融合“人·时·地·事”空间知识与环境感知,依托大模型实现LBS场景下的意图识别、行为预测与主动规划。三大核心场景:智能导航+智能规划+智能搜索,让出行更聪明、生活更轻松! 五大服务优势: 一、多种方式,灵活调用:支持多种调用方式:sdk, API, A2A协议 ; 二、简洁入参,开箱即用:调用简单,输入Query及位置信息 ; 三、复杂世界理解引擎:聚焦LBS多场景垂类Agent , 理解复杂的真实世界 ; 四、个性化精准推荐:基于高德生态用户画像,精准个性化理解与智能决策 ; 五、时空模型,自动执行:自动意图识别、主动执行工具调用,模型总结回复 。
几秒后,高德地图的「小高老师」——业内首个专精「出行与生活」的智能体,便悄然展开一条长线,串起那些被时间和记忆刻画的亮点。 高德称这次更新为「全面 AI 化」,实际上重写了系统底层秩序—— 「小高老师」的身后,是一套全球首发的时空感知多智能体协作系统 ST-MAC 。 时空感知多智能体协作系统(ST-MAC)架构图。底座上,支持这一整套智能体架构的高德和通义共建大模型簇,由多模态空间感知、行为认知、时空意图理解、总结输出交互和反馈观测评估等多个专业模型构成。 以通义大模型簇为核心的自研技术,让高德的智能体拥有从感知、理解、规划、行动、交互到学习的全链路能力。 高德用「群体智能」的新范式,将出行服务引入多智能体协同的时代。
2025年6月5日,高德地图旗下高德开放平台正式发布智能眼镜解决方案,标志着其在空间计算与智能穿戴领域的技术创新迈入新阶段。 通过深度场景化的Agent能力,高德智能眼镜解决方案实现了本地生活服务与导航功能的深度融合:一方面,它可提供深层次结构化信息查询服务,涵盖用户评分、榜单排行、门票价格、开放时间等多维度内容;另一方面,依托智能语音交互系统 除了导航与生活服务融合,高德在空间感知领域同样构建了卓越的技术壁垒。 不可否认,高德与行业伙伴的战略合作为智能眼镜解决方案的研发与优化提供了重要支持。 高德持续推进智能穿戴设备领域的技术创新,基于强大的大数据处理能力,正同步助力智能穿戴生态系统的全面升级,包括智能手表解决方案的建设。
2025年5月16日,高德地图与Rokid宣布达成合作,将共同推出基于全场景智能眼镜Rokid Glasses的全球首个导航智能体(NaviAgent)应用,标志着高德Planner-Executor架构即将开启跨终端合作部署 ,逐步构建起环绕出行和位置服务的空间智能生态体系。 携手共建,智能眼镜导航新生态高德地图作为专业领先的出行和位置服务解决方案提供商,长期致力于以技术为本,为用户打造一张高效精准、便捷丰富的“活地图”。 高德地图CEO郭宁认为,导航智能体作为高德AI战略的最新实践,标志着出行服务从软件功能驱动,向空间智能驱动的结构性跃迁。 未来,随着模型底座能力与数据、场景的不断提升和丰富,高德地图将与Rokid这样的优质合作伙伴,持续拓展智能眼镜领域的服务边界,探索空间智能的想象空间。
一方面是利用大数据让“路活”,地图数据采集从传统采集到智能采集。高德地图副总裁董振宁介绍说,升级后将使地图的静态数据实现动态更新,地图数据每一刻都不一样。 高德地图副总裁董振宁介绍说,升级后将使地图的静态数据实现动态更新,地图数据每一刻都不一样。 董振宁称,正在采取一种全新的方式做地图,数亿的高德用户每天使用地图和导航服务,加上阿里巴巴大数据中的运单数据、物流数据、外卖数据等等,还有来自于高德服务的移动应用及政府交管的大数据,所以哪里的道路变化了 在用户行为、场景细分和用户偏好的基础上,高德地图开始尝试实现“千人千面”的服务模式。 此次高德升级“活地图”,也使其通过大数据打造“城市交通大脑”又迈进了一步。
基于高德MCP2.0的智能旅游攻略系统设计与实现1. 本系统通过Web端可视化界面与高德地图API深度集成,能够一键生成专属地图,并结合实时路况为游客提供最优路线规划。 1.1 系统核心功能可视化地图生成:在Web端直观展示旅游路线和景点分布高德地图APP深度集成:实现一键跳转和路线同步智能行程规划:根据用户偏好自动生成每日行程实时路况优化:动态调整路线避开拥堵多端同步 总结与展望MCP2.0旅游攻略系统通过深度集成高德地图API,实现了从静态攻略到动态智能规划的转变。 参考资料高德地图开放平台Vue.js官方文档MongoDB官方文档Web GIS原理与应用旅游路线规划算法研究10.
