- 综合排序
- 最热优先
- 最新优先
- 来自专栏圣杰的专栏
.NET+AI | Agent | 人机协作（9）
MAF 审批 Agent 实战 一句话简介 通过 ApprovalRequiredAIFunction 为敏感工具加上人工审批环节，快速构建符合企业合规要求的 MAF 人机协作智能体。 添加审批包装 对高风险函数使用 new ApprovalRequiredAIFunction(innerFunction)，Agent 仍像普通工具一样调用，但框架会在真正执行前抛出审批请求。 3. 将这些消息回传给 Agent，直到没