- 综合排序
- 最热优先
- 最新优先
南通大学附属医院“通小安”AI Agent：两周内实现公众号资产激活与就医全流程覆盖
构建全周期嵌入的AI服务Agent 为解决上述非医疗类沟通供给短缺，南通大学附属医院与腾讯健康合作，将“通小安”AI Agent作为医院的新同事进行建设，而非单纯的新系统开发。 “通小安”具体功能与指标表现： 能力模块 关键功能点 业务价值指标 就医智管家 挂号→报到→检验→取药全程陪诊指引 日均使用人数显著提升 智能意图识别 鉴别诊断式追问，精准匹配科室 科室引导准确率高水平达标 口语化解释异常 降低医生重复解释工作量 药品服务 拍药盒识别、相互作用查询（如阿司匹林与华法林钠风险监测） 降低用药咨询压力 诊后管理 自动生成复诊计划（如消化道出血患者7天复查提醒） 提升复诊依从率 “通小安 业务深度融合： 提供了导诊、预问诊、报告解读等标准化的产品组件，使得AI能够真正嵌入挂号、就诊、取药、复诊的真实业务流程，而非流于表面的交互。 权威数据支撑： 结合医典权威百科与院内真实数据，确保AI生成内容的专业度，辅助医生决策，提升开发效率与医疗安全。
700编辑于 2026-06-12首个高考Agent「AI高考通」，上线！
今年，志愿填报这场硬仗，QQ浏览器陪你打——QQ浏览器推出行业首个高考Agent「AI高考通」，基于腾讯混元大模型能力，提供权威、个性、智能的一站式志愿填报服务。 能去哪、适不适合、值不值得报，「AI高考通」陪你搞定。//信息太多？找不准自己的位置？直接问AI就行以前填志愿，信息散、资料杂，家长和考生常常要打开十几个网页、翻几十页PDF，才能搞懂一个问题。 这时，AI高考通会调用权威高考知识（如中国教育在线或各省招生考试院官网内容），快速给出清晰、准确、能听懂的回答。信息查得差不多了，接下来就是判断自己在什么位置，有哪些可能性。 AI高考通就能自动生成涵盖了冲稳保三个梯度的个性化志愿方案：冲一冲：分数略高的理想校；稳一稳：精准匹配分数的安全梯队；保一保：确保不落榜的最后防线。 QQ浏览器AI高考通还在考前和考中阶段为考生提供了多项实用服务，比如AI解题答疑、AI作文辅导、历年真题资源、智能估分与日程提醒等等，帮助广大考生考前精准提效，考中稳定发挥。
1.9K40编辑于 2025-05-26南通大学附属医院联合腾讯健康，15天敏捷部署全周期就医Agent“通小安”
医院决策层判定，这本质上是服务供给问题，而非单纯的医生个人问题，亟需通过引入 AI Agent 填补业务流程中的供给缺口。 依托微信生态构建“诊前-诊中-诊后”全周期AI同事 为盘活医院公众号沉睡资产并提升服务转化率，南通大学附属医院引入腾讯健康开放AI能力，将“通小安”定位为能上岗的AI同事，而非孤立的新系统。 该 Agent 全面接通本院号源、医生排班与知识库，实现三大核心场景的业务介入： 诊前（问得到）： 将导诊台从线下大厅平移至微信端。 依托平台标准能力确立低门槛服务触达 选择腾讯健康作为底层AI引擎的核心驱动力在于其极低的部署与使用门槛： 微信原生体验： Agent 深度嵌入医院现有微信公众号就医流程，患者无需下载独立APP或切换界面 我们决定用AI agent，把这块供给缺口补上。”
000编辑于 2026-06-12腾讯健康开放AI能力：构建医院Agent与微信用户健康服务的流转通路
医院数字化瓶颈：从“用上AI”到“用好AI”的跨越难题 当前医疗机构虽然已覆盖智慧就医服务，但面临应用深度不足的挑战。 开放平台赋能：打造医院专属Agent与全周期健康管理 腾讯健康通过开放平台提供 标准化、即插即用的AI能力，采用“辅助医院”与“普惠用户”的双轨合作模式： 技术解耦与快速对接： 应用逐步与模型解耦，支持 医院专属Agent建设： 助力医院打造专属数字人形象（如南通大学附属医院的“通小安”），贯穿诊前（智能导诊、预问诊）、诊中（用药计划）、诊后（报告解读、复诊提醒）全流程。 量化效能提升：运营指标与用户体验数据 基于现有合作案例的应用现状，关键业务指标如下： 用户活跃度： 南通大学附属医院“通小安”上线后，实现 日均使用人数达2周低成本对接 后的显著增长。 客户实践：南通大学附属医院“通小安”落地 南通大学附属医院 作为合作方，利用腾讯健康开放能力打造了自有微信就医助手 “通小安”： 全流程整合： 将报告解读、导诊等场景整合进微信就医流程，实现 主动通知与留存召回
