- 综合排序
- 最热优先
- 最新优先
- 来自专栏AIGC新知
扣子上线模型管理和智能体评测，智能体更强更好用啦
扣子悄咪咪上线了模型管理和智能体评测两大模块，模型管理其实就是上一个版本的模型商店，智能体评测是新的一个功能。 模型管理 一、支持不同的模型选型。 目前支持不同种类的模型选型。 三、模型微调 部分模型支持微调，基于基座大模型，构建自己的微调数据集，训练属于自己的专业大模型。（没有训练过） 但是，这个更新，在我看来，对于构建垂直智能体很有意义！ 一个该领域的专家模型，将意味着构建出来的智能体相比超级大模型更加聪明。 智能体效果评测 一个问题：什么样的智能体算是一个优秀的智能体？ 扣子基于此，为每个智能体进行评测，为每个智能体构建领域评测数据集，设置不同的评测规则进行评估。 一、选择评测对象 选择已经发布的正式版智能体。 此处将会调用裁判模型，花费一定的模型token（火山点数）。 其实扣子的多智能体跳转里面也有这种类似的跳转判断模型。 评测结果如下：4 今天的体验就到这里了，晚安（bushi）。
2.3K10编辑于 2024-12-20 - 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。 ，但是从我个人的使用经验来看，使用多家不同的模型，效果会更好。 我想可能是因为每一家的算法架构、训练过程和训练数据都不一样，所以最终的效果也是不一样的，使用不同的模型可以获取更大的多样性，在经过最后的总结，效果会比较好。 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。
82410编辑于 2025-02-11 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 timestamp': datetime.now().isoformat(), 'source': 'TechCrunch' } 自然语言处理层 通过预训练模型进行文本分析
35310编辑于 2025-12-172026 智能体元年：从模型能力竞赛，到系统级智能落地
从2026年开始，行业关注的已不再是“更聪明的模型”，而是更可靠、更可控、更可协作的智能系统。 二、Agent的成熟：从对话工具，走向工作流执行者2026年成为AI元年的第二个关键原因，是智能体（Agent）第一次具备了可规模化的工作能力。 2️⃣企业落地的现实选择在真实工程中，从零构建Agent系统意味着：高昂的工程成本复杂的上下文管理工具权限与安全设计长周期的不确定性验证三、计算重心转移：端侧模型与垂直智能的崛起2026年的第三个显著变化 年的共识是：大模型负责通用能力，小模型负责专业交付。 当AI不再频繁登上头条，而是像电力、云计算一样，默默嵌入每一个业务流程时，真正的智能时代，才刚刚开始。
54721编辑于 2026-01-21- 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
一、前言 随着智能体技术的迅猛发展，各个企业不断扩展其应用场景，满足日益增长的用户需求。百度推出的“文心智能体大赛”正是为了激发开发者的创新潜力，推动智能体技术在各个领域的实际应用。 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。
87610编辑于 2024-06-07 - 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）
从软件工程的角度看来，智能体是一种基于大语言模型的，具备规划思考能力、记忆能力、使用工具函数的能力，能自主完成给定任务的计算机程序。 图 1. 智能体的开发框架 现在（2024 年 5 月）如果你想要开发一个 AI 智能体，已经比大模型爆发的初期方便太多了，随着 AI 应用需求的持续火热，智能体框架层出不穷。 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。 下图的左侧是多智能体的协作流程，右侧是单智能体的工作流程。 图11 展望 随着大模型的百花齐放，LLM 会支持更长的上下文、更大的参数规模，其推理能力也会愈发强大。 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 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。 【心枢 AI】五层进化模型全解析️ 导言：这不是工具组合，而是系统进化如果把 AI 学习比作筑城，大多数人是在收集砖块（工具），而我们要做的，是设计一套城市运行作系统。 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
