）、Agents modeling agents（智能体建模）｝
behaviors（行为分析)_、Learning communication（通信学习）｝ 【四】多智能体强化学习（MARL）近年研究概览 ｛Learning cooperation（协作学习）、Agents （通信学习） Learning cooperation（协作学习） Agents modeling agents（智能体建模） 下面我将分别按照时间顺序对这四类算法中的一些典型工作进行详细讨论。 3.协作学习 此类工作并不显式地学习智能体之间的通信，而是将 multi-agent learning 领域的一些思想引入到 MARL 中。 ，MADDPG 算法假定每一个智能体拥有自己独立的 critic network 以及 actor network，并且假定每个智能体拥有自己独立的回报函数，这样 MADDPG 算法就可以同时解决协作环境 智能体建模 这一类方法主要聚焦于通过对其他智能体的策略、目标、类别等等建模来进行更好的协作或者更快地打败竞争对手。
1.6K20编辑于 2022-12-21 🤖 Build Your Own 智能体编排 — 从 Agent 到多 Agent 协作
一句话：从零搭建一个支持「单Agent对话→工具调用→多Agent协作」的智能体编排框架，把"一个人干活"变成"一群人分工"。Part0·缘起：为什么需要智能体编排？ 这就是智能体编排（AgentOrchestration）要解决的核心问题：内容生产流水线（Pipeline）热点发现→资料搜集→文章创作→多语言翻译→多平台发布→知识归档Agent①Agent②Agent③Agent④Agent⑤Agent⑥ │└──────────┬────────┘│││多语言稿││└────────────┬────────┘││发布结果│└──────────┬───────┘│▼✅全自动完成本文目标：从零搭建一个智能体编排框架 设计哲学：三阶进化智能体编排不是一步到位的。 Part2·DesignDeepDive：智能体编排的设计模式2.1三种协作模式模式示意适用场景流水线PipelineA→B→C→D创作流程、审批流程扇出Fan-out/inA→(B1∥B2∥B3)→C
25510编辑于 2026-05-23智能体来了·智创未来：AI 智能体重构人机协作与治理新模式
智能体来了·智创未来：AI智能体重构人机协作与治理新模式当人工智能从单一模型演进为具备持续行动能力的智能体，技术带来的影响不再局限于效率提升。 AI智能体正在进入人类决策与协作体系的核心位置，智能体来了·智创未来，意味着人机关系与治理逻辑的系统性重塑。 与传统人工智能相比，AI智能体更强调与人类的协作关系。这种协作并非简单分工，而是通过智能体承担重复性和规则性任务，让人类专注于判断与创造。 三、支撑协作的智能体核心能力要实现高效的人机协作，智能体需要具备一整套关键能力体系：上下文理解能力智能体能够理解任务背景和目标约束，避免脱离实际场景的决策。 四、智能体在产业协作中的现实应用在数字经济环境下，智能体正在多个场景中重塑协作方式：企业组织协作：智能体参与项目管理、数据分析和流程协调，提高团队整体效率。
29110编辑于 2026-01-31- 来自专栏DeepHub IMBA
使用LangGraph从零构建多智能体AI系统：实现智能协作的完整指南
每个智能体在其专业领域内表现卓越，通过协作产生协同效应。 构建研究助手多智能体系统 本节将通过构建一个AI研究助手展示多智能体系统的实际应用。 该系统通过专门化智能体间的分工协作处理复杂研究主题，实现主题研究、信息验证和综合报告生成的完整流程。 系统架构设计 首先建立多智能体系统的基础架构。 智能体协作流程编排 系统通过逻辑工作流连接各个智能体，每个智能体的输出成为下一个智能体的输入： # 定义工作流序列 workflow.add_edge(START, "researcher") 总结 多智能体AI系统代表了人工智能应用架构的重要演进方向。通过将复杂任务分解为专门化智能体的协作模式，我们能够构建出性能更优、可维护性更强的AI系统。 现在正是开始探索和实践多智能体架构的最佳时机——技术工具已经成熟，应用需求日益明确，市场机遇前所未有。让我们共同迎接AI协作系统的崭新时代。 作者：Ritik----
1.4K10编辑于 2025-08-20 《深耕QClaw协作逻辑，构建无误解的智能体沟通体系》
很多人以为多Agent协同的瓶颈是算力或者模型能力，其实真正拖垮整个系统效率的，是那些看不见摸不着的沟通误解。两个看似都很聪明的Agent，可能会因为对同一个词的不同理解，在同一个问题上反复拉扯几个小时，最后产出一堆毫无价值的内容。这种情况在复杂任务中尤为常见，尤其是当任务需要多个Agent分工合作、信息传递链条较长的时候，任何一个微小的误解都会被无限放大，最终导致整个任务彻底偏离预期。我见过太多人兴冲冲地搭建了多Agent团队，结果运行不到三天就彻底放弃，不是因为Agent不够聪明，而是因为它们根本听不懂彼此在说什么。
20610编辑于 2026-04-26- 来自专栏实验盒
MultiMol：协作式专家智能体驱动的药物分子多目标优化
近日，来自浙大的研究团队提出了一个名为 MultiMol 的协作式大语言模型系统，通过双智能体协同工作显著提升了多目标分子优化的性能。 MultiMol 的技术框架：双智能体协作模式 为应对上述挑战，MultiMol 系统引入了创新的双智能体协作框架，将数据驱动生成与知识引导筛选深度融合。 筛选机制：构建线性评分函数，对工人智能体生成的候选分子进行评估，筛选出最优解。 实例应用：在优化水溶性任务中，研究智能体自动识别并应用“引入 -NH2 基团降低 LogP”的规则。 方法：工人智能体生成候选分子，研究智能体识别并引入大体积疏水基团，靶向 A1R 受体特异性残基 T270。 结语 MultiMol 通过双智能体协作模式，将数据驱动的分子生成与文献知识的智能筛选相结合，尝试突破多目标分子优化的传统瓶颈。