1000编辑于 2026-06-1279%搞AI-Agent只有2%跑通：企业落地到底卡在哪了？
2026年，AI Agent成了企业圈最热的话题。 根据QubitTool最新调研，79%的企业已经启动了AI Agent部署，市场规模飙升至187亿美元。 但有一个数字更扎心：真正跑通的，只有2%。 剩下77%的企业，要么卡在Demo阶段，要么上线后发现ROI覆盖不了成本，要么被安全、合规、遗留系统卡死。 今天，咱们就来拆解：这77%的企业到底卡在哪了？ ▪ 陷阱1：为了AI而AI，没有明确痛点 最常见的错误：老板说"我们也搞个AI Agent吧"，然后技术团队就开始折腾LangChain、CrewAI。 结果呢？ 四、从Demo到生产，最佳实践 那2%跑通的企业，做对了什么？ ▪ 1. 小切口进入 不要一开始就想做"全能Agent"。 优先选择：高频、高价值、边界清晰的场景。 等到2028年，AI Agent会像现在的SaaS一样普及，那时候再入场，就只能做跟随者了。 79%的企业已经入局，你呢？ 总结 AI Agent不是玩具，是工具。
29010编辑于 2026-05-09腾讯健康AI Agent：贯穿诊前诊中诊后，提升就医效率与健康管理依从性
医院线上服务普及与AI应用瓶颈 三级医疗机构智慧就医服务已广泛覆盖，但医院面临从“用上AI”到“用好AI”的运营挑战。 开放AI能力构建双向服务枢纽 腾讯健康通过开放平台，双向赋能医疗机构与个人用户： 辅助医院：提供标准化AI能力，帮助医院快速搭建专属医疗Agent。 普惠用户：在微信生态内提供个人健康Agent，成为随身健康助手。 量化提升诊疗效率与患者管理效果 诊前智能导诊科室推荐准确率提升至90%，问题解决率提升至79%（来源：腾讯健康内部数据）。 南通大学附属医院实现轻量化AI升级 案例：南通大学附属医院接入腾讯健康开放平台，打造自有微信就医助手“通小安”。 来源：2026腾讯云AI产业应用大会，腾讯健康用户平台总经理吴志刚演讲材料。
200编辑于 2026-06-12- 来自专栏白话互联
【Ai Agent】Ai Agent News | 9月11日速递
今天是9月11日星期四，让我们一起来看看今天 Ai Agent 带来的 AI 领域的重要动态吧！ *角色定义*：明确AI Agent在企业中的定位和职责 *数据整合*：确保AI Agent能够访问高质量的相关数据 *行动规划*：设计Agent能够执行的具体任务和流程 *反馈机制*：建立持续学习和优化的闭环系统 AI Agent，但未来将是多Agent流程的天下 这一工具代表了从传统工作流自动化向AI增强流程的重要转变，为企业提供了更灵活、更智能的自动化解决方案。 AI Agent时嵌入运行时安全，为AI原生开发提供更可靠的安全保障。 文章提到，代理式AI应用正在兴起，例如德勤的Zora AI Agent和普华永道的Agent OS平台正在重塑内部工作流程。
38810编辑于 2025-09-17 75%的企业在追 AI Agent，真正跑通的没几家——聊聊 Agentic AI 落地这半年
上个月帮一个客户搞 AI Agent 的 POC，场景不复杂，就是把几个内部审批流程串起来，让 Agent 自己跑。结果折腾了三周，最后跟客户说：东西能 demo，但离上生产还差十万八千里。 Agent 能跑几天甚至几个月了，你信吗 先说技术面。2026 年的 AI Agent 跟 2024 年那会儿的 "套壳 chatbot" 已经完全不是一个物种了。 但是—— 80% 的企业应用里都嵌了 Agent，可只有 41% 到了生产 Gartner 的数据说 2026 Q1 更新或发布的企业应用里，80% 至少嵌了一个 AI Agent。听着吓人。 从我自己的观察来看，跑通的团队有几个共性： • 先搞编排，再加 Agent。 共享注册表、hand-off 模式这些基础设施先搭好，别一上来就堆 Agent 数量。 这些场景如果能跑通，ROI 是指数级的。但跑通的前提是你愿意重新设计工作流，而不是在老流程上叠一层 Agent。
