- 综合排序
- 最热优先
- 最新优先
- 来自专栏AI智能体从入门到实践
构建AI智能体：反应式应急+深思式优化：反应速度与规划智慧的平衡
一、智能体的类型回顾1. 反应式智能体 反应式智能体类似于生物的脊髓反射弧，这种智能体遵循经典的"感知-行动"模型，不包含复杂的内部状态表示，也不进行耗时的推理过程。 深思熟虑智能体 深思熟虑智能体更像人类的大脑皮层，负责复杂的认知活动，这类智能体采用"感知-推理-行动"的循环模式，它拥有丰富的内部世界模型，能够进行符号推理、目标分解和长远规划。 基础介绍 将反应式与深思熟虑智能体结合的核心思想是建立一种分层架构，这种架构模仿了人类处理问题的自然方式：简单、紧急的事务由下意识快速处理，复杂、重要的事务交由深思熟虑来决策。 这种分工协作的架构，使得智能体既具备了应对突发情况的敏捷性，又拥有了解决复杂问题的深思能力。2. 三、智能体的对比特性反应式深思熟虑式混合式响应速度极快慢快慢结合，分层响应决策质量短视、本能深远、战略兼具战术与战略资源消耗低高动态分配，效率更高环境适应性弱强通过持续学习不断增强四、示例：扫地机器人的融合决策
53722编辑于 2025-12-15 - 来自专栏AI智能体从入门到实践
构建AI智能体：智能金融示例分析的两种实现：反应式与深思式实践策略对比
一、项目介绍 前面几篇内容重点讨论了智能体的相关知识点，特别对反应式和深思式做了深入的探讨，今天结合智能金融分析的实例，继续深入探讨基于反应式与深思熟虑式两种架构的实现方式，重点讨论两种架构的设计理念 当前市场波动较大，建议定投方式分批布局；配置股票基金比例不宜超过资产的50% 生成方式：Qwen大模型 + 规则引擎快速响应 响应时间：< 2秒 温馨提示：以上建议仅供参考，需谨慎4.18 代码整体运行流程四、深思熟虑式智能顾问 核心特征 深思熟虑式架构基于BDI（信念-愿望-意图）智能体模型，强调深度推理、多轮分析、个性化服务。这种架构将顾问视为一个具有内部认知状态的智能体，能够进行复杂的推理和规划。 代码分解说明4.1 整体概述"""基于Qwen的深思熟虑型智能顾问"""深思熟虑架构：基于BDI（信念-愿望-意图）模型，进行多阶段深度推理五阶段处理：用户理解→市场分析→策略生成→风险优化→个性化建议容错机制 "long_term" and planning_depth == "comprehensive": use_deliberative_architecture() 六、总结 反应式与深思熟虑式智能顾问架构代表了
68021编辑于 2025-12-16 - 来自专栏AI智能体从入门到实践
构建AI智能体：深思熟虑智能体：从BDI架构到认知推理的完整流程体系
一、什么是深思熟虑的智能体 当我们谈论一个决策是深思熟的，我们指的是这个决策经历了深度的思考过程,不仅仅是快速的反应，而是包含了分析、推理、权衡和规划的复杂认知活动。 同样，在人工智能领域，深思熟虑的智能体（Deliberative Agent） 是指能够进行复杂推理、规划未来行动、并基于内部状态和外部环境做出决策的智能系统。 与简单的反应式智能体不同，深思熟虑的智能体具备：维护内部状态：记住历史交互和当前信念进行深度推理：基于现有信息进行逻辑分析和推断制定复杂计划：规划多步行动序列以实现长期目标反思和学习：从经验中总结教训并调整策略权衡决策 ：在不同选择间进行利弊分析与简单的反应式智能体相比，深思熟虑智能体更像人类的思考过程：反应式智能体：感知 → 行动深思熟虑智能体：感知 → 推理 → 规划 → 决策 → 行动 → 反思二、深思熟虑的核心要求要实现真正的深思熟虑 智能体核心循环深思熟虑智能体的工作流程是一个持续的循环：流程说明：1. 开始循环：启动或重新开始智能体的思考-行动循环2. 感知环境：从外部环境获取新信息，接收传感器数据、用户输入等3.
