- 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。 ：1️⃣ 低代码/无代码路径（适合业务人员、快速验证）代表工具：Coze（扣子）特性说明定位"白宝箱"，即开即用适用人群业务人员、产品经理、运营人员技术门槛无需编程基础开发速度分钟级搭建应用场景自媒体文案批量生成 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
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。 低代码/无代码路径（适合业务人员、快速验证） 代表工具：Coze（扣子） 特性 说明 定位 "白宝箱"，即开即用 适用人群 业务人员、产品经理、运营人员 技术门槛 无需编程基础 开发速度 分钟级搭建 内置丰富工具和模板 快速验证业务想法 降低AI应用门槛 2️⃣ 专业开发路径（适合开发者、深度定制） 代表框架：LangChain 特性 说明 定位 大模型应用开发框架 适用人群 开发者、技术团队 技术门槛 需要编程基础 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
86310编辑于 2026-03-03 Claude Agent Teams：多智能体协作编程的新范式
引言：AI编程助手的演进之路 Claude Agent Teams作为一项实验性功能，代表了AI辅助编程从单点智能向群体智能的重要演进。 虽然Agent Teams仍处于早期阶段，但其展现的协作潜力为探索新的编程工作流提供了可能性。 未来发展方向 尽管当前存在限制，Agent Teams的发展前景令人期待： 功能完善：解决当前的稳定性和兼容性问题 智能任务分配：更智能的负载均衡和任务分配算法 丰富协作模式：支持更多样化的团队协作模式 成本优化：通过技术优化降低Token消耗 结语：拥抱多智能体协作的未来 Claude Agent Teams代表了AI辅助编程的下一个前沿——从工具到团队，从单点智能到群体智能。 当你准备好探索多智能体协作的可能性时，Claude Agent Teams就在那里，等待着与你一起探索编程的新可能性。
1.4K20编辑于 2026-03-10- 来自专栏程序小小事
JetBrains IDEs GO AI：最新coding agent，更智能的编程助手！
作为一名资深码农，我一直期待着有更智能、更高效的工具来提高开发的工作效率，并为开发带来更多乐趣，从而让自己从枯燥的CRUD中解放出来！ 最新的编码代理 Junie，会和AI Assistant一起，为我们的AI编程添砖加瓦！ Edit模式：等同cursor的manual模式，这里会修改代码，需要用户确认 Chat模式：等同cursor的Ask模式，可以任意对话 那 JetBrains AI assistant 的agent去哪里了 提示词也遵循这一原则： 我想开发一个AI智能订火车票app，现在需要输出原型图，请通过以下方式帮我完成app所有原型图片的设计。 成果展示 最后 AI 正在彻底改变软件开发，并将在可预见的未来继续继续改变编程的方式。
63910编辑于 2025-04-24 - 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 - 来自专栏周末程序猿
谈谈 `AI Agent`（智能体）
是不是现在智能体很多，所有的工作都用智能体来解决？ 智能体适合那些传统的、确定性的、基于规则的方法难以处理的工作流，所以对于能通过一些确定性编程或者流程就能解决的，其实不太需要智能体。 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。 """ # 模拟知识库搜索（实际应用中可接入向量数据库或搜索引擎） knowledge_base = { "python": "Python是一种高级编程语言，以简洁易读著称 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
79710编辑于 2026-01-06 - 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！
10820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。
24.1K11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。
87610编辑于 2026-01-18 - 来自专栏新智元
微软官宣All in智能体，SWE Agent首曝光！奥特曼预警2025编程巨变
开年智能体大爆发，AI自动化软件工程已成为不争的事实。 就在今天，纳德拉官宣，GitHub Copilot将all-in智能体，微软自主的SWE智能体首次亮相。 如前所述，此次更新的最大亮点推出了Agent模式（预览版）。在这个模式下，Copilot展现出惊人的自主能力。 这个场合，就轮到Agent模式出场了。 它最擅长的是推理和迭代整个项目，并且执行重复的操作。 可以看出，Copilot Agent自主更新了服务器后端、UI，主动修复错误。 想要用上Copilot agent新功能，需要下载VS Code Insiders，然后启用GitHub Copilot Chat智能体模式设置。 Altman谈到：「到2025年底，AI将变得更加智能，尤其是在软件工程领域。我们将看到一个更加智能的编程环境，AI将在解决复杂问题时扮演重要角色。」 x上有网友已经开始期待软件智能体时代的到来。
26900编辑于 2025-02-15 - 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。
2.2K20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。
48010编辑于 2025-07-03AI Agent+MCP从0到1打造商业级编程智能体
AI Agent + MCP：从0到1打造商业级编程智能体的终极架构传统的AI编程助手（如Copilot）主要完成“代码补全”工作，它们是被动的。 一、范式转移：从代码补全到智能体驱动开发首先，我们要明确什么是“编程智能体”：代码补全（Copilot模式）： “根据我当前写的代码，预测我接下来要写什么。” 编程智能体（Agent模式）： “帮我创建一个Next.js项目，实现用户登录功能，连接PostgreSQL数据库，并部署到Vercel上。” 三、架构蓝图：构建商业级编程智能体的四个层级让我们自底向上，设计一个可投入实际生产的智能体系统。层级 1: 工具层 (MCP Servers) - “智能体的手和脚”这是智能体与外界交互的基础。 层级 2: 智能体核心层 (Agent Core) - “智能体的大脑”这是智能体的决策中心，一个强大的LLM（如Claude 3, GPT-4）在此运行。
1.1K10编辑于 2025-09-01- 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。
1.4K10编辑于 2024-12-23 - 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 、数据库、知识库、代码编程等等全部集成进去，形成一个稍微复杂一点的流程，完成较为复杂的流程操作。
1K10编辑于 2024-04-03 - 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
1.5K10编辑于 2025-10-20 - 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。
2.7K20编辑于 2025-02-18 - 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
18130编辑于 2026-04-02 - 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。 微软Windows 11深度集成Copilot，昭示着操作系统与智能体融合的未来。软件开发的自动化革命GitHub Copilot X等编程智能体正改变开发者工作模式。 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。
91820编辑于 2025-07-30 - 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。 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。 任务管理器 收到来自 worker_001 的消息: task_response 任务管理器 收到任务完成通知: task_1759064250 结果: 计算完成: 42 (使用 ['Python编程 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。 skills=["Python编程", "数据分析", "机器学习"] ) # 等待一下让注册完成 await asyncio.sleep(0.1) print(
1.5K10编辑于 2025-12-09
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