300编辑于 2026-06-12- 来自专栏服务端技术杂谈
AI Agent搭建
一个普遍的误区是，认为工具越多Agent能力越强，但其实这会给Agent有限的上下文与决策系统带来巨大的认知负荷。 正确的思路是，少即是多。 这本质上，是将部分Agent的规划责任，前置到工具的设计当中，是一种责任转移的思路。 当工具库膨胀之后，命名混乱与功能重叠，会让Agent无所适从，通过命名空间来组织工具。 需要打磨工具的描述，因为这些描述是Agent理解工具的唯一信息来源。 工具描述，应将所有隐含的知识显性化、力求清晰、无歧义。 结构化命名，相当于为Agent提供了一张清晰的地图，帮助在正确的场景下，快速定位合适的工具。 同样，工具返回给Agent的内容质量，远比数量更重要。 因为Agent比人类更擅长理解的的内容，也是人类可读的、具有意义的文本，这些高质量内容，可以显著降低Agent在检索任务中的幻觉。 Agent与工具的交互，本质上是一个持续对话场景。
47710编辑于 2026-03-11 - 来自专栏C语言
【AI】Chat or Agent ？
随着生成式AI技术的不断进步，关于其未来发展方向的讨论也愈发激烈。究竟生成式AI的未来是在对话系统（Chat）中展现智慧，还是在自主代理（Agent）中体现能力？这一问题引发了广泛的讨论和探索。 一、生成式AI在对话系统（Chat）中的发展方向 1. 多模态对话系统 2.1 语音交互 对话系统将整合语音识别和生成技术，使用户能够通过语音与AI进行对话，同时AI可以通过语音反馈，提供更加自然的交互体验。 二、自主代理（Agent）的发展方向 1. 自主决策和执行能力 1.1 环境感知 自主代理通过传感器和数据分析，实时感知周围环境的变化，从而做出适应性决策。 伦理与政策 随着生成式AI的广泛应用，伦理问题和政策法规将变得越来越重要。如何确保AI的公平性、安全性和隐私保护，将是未来发展的重要课题。 总的来说，生成式AI的未来充满了无限可能。
44510编辑于 2024-12-11 AI Agent 简介
在当今科技浪潮中，人工智能（AI）深度融入生活与工作的背后，AI Agent（智能体） 是支撑从对话助手到自主任务程序的核心概念——它不是单纯的聊天工具，而是能像数字员工一样接任务、拆步骤、执行动作的自动化实体 ，只要任务可拆解为操作流程，就能被 AI Agent 接管。 Agent 与传统 AI 模型的区别 维度 传统 AI 模型 AI Agent 交互方式 单次输入输出 多轮对话、持续交互 决策能力 基于输入直接推理 规划、反思、迭代优化 工具使用 无法主动调用外部工具 AI Agent 构成：像人一样思考与行动 一个功能完整的 AI Agent 通常模仿人类的认知和行动循环，包含以下几个关键模块： 1、规划模块：任务的大脑与指挥官 这是 Agent 的思考中枢。 多个 Agent 可以协同工作，类似一个团队： AI Agent 的主要类型与应用场景 根据其复杂度和自主性，AI Agent 可以分为不同类型，应用于各种场景： 类型 特点 应用场景举例 单一任务
66310编辑于 2026-04-24- 来自专栏企鹅号快讯
2018新年致辞：为什么 AI能给中小安防企业带来新机会？
我本来也想按这思路辞旧迎新，但今年的情况与往年大不相同，明年安防行业将进入技术转型期，是中小安防企业发展壮大的机遇期。 面对这么一个巨大的市场空间，无论是大安防企业、中小安防企业还是非安防企业他们的机会基本相同。大安防企业较中小安防企业有一定的优势但非常有限。安防企业对非安防企业也就是略有优势。 我认为AI与安防的融合，给中小安防企业带来了发展壮大的新机遇，这是由AI的特点所决定的。AI统称人工智能，其核心是机器视觉，机器视觉的核心是机器能够完全正确的看懂视频信息。 这就意味着在AI核心技术方面，大的安防企业与中小安防企业的机会是均等的。市场竞争的是谁能最快最好将这些技术落地转换成产品。 ）是中小安防企业2018年主要工作方向。