56821编辑于 2025-12-13 - 来自专栏AI前沿技术
智能体｜ AI coding 协作式编程
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。
1.2K30编辑于 2026-03-10 - 来自专栏AI智能体从入门到实践
构建AI智能体：反应式智能体：基于感知-行动，AI世界的条件反射
一、初识反应式智能体 前一篇我们详细了解了深思熟虑智能体，今天我们讨论智能体的另一种类型，反应式智能体，想象一下，当我们的手不小心触碰到一个滚烫的杯子时，我们会瞬间缩回。 这种不经过深思熟虑、直接由刺激引发的快速反应，就是反应式智能体的核心思想。 反应式智能体是一种基于“感知-行动”模式的智能系统。 一个简单的比喻：反应式智能体：好比蜜蜂采蜜，蜜蜂看到花朵就飞过去，遇到障碍就转向，整个过程流畅自然深思熟虑智能体：好比棋手下棋，每走一步都需要深思熟虑，考虑各种可能性 这种设计使得反应式智能体在需要快速响应的场景中表现出色 这就是一个典型的反应式过程——快速、直接、不经过深思熟虑，反应式智能体正是将这种模式应用在了机器决策上。三、反应式智能体的架构1. 它的主要局限在于：缺乏长远规划能力，在需要深思熟虑的任务中显得愚蠢。 反应式智能体代表的是一种工程哲学：用简单、可靠、可验证的组件构建复杂的智能系统。
48021编辑于 2025-12-14 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 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
35610编辑于 2025-12-17- 来自专栏新智元
生成式智能体——来自NPC们的独立宣言
生成式智能体来袭，我们是人格独立的NPC！ 游戏里的NPC都见过吧？ 不管NPC是干嘛的，有任务的接任务，没任务的尬聊，他们共同的特点就是——翻来覆去就是那几句话。 这就是斯坦福和谷歌的研究者们在做的事——用人工智能创造出的生成式智能体。 生成式智能体怎么生成？ 这玩意儿的机理其实很简单，用一张图就可以简单进行概括。 最左边的Perceive就像是最开始的输入，智能体开始接收各类信息。 而中间的大框框，就是最主要的部分了，这里揭示了生成式智能体是怎么「生成」内容的，并且自发地走到最后一步「Act」。 生成式智能体最主要的特点就是有个Memory Stream，也就是内存流。 就像上面提到的传统npc，他们的行为和言语都是规定好的，没有自由发挥的空间。 这样，我们就看到了生成式智能体的魅力。 我们可以看到，完全体的生成式智能体（包含观察、思考、计划三部分）的表现要比缺少任何一种、两种的架构表现好得多。
47930编辑于 2023-05-09 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。
32410编辑于 2026-01-24- 来自专栏算法之名
AI智能体
Retrieval Augemented Generation，索引增强式是一种解决预训练语料数据无法及时更新带来的回答内容陈旧的方式。 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 - 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。
94110编辑于 2026-03-03 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。
2.5K21编辑于 2026-03-02- 来自专栏博客专享
CodeBuddy全新升级：体验Craft智能体的对话式编程革命
CodeBuddy最新推出的Craft智能体代表了这一变革的前沿，它将对话式编程体验提升到了全新高度。本文将深入探讨Craft智能体的核心功能、技术实现以及如何利用它来提升开发效率。 图1：传统编程与对话式编程对比示意图 一、Craft智能体核心功能解析 1.1 自然语言理解与代码生成 Craft智能体最显著的特点是能够理解开发者的自然语言描述，并将其转化为可执行的代码。 图2：Craft智能体的上下文感知代码补全功能 1.3 多轮对话式调试 与传统调试工具不同，Craft允许开发者通过对话方式逐步定位和修复代码中的问题。 2.1 系统架构概览 Craft智能体采用分层架构设计，确保高性能和可扩展性： 图3：Craft智能体的系统架构示意图 交互层：处理开发者输入的自然语言和代码 理解层：使用多模态模型解析意图 执行层 参考资源： CodeBuddy官方文档 Craft API参考 GitHub示例仓库 对话式编程研究论文 七、Craft智能体的安全性与合规性 7.1 代码安全扫描集成 Craft智能体内置了先进的静态代码分析工具
1.3K10编辑于 2025-05-20 - 来自专栏林欣哲
人工智能的智能体