53010编辑于 2025-03-13 《给OpenClaw装上多模态感知，打造专属端侧智能协作体》
这不仅从根源上解决了数据隐私与响应延迟的问题，更关键的是，它让多模态代理能够真正深度融入用户的本地工作环境，成为一个无缝衔接的智能协作伙伴，而非一个必须联网才能使用的远程工具。 在教育场景中，多模态代理可以成为一个个性化的智能学习助手，能够根据每个学生的学习进度、知识水平和学习习惯，提供定制化的学习内容和辅导服务。 多个多模态代理之间还可以进行安全的本地协作，共同完成更加复杂的任务，进一步提升工作的效率和质量。 OpenClaw的本地端侧架构和模块化技能体系，为构建多模态AI代理开辟了一条全新的技术道路，它打破了云端大模型对多模态智能的长期垄断，让每个用户都能够拥有一个完全属于自己的、私密的、可控的多模态智能伙伴 它将会在办公、教育、创意、医疗、工业等各个领域发挥越来越重要的作用，为用户带来更加智能、更加便捷、更加个性化的使用体验，推动AI技术向着更加普惠和更加安全的方向发展。
19510编辑于 2026-05-05- 来自专栏AI智能体从入门到实践
构建AI智能体：从单体智能到群体智能：A2A协议如何重塑人机协作新范式
什么是A2A协议定义阐述：Agent-to-Agent协议的标准化通信框架核心特征：松耦合、可发现、自描述、可组合的智能体交互模式核心组件： 服务发现机制：通过标准端点实现代理能力的自动识别任务描述语言 A2A协议的生态系统价值互操作性：不同厂商、不同技术的代理无缝协作可扩展性：新代理服务的即插即用式集成维护性：独立部署、升级不影响整体系统运行三、单智能体决策系统 这是一个基于天气条件自动决定篮球会议是否举行的智能代理系统 -05-08") # result = meeting_agent.schedule_meeting("2025-05-10") print("篮球安排结果:", result)四、多代理协作系统基于以上示例扩展为多代理协作系统 系统特点1.1 多代理协作架构BasketBallAgent (协调者) ├── WeatherAgent (天气查询) ├── VenueAgent (场地管理) ├── CalendarAgent 这个演进过程不仅仅是技术栈的升级，更是思维模式的根本转变——从追求单体智能的极致性能转向构建智能体间的协同生态。
72242编辑于 2025-12-10 - 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
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。 事实上，这种限制恰恰塑造了我们与模型高效协作的方式。 它要求我们必须像一位严谨的导演，在有限的舞台上，精准地布置场景和道具。 构建长文本示例让我们创建一个模拟的长文档，包含多个章节：# 构建一个长文档（约2000字，模拟长上下文）long_document = """第一章：人工智能发展简史人工智能的概念最早可以追溯到1950 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。 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。
1.2K33编辑于 2026-01-20 - 来自专栏数据猿
Day 2 | 智能体浪潮已至：WAIC 2025预演人机协作新未来
本届大会最引人注目的趋势，是大量为解决特定商业问题而生的AI智能体和数据智能体（Data Agent）的涌现。 智能体终端时代加速到来： 从单一形态到泛终端矩阵 不仅是软件层面，越来越多的智能体终端开始涌现，而且智能体终端已经突破单一手机物理形态，形成了无人机、智能眼镜、人形机器人、智能汽车等泛终端矩阵，以专业化 、垂直化的形态渗透至生活全维度，形成人机协作的新范式。 这种人机协作的新范式也延伸到了我们的出行空间。阶跃星辰与吉利汽车联合发布的下一代智能座舱操作系统AgentOS，旨在将汽车座舱打造成“第三生活空间”。 通过双臂协同控制技术，机器人双臂能够无缝配合、高效协作，泛化抓取不同材质、形状、尺寸的物体。 智能体时代的机遇与未来： 人机协作新蓝海 AI智能体的大规模涌现，预示着一个万亿级市场的诞生 。
30610编辑于 2025-10-21 - 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。 A2A框架提供了标准化的通信协议、消息传递机制和协作模式，使智能体能够像人类团队一样协同工作，解决单个智能体难以处理的复杂问题。二、智能体的特征和类型1. 智能体的特征智能体是A2A框架中的基本单位。 智能体发现与能力匹配：在智能体网络中寻找具备所需能力的参与者，评估各智能体的当前负载、历史表现和信誉度。协作模式选择：根据任务特性、参与智能体关系和环境条件选择最合适的协作模式。 经验学习与更新：总结协作经验，更新智能体的知识库和策略。阶段5：协作终止与总结释放所有分配的资源生成协作总结报告更新智能体信誉和性能记录归档协作过程和结果数据2. 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。
2.2K21编辑于 2025-12-09 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
46911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