1.2K50发布于 2018-01-10 AI Agent Skill 科普
经常使用AI的你是否遇到过这样的情况： 让AI写一篇文章，它直接生成了一篇完整内容，完全跳过了你想先讨论选题的环节。 让AI分析数据，它编造了一些不存在的数据点，让整个分析结果变得不可信。 让AI帮忙写代码，它每次都要你重新说明代码风格和命名规范。 这些"不可控"的行为，让很多人对 AI 不能完全放手去用，今天，我就来详细聊聊AI Agent Skill 这个让AI变"听话"的工具。 什么是AI Agent Skill？ 简单来说，Skill就是AI的能力说明书和工作手册。 它不是复杂的代码，而是结构化的知识文档。 实战案例解析 写作Agent Skill 以我使用的写作Agent为例，核心架构是： 两层判断机制 先判断工作区（公众号/视频/技术文档等） 再判断任务类型（新写作/修改/审校等） 9步写作流程 从理解需求到最终交付的完整流程 总结 AI Agent Skill不是什么复杂的技术概念，它就是一种让AI更听话、更实用的方法。 通过结构化的规则和流程，Skill解决了AI"不可控"的核心问题。
1K20编辑于 2026-03-10浅谈AI agent项目
此文主要讲解ai项目集成心得体会个人感觉ai项目与正常开发并无太大区别，你可以理解为就多了一些依赖引入，多了些编码的固定格式。主要涉及几大板块区别，一个是模型引入，即你想使用什么LLM作为基座。 第一个模型引入，简单来说就是需要接入我们的大语言模型，作为我们整个agent项目的衔接。 但他常涵盖一套操作，就是我们调用外部的其余api的一个规范化（基于agent的），此处说的其余api其实描述是不大对的但你可以看做类似的这种操作。只是调用api是单次的，一问一答。
19320编辑于 2026-04-13- 来自专栏人工智能领域
AI Agent 介绍（130）
二、AI Agent的基本概念 什么是AI Agent AI Agent，即人工智能代理，是一种能够自主地在特定环境中感知、学习、决策并行动的计算机系统。 三、AI Agent的类型 AI Agent可以根据其决策和学习机制的不同，被分为几种主要类型： 基于规则的AI Agent 基于规则的AI Agent（Rule-based AI Agent）是最早和最简单的 学习型AI Agent 学习型AI Agent（Learning AI Agent）能够从经验中学习，并根据环境反馈调整其行为以提高性能。 解释性差：相比于基于规则的Agent，其决策过程可能难以解释。 混合型AI Agent 混合型AI Agent（Hybrid AI Agent）结合了基于规则和学习型AI Agent的特点。 七、AI Agent的案例研究 成功的AI Agent实例分析 1. BetterYeah AI x 添可AI客服项目 添可的“AI客服助手”展示了AI Agent在客户服务领域的应用。
2.8K11编辑于 2024-12-18 AI Agent + 数据工程
AI Agent的出现，正在从根本上改变数据工程师的工作方式，甚至重新定义这个职业的边界。 从堆人到提效 提到AI Agent，很多人的第一反应是又一个大模型概念。 海内外市场的不同路径 有意思的是，AI Agent在数据工程领域的落地，海外和国内走的是完全不同的路。 海外市场的特点是生态成熟，分工明确。 数据Agent的阿喀琉斯之踵 如果说AI Agent给数据工程带来了什么新问题，准确率绝对是最大的那个。 在数据领域，准确性就是生命线。 一个数字算错了，决策就可能走偏。 一家做数据Agent的创业公司分享了他们的应对策略：选择容错度高的场景切入，比如数据开发——改错了可以重跑，而不是直接做生产决策；建立反馈循环，让AI记住用户的修正，通过不断迭代提升准确率；把SQL生成转化为参数填充 结语 数据工程遇上AI Agent，不是一场突如其来的革命，而是水到渠成的演进。 那些还在用老办法堆人的团队，也许该停下来想一想：未来的数据工程师，需要具备什么样的新能力？