作为阿里巴巴AI能力与生态协同的重要成果,夸克AI眼镜深度融入阿里生态:搭载Qwen大模型与夸克最新AI技术,支持高德导航、支付宝看一下支付、淘宝比价,并联合飞猪旅行、阿里商旅推出航班与火车行程的实时动态提醒 以高德导航为例,夸克AI眼镜应用高德开放平台的智能眼镜解决方案,通过定制近眼显示导航系统,直接链接高德导航生态场景,把路线“投”在眼前:路口转弯、距离提示、实时路况等抬头就能看清,视线不用离开前方,全程解放双手和低头动作 未来,夸克与高德地图将继续深化合作,推动这一智能眼镜导航解决方案在更多场景中的应用。 从日常通勤到城市探索,从公共交通到旅游出行,夸克 AI 眼镜将携手高德地图,与行业伙伴共同探索智能导航的无限可能,为用户打造更安全、更便捷、更高效的出行方式。 夸克AI 眼镜与高德地图的联合创新,不仅为智能眼镜行业注入了新的活力,也为整个出行生态带来了颠覆性变革。
AI Agent飞速发展,让智能体具备真实空间感知能力,已成为开发者核心诉求。但繁琐的API鉴权、数据清洗、界面自动化崩溃等问题,严重拖累开发效率,成为空间智能领域绕不开的共性痛点。 为打破传统地图服务对AI Agent发展的束缚,我们推出高德开放平台CLI,旨将复杂地图能力封装为AI Agent能够轻松理解与调用的高效工具。 一、产品介绍 高德开放平台 CLI 是一款专为 AI Agent 量身打造的命令行工具。 通过高德开放平台 CLI,AI Agent 能够以更直接、更灵活的方式调用高德地图的强大能力,实现对地图的智能化操控。 2、AI Agent 处理: Agent 理解用户的意图,借助高德开放平台 CLI SKILL 技能包,调用相应的高德开放平台 CLI 指令。
一、前情概要 前面有两篇文章分别讲了高德API的使用和MCP的详细说明,今天正好基于此做一个智能的旅游攻略助手,旅游是生活中习以为常的事情了,短期近程、长期远程,规划是个很重要的事情,我们或多或少的经历过旅游过程中的各种不好的体验 二、技术融合 Codebuddy MCP与高德地图的结合,为旅游攻略系统带来了革命性的改变。 五、高德地图API集成 地理智能层在基础地理编码之上,增加了景点边界识别、游览区域划分、最佳观景点计算等高级功能。例如系统能自动识别西湖景区的核心游览区与周边辅助区域。 第四步:结果展示 将优化结果以多模态形式展示给用户,包括可视化地图、详细时间轴、景点介绍等,提供完整的旅行规划解决方案。2. :讲高德地图的MCP直接复制进去即可,注意key要替换成我们自己申请的key,保存后左侧会生成高德的MCP服务,并展示工具集:这样,Codebuddy的MCP服务就配置好了;2.1 导航路线规划
摘要:本文深入探讨基于Assistant框架实现的高德地图智能助手的优化版本,从配置解耦、错误处理、性能优化到安全设计等维度,揭示其技术架构与工程实践。 一、引言:智能助手的需求与挑战 在位置服务日益重要的今天,高德地图智能助手需要具备快速响应、精准查询、灵活扩展等能力。传统实现常面临配置管理混乱、错误处理薄弱、API调用效率低等问题。 """基于 Assistant 实现的高德地图智能助手 优化版本改进: 1. 配置与代码分离 2. 更好的错误处理 3. 性能优化 4. 更安全的API密钥管理 5. resource_root: str = os.path.join(os.path.dirname(__file__), 'resource') class MapAssistant: """高德地图智能助手封装类 '你应该充分利用高德地图的各种功能来提供专业的建议。' '回答要简洁明了,重点突出。'
本次合作,将雷鸟创新的 AR 空间计算技术与拥有近 10 亿月活的国民级 APP高德的本地生活能力进行深度融合,推动 AR 眼镜从“极客玩具”向“全能生活伙伴”跃迁。 高德地图依托雷鸟AR眼镜特有的第一视角交互与空间感知优势,将深耕多年的本地生活服务能力注入雷鸟智慧生活,对其服务链路进行了系统性重构。 不仅融入了高德开放平台LBS Agent和AR沙盘导航,更将高德现象级的“扫街榜”和即时响应的“周边快搜”等多项快捷能力,搬进了您的视野。 从“人找信息”到“服务找人”,高德 Agent 让意图秒变行动依托于高德开放平台LBS Agent,眼镜能够理解用户随口说出的导航或搜索等模糊意图,并结合用户的习惯、位置和需求,主动推荐解决方案方案或行程规划 未来,高德地图与雷鸟创新还将持续深化合作,探索 AR+AI+LBS 的创新组合,为用户带来更加智能的空间交互体验,让 AR 服务融入大众日常生活每一刻。