langchain 概述 langchain是LLM与AI应用的粘合剂，是一个开源框架，旨在简化使用大型语言模型构建端到端应用程序过程，它也是ReAct(reason+act)论文的落地实现。 上图中，左边是各种各样的大模型，右边是各种实际的应用，而langchain是它们之间连接的桥梁。 上图是langchain的工作方式 是解决大模型各种问题的提示词工程方案之一。 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。 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1 图2 新范式的产生 因此，利用大型语言模型的优势，研究人员目前正在探索一种新的范式，从解决有限的预定义问题的独立模型，转向结合多个工具或专家模型，以解决复杂的开放性问题。 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。
69230编辑于 2023-09-09 迈向智能体时代：Gemini 2.0 AI模型技术详解
介绍Gemini 2.0：面向智能体时代的新AI模型Demis Hassabis 和 Koray Kavukcuoglu 代表 Gemini 团队撰写在过去一年中，人工智能领域继续取得了令人难以置信的进展 游戏及其他领域的智能体Google DeepMind拥有利用游戏帮助AI模型在遵循规则、规划和逻辑方面变得更好的悠久历史。 例如，就在上周，推出了Genie 2，这是一个可以从单张图像创建无尽多样可玩3D世界的AI模型。秉承这一传统，我们已利用Gemini 2.0构建了能够帮助您导航视频游戏虚拟世界的智能体。 坚信，构建AI的唯一方法是从一开始就负责任，并将继续优先考虑将安全和责任作为模型开发过程的关键要素，同时推进模型和智能体的发展。 Gemini 2.0、AI智能体及未来今天的发布标志着Gemini模型的新篇章。
30910编辑于 2026-01-20- 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 AI智能体+大模型产品经理实战营（2025）
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” 关键成功要素场景深度融合：AI智能体需与物流业务紧密结合。例如，顺丰针对“航空异常调度”场景，训练AI智能体识别延误原因并自动生成应对方案，使调度响应时间缩短60%。 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。 垂直领域知识服务：法律、编程等高门槛领域涌现出专业AI智能体。
63910编辑于 2025-11-24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 像是一个个插头，可以随时插拔LLM（大模型） 大脑Agent的大脑，负责理解用户意图、进行推理决策。常用模型如 qwen-turbo、GPT。 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 像是一个个插头，可以随时插拔 LLM（大模型） 大脑 Agent的大脑，负责理解用户意图、进行推理决策。常用模型如 qwen-turbo、GPT。 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 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 6.2简单适配个性化需求（低门槛）大模型微调：通过企业/个人知识库上传，让大模型适配专属需求（如上传公司产品资料，让大模型成为智能客服）；智能体配置：在Coze等平台，通过可视化操作给智能体添加“工具” 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。 官方技术文档Coze（扣子）《智能体落地实践白皮书》核心关键词AI（人工智能）、大模型、智能体、FoundationModel、Agent、人机协同、AI应用场景、大模型微调、智能体闭环逻辑
71821编辑于 2026-01-21- 来自专栏一点人工一点智能
CVPR 2025 | Magma：多模态AI智能体的基础模型