今天来谈谈人工智能的研究工作中所做的一些基本的抽象。 一、智能体的概念 人工智能研究的对象称为智能体（Agent），其他的外部条件划归为环境。 智能体做出什么样的反应取决于输入和输出之间的映射关系函数，这个函数就是智能体研究的核心。 编写出智能体的程序则具体实现这个数学意义上的函数。 二、智能体的性能衡量 我们研究智能体是要他能做正确的事，因此需要有一个标准去衡量他的表现，一个合理的智能体会最大化这个期望的标准。 这里要注意一点，我们以最终期望达到的效果来做为衡量的标准，而不要以智能体的行为本身作为标准。 总结，人工智能的研究的期望是实现一个，在给定的每个可能的感知序列下，能做出让期望的性能最大化的行动的理性的智能体。
2K60发布于 2018-04-10 - 来自专栏Go语言学习专栏
7 - AI 智能体构建 - AI 超级智能体项目教程
具体内容包括： AI 智能体概念与特点 智能体实现关键技术 使用 AI 智能体的多种方式 OpenManus 实现原理 自主实现 Manus 智能体 智能体工作流编排 A2A 协议 一、什么是智能体？ 按照自主性和规划能力，智能体可以分为几个层次： 1）反应式智能体：仅根据当前输入和固定规则做出反应，类似简单的聊天机器人，没有真正的规划能力。 23 年时的大多数 AI 聊天机器人应用，几乎都是反应式智能体。 2）有限规划智能体：能进行简单地多步骤执行，但执行路径通常是预设的或有严格限制的。鉴定为 “能干事、但干不了复杂的大事”。 "; } } ReAct 模式 ReAct（Reasoning + Acting）是一种结合推理和行动的智能体架构，它模仿人类解决问题时 ”思考 - 行动 - 观察” 的循环，目的是通过交互式决策解决复杂任务 this.duplicateThreshold; } // 每一步 step 执行完都要检查是否陷入循环 if (isStuck()) { handleStuckState(); } 2）智能体支持交互式执行
65210编辑于 2026-03-17 - 来自专栏WorkBuddy知识库
从理解到行动：生成式人工智能与智能体技术发展沿革
这两条路线奠定了此后数年AI发展的基本格局：BERT路线主导了搜索引擎和语义理解场景，而GPT路线则指向生成式人工智能的未来。 2025年11月，世界互联网大会上，诺基亚贝尔与上汽通用合作的“面向具身智能的生成式智能体仿真训练平台”获奖。 五、未来展望尽管智能体正快速普及，但技术的阴影依然存在。比如说，长程任务的可靠性仍是难题。当任务链条超过200步，智能体的成功率会断崖式下跌到60%左右，错误随步骤累积。 结语从2017年Transformer的奠基，到2022年ChatGPT的全民普及，再到2025年智能体的全面爆发，生成式人工智能走过了极不平凡的八年。 当下一款智能体工具出现在面前时，能否识别它究竟是噱头还是真正的生产力，将决定我们在这个时代的站位。生成式人工智能与智能体的演进，不仅是一场技术变革，更是一场关于“人如何与机器共处”的社会实验。
56410编辑于 2026-03-17 - 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。 **泰式炒河粉 (Pad Thai)**：这是一道非常受欢迎的泰国街头小吃，由炒米粉、豆芽、鸡蛋和虾等食材制成，口味酸甜适中。 4. **泰式炒河粉 (Pad Thai)**：这是一道非常受欢迎的泰国街头小吃，由炒米粉、豆芽、鸡蛋和虾等食材制成，口味酸甜适中。 4.
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 【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。 GPT2Tokenizer.from_pretrained("gpt2-medium") model = GPT2LMHeadModel.from_pretrained("gpt2-medium") input_text = "AI智能体的核心功能包括 分布式训练 分布式训练可加速大规模模型的参数更新，适用于深度学习中参数量庞大的场景（如Transformer、ResNet等）。 常见的分布式训练框架包括： Horovod：基于MPI的高性能分布式训练框架，支持TensorFlow、PyTorch等，适用于多GPU或多节点训练。
36510编辑于 2025-12-17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。 因为[海马体]会把这些信息拦在入口。最后是长期记忆，内存容量有限，所以我们很多时候会借助硬盘的内容，但是所有的计算依然发生在工作记忆当中，只不过多了一个信息检索的步骤。 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 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
21000编辑于 2025-06-05
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