在制造业向智能化、数字化深度转型的浪潮下,传统工厂面临着生产效率瓶颈、空间管理混乱、安全管控滞后、运维成本高企等诸多痛点。 基于此,作为空间智能应用的先行者与视频孪生技术的首倡者的智汇云舟融合视频孪生与空间智能的双轮驱动智慧工厂解决方案应运而生,通过“虚实映射”与“空间决策”的深度协同,重构工厂运营管理体系,为制造业高质量发展注入核心动能 二、核心技术架构:分层协同,筑牢智能化底座解决方案采用“感知-建模-分析-应用”四层架构,各层级深度融合视频孪生与空间智能技术,确保系统的稳定性、扩展性与智能化水平。 (三)分析层:空间智能赋能,实现智能决策分析层是解决方案的“大脑核心”,核心依托空间智能技术,对孪生体中的多源数据进行深度分析与智能决策。 该解决方案以精准的虚实映射、智能的空间分析、全场景的应用落地,为制造企业破解转型痛点、提升核心竞争力提供了有效路径。
二、双轨制解决方案:节点化思维链与Skills经验库JBoltAI的Agent设计思路围绕两大核心组件展开:节点化思维链和Skills经验库。 智能体在接收新任务时,首先在经验库中进行意图匹配搜索,若匹配到高置信度的经验,则将其作为强指导提示注入到大模型的思考过程中,确保主干流程的稳定性与准确性。 高确定性流程由节点化思维链处理,实现快速、精准的反射式响应;中低确定性任务则由Skills经验库指导,进行有指导、高效率的创造性工作;全新未知问题则启动智能体的原生自主规划能力进行探索,并将成功方案沉淀为新的经验 JBoltAI的Agent设计思路标志着AI应用从展示性的“智能阶段”迈入了可承担关键责任的“智慧阶段”。 通过双轨制解决方案,JBoltAI成功地将不确定的“模型智能”转化为可管理、可迭代、可信任的“企业智慧”,让AI真正成为业务流程中既强大又可靠的数字员工。
近年来人工智能技术突飞猛进,越来越多的机器人正在走进我们的世界。与人类一样,机器人在执行日常任务时往往需要具备一定的空间物理推理能力。 分享主题:应用于智能体(Agent)的空间物理定性推理技术 分享提纲: 1. 空间物理推理为什么重要 2. 空间物理推理的背景与现状 3. 定性空间物理推理的未来 4. 在机器人领域的实践 (Dorabot 相关) 雷锋网 AI 研习社将其分享内容整理如下: 我们本次的主题为:智能体(Agent)的空间物理推理。 智能体,英文名是 Agent,它可以使用一些人工智能算法做一些事情,通过它自己的感知、规划与环境进行交互。空间物理推理,指的则是通过我们观测到的空间和物理信息推出一些有用的信息。 首先是它的计算复杂性非常高,举几个例子: 第一个跟踪光线。
(涵盖日常巡视、事件研判、警力布控、应急处置、实战指挥等核心环节),依托空间智能赋能的视频孪生技术,打造 “1+1+1+N” 的视频孪生智慧城市一张图的视频孪生智能体,凭借空间智能对全空间要素的精准解析能力 系统方案功能1、构建视频孪生城市一张图依托实景孪生平台,融合空间智能技术能力,综合运用城市 GIS 数据、三维模型数据、监控视频数据、物联感知数据、智能分析数据等多源数据,打造智慧城市指挥舱,实现城市的实景孪生一张图管理 3、城市事件风险预警识别处置系统与 AI 识别、周界告警、定位系统等子系统对接,借助空间智能的空间定位与态势研判能力,将各类风险预警事件与三维场景和视频监控等相关系统联动,实现在城市实景三维场景中对防区分布 5、城市道路交通数智化管理接入了城市双智交通数据,依托空间智能的多源数据融合分析能力,对最大车流量和最大排队长度进行实时感知。 6、城市态势分析系统通过接入实时热力数据,运用空间智能的空间分布与趋势预测算法,实现了片区内实时热力图和人员密度热力信息的展示。
这也是为什么有些开发者会选择重写框架的一部分功能 —— 比如 LangGraph 中的 create_react_agent —— 以获得更好的控制能力。 CrewAI 是一个高抽象层的框架,可以隐藏底层细节,帮助你快速构建智能体系统。 AutoGen 则专注于构建自治、异步的智能体协作系统,智能体可以根据需要自由协作——这使它更适合用于测试和研究。 想了解哪些模型适合作为基础 LLM,你可以参考 Hugging Face 的 Agent 排行榜。为了让智能体在多轮调用 LLM 时保有短期记忆,所有框架都会使用状态管理(state)。 最后,几乎所有框架都支持: 异步调用 结构化输出 流式输出 可观测性(日志、追踪、监控等) 这些都是现代 Agent 系统的重要组成部分。 一些框架没有的功能 框架在某些方面的支持存在差异,例如对多模态输入、记忆机制和多智能体系统的支持。有些框架内建了解决方案,而有些则需要你自己动手“接线”。