这种"三位一体"的设计理念使Magma区别于传统的视觉-语言模型(VL模型)，具备了真正的空间-时间智能(spatial-temporal intelligence)。 作者特别强调，Magma是首个能够在数字和物理环境中同时处理多模态输入理解、动作基础与规划，并适应下游未见任务的基础模型，这一创新定位为其在AI智能体领域确立了独特地位。 他们将现有研究划分为三大类：大型多模态模型(LMMs)、数字世界中的UI智能体以及机器人领域的视觉-语言-动作(VLA)模型，这种分类方式本身就反映了当前多模态AI研究的三个主要方向。 对于UI智能体，论文系统比较了两类方法：直接预测下一个动作的端到端模型(如Pixel2Act、WebGUM)与利用现有多模态模型(如GPT-4V)的方法，这种对比分析为Magma在UI任务上的创新提供了理论铺垫 问题形式化部分给出了智能体π的数学定义(公式1)： ，其中输出O可以是语言token或空间token。
63410编辑于 2025-06-13 《深度揭秘：解锁智能体大模型自我知识盲区探测》
当面对超出其训练数据边界和固有知识范畴的问题时，智能体大模型往往会陷入困境，却浑然不知，这便是知识盲区带来的隐患。 如何构建能够自动发现自身知识盲区的智能体大模型，成为当下人工智能领域亟待攻克的前沿难题，它关乎着智能体大模型能否真正实现从“智能助手”到“可靠伙伴”的跨越。 元学习能够帮助智能体大模型学会如何学习，使其在面对新问题时，快速调整学习策略和知识运用方式。 这样，智能体大模型在不断的学习和试错中，逐渐强化对自身知识边界的感知能力。知识图谱技术也为智能体大模型探测知识盲区提供了有力支撑。 然而，要实现让智能体大模型具备高效、准确的自动知识盲区发现能力，仍然面临诸多挑战。
32900编辑于 2025-05-23- 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。 1 大模型下的异构智能体协同 人工智能场景分工趋向细化，探索 AI 工程化路径中，大模型控制智能体是大势所趋。 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。 该成果是大模型算法和智能体硬件交叉的创新性研究，实现了用更自然、更直观的方式进行多种智能体集群控制，降低了人机交互的门槛。 比如，智能体可能需要为大模型寻找甚至生成更好的训练数据，这个过程中我们要确保智能体的行为符合伦理，不侵犯人类隐私。 第四是新型智能体设计。
97670编辑于 2023-09-07 首个智能体模型实测：产品、开发、运维“全包了”
比起榜单排名，让我们更感兴趣的是——GLM-4.5是专为智能体应用打造的基础模型，首次在单个模型中实现将推理、编码和智能体能力原生融合，不再满足于扮演一个被动回答问题的“聊天机器人”，而是要成为能够理解复杂目标 这个Demo可能是GLM-4.5完成的最出色的任务，在界面上清晰描述了智能体的功能，并贴心地加入了隐私提醒。效果怎么样呢？ Demo 7：荒岛求生游戏提示词：设计一个“荒岛求生游戏”，用户输入想要的资源和技能，智能体生成一系列求生任务和情境，用户通过与系统的互动解决困境。 一些思考作为基座模型的GLM-4.5，同时扮演了产品经理、程序员和测试运维的角色，通过在一个模型中实现多种能力的融合，很大程度上简化了搭建智能体的工程难度，进一步拉低了智能体的应用门槛。 2、智能体竞赛的逻辑即将重构，从“系统拼装”向“模型驱动” 转变。过去智能体竞赛的焦点在于能否将不同的组件、工具和技术有效地集成到一起，更多依赖于工程实现，而非模型本身的创新。
40800编辑于 2025-07-31AI智能体开发：让大模型从“能说”到“会做”
智能体开发的核心不是“造新模型”，而是“用好现有大模型”。 基础大模型（比如GPT、文心一言）已经掌握了海量知识，我们不用重复训练，关键是解决三个问题：让它知道“做什么”、学会“怎么干”、能应对“突发情况”。第一步，明确目标与边界：给智能体定“任务清单”。 第二步，工具调用：给智能体装“手脚”。大模型本身不会直接操作软件、查询数据库，这就需要给它对接各种“工具”——比如查询库存的数据库接口、发送通知的短信API、整理文档的办公软件插件。 ，智能体先让大模型识别出“需要查库存”，再自动生成查询数据库的SQL语句，拿到结果后再翻译成自然语言回复用户。这里要注意工具的兼容性，不用追求“高大上”，能稳定调用、数据准确比什么都重要。 其实AI智能体开发，本质是“技术落地的思维”——不用纠结底层模型的复杂原理，而是聚焦“用户需求”和“实际场景”，把大模型的知识转化为可执行的行动。
49010编辑于 2025-11-24
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