31310编辑于 2026-02-28什么是 AI Agent？
这就是AI Agent（智能体）带来的未来。 什么是 AI Agent？ 与传统AI系统不同，AI Agent具备自主决策能力。你只需要给定一个目标，它就能够独立思考并规划如何达成这个目标，调用各种工具完成任务。 AI Agent如何工作？ 专业领域：在医疗领域，AI辅助诊断Agent能自动生成精准诊断报告；在工业领域，AI Agent可用于质量检测和设备维护。 写在最后 随着技术发展，AI Agent将更加智能化和专业化。未来我们可能会看到： 个性化Agent：根据用户习惯定制的个人助理。 专业领域Agent：针对特定行业的专业智能体。 多Agent协作：多个Agent协同工作，形成复杂的智能网络。 AI Agent代表了人工智能从“被动工具”到“主动助手”的重要进化。
1.4K10编辑于 2025-12-29Agent真的卷疯了，AI办公Agent也来了。
海外版网址在此：https://skywork.ai/ 国内版网址：https://www.tiangong.cn/ 他们的首页是这样的。 我们可以直接让AI，来帮我们处理表格数据。 也可以直接，说出你的要求，让他基于全网的信息给你做筛选，最后屯到表格里。 它甚至会单独帮你开几个sheet，给你准备好，视觉的可视化。 价格上，海外版价格在大部分的同类型Agent产品中，价格算中档。 但是坦诚的讲，相比于大家日常用的非Agent的AI产品，会贵一些，毕竟整体Agent算力消耗在这。 MCP地址：https://mcp.so/server/skywork-super-agents/Skywork-ai 就，我还是想说句佩服的。 你能从每一个细节中感受到，这还是一群真心想让AI好用的人，在用工程师的方式，尝试解决我们每天办公里的小痛点。 昨天，Google已经手起刀落，开始在重构自己的搜索引擎。
75010编辑于 2025-05-2379%的企业在搞AI Agent，跑通生产环境的只有2%——2026年Agentic AI到底卡在哪了？
79%的企业在搞AIAgent，跑通生产环境的只有2%——2026年AgenticAI到底卡在哪了？大家好，我是摘星，今天我们来拆解一下2026年最热的技术赛道——AgenticAI的落地现状。 MCP的架构分三个角色：Host（宿主）：发起连接的AI应用（比如ClaudeDesktop、Cursor）Client（客户端）：宿主内部的MCP客户端，负责与Server通信Server（服务端）： 模型层：Agent时代对模型的新要求2026年的基座模型已经不仅是"回答问题的能力"在竞争了，更关键的是工具调用精度和长程规划能力。智谱AI在2026年3月发布的GLM-5.1是一个很好的例子。 第三阶段：选择编排框架，实现单Agent循环用LangGraph或CrewAI实现一个单Agent的工作流。先不要考虑多Agent协作，把"规划→执行→反思→重试"这个循环跑通。 但那个"79%vs2%"的数据始终提醒我们：技术能力不等于工程能力，Demo跑通不等于生产可用。
84710编辑于 2026-04-20- 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。 娱乐：游戏 AI： 在游戏中扮演各种角色，例如敌人、队友、NPC 等，提高游戏的可玩性和挑战性。内容创作： 能够生成文本、图像、音乐等内容，例如写小说、作诗、绘画等。 一些具体的例子：谷歌 DeepMind 的 AlphaGo： 击败了人类围棋冠军，展示了 AI 在复杂决策领域的强大能力。亚马逊的 Alexa： 能够通过语音指令控制家电设备、播放音乐、查找信息等。 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。
1.7K10编辑于 2024-12-23
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