面向高维数据的智能特征选择AI Agent的自适应优化方法在当今大数据与人工智能的浪潮中,如何高效地处理和分析高维数据成为亟待解决的重要问题。 近年来,AI Agent 的引入为特征选择提供了全新的解决思路。作为一种自主决策与学习的智能体,AI Agent能够在复杂的特征空间中通过探索与反馈优化选择过程,从而实现智能化的特征筛选与组合。 引言在大数据和人工智能时代,高维数据分析逐渐成为科研与工业应用中的核心任务。然而,高维特征空间往往带来“维度灾难”,不仅增加了模型训练的复杂度,还可能导致过拟合、计算效率低下和模型泛化能力下降。 全局优化能力:结合进化算法、群体智能等优化手段,实现全局特征选择。AI Agent驱动的特征选择框架框架设计环境(Environment):高维数据集,定义状态为空间(特征子集)。 AI Agent作为智能化特征选择的重要工具,将在高维数据分析中发挥越来越关键的作用。
Yang, Ju Huang, Yan Zhang, Jiamang Wang, Yong Liu, Yinfeng Huang, Tucheng Lin, Xin Li, Ning Guo 机构:高德地图 关键词:STAgent、复杂时空推理、智能体框架、环境 - 数据 - 训练、级联训练、工具交互、强化学习 摘要 本文提出了STAgent(spatio-temporal agent),这是一款专为时空理解打造的智能体大语言模型 A: 论文通过 “环境 - 数据 - 训练” 三位一体的系统性方案,精准破解真实世界时空推理的核心痛点,实现 “专用能力深耕 + 通用能力保值” 的双重目标,具体解决方案如下: STAgent 框架 一 高德Agnet沙箱环境的工具库 二、打造高价值时空推理数据集 提出 “种子驱动演化(Seed-Driven Taxonomy Evolution)” 层次化意图分类体系,通过 “人工种子初始化→LLM 意图分类系统的可视化分类体系 30个地理空间领域细粒度问题难度分布情况 三、设计难度感知级联训练范式(SFT-Guided RL) 1.
各家 MCP Server 解决方案的激烈竞争面对 Data Agent 时代的巨大机遇,各大数据库厂商纷纷推出了自己的 MCP Server 解决方案。 企业级特性方面:缺乏细粒度的权限管理、缺乏完整的审计日志、缺乏数据脱敏功能、缺乏高可用性保障。 在 Data Agent 时代,显然这是一个过渡性的解决方案,缺乏长期的竞争力。 Apache Doris MCP Server 代表了企业级智能数据治理平台的最高水准,它是目前唯一真正为 Data Agent 时代设计的 MCP Server 解决方案。 未来展望:Data Agent 时代的无限可能在 Data Agent 时代,数据不再是静态的资产,而是由动态的智能体驱动,产生大量企业价值的高价值资源,基于 Doris MCP Server 为企业提供了完整的智能数据处理解决方案
12月9日,腾讯云与高灯科技正式签订战略合作协议,双方将围绕腾讯云费控、智能票夹、发票邮箱、票据核验、智能开票、电子会计档案六大产品,共同打造腾讯云智能票财税解决方案,从企业财税基础建设到服务运营,全场景满足企业管理需求 腾讯云AI计算机产品中心总经理王磊与高灯科技高级副总裁杨光进行签约 腾讯云战略合作总经理兼华北渠道总经理庆雪辉和高灯科技联合创始人兼总裁张民遐共同见证 腾讯云携手高灯科技,打造智能票财税新生态 数字经济是社会大势所趋 在此背景下,腾讯云和高灯科技云上联合,基于各自优势能力,全面推进业务、票据、财务、税务一体化数字转型进程,持续为企业提供专业化、标准化服务。 六大产品全面聚焦,合力打造全场景企业服务 腾讯云智能票财税解决方案基于腾讯智能票据识别技术、多票识别技术、自动验真等核心技术,合力打造全场景企业服务。 腾讯云智能开票,是基于标准API接口,支持全场景下企业销项业务一键开票。 腾讯云电子会计档案,是基于政策驱动下打造的完整闭环的企业电子会计档案管理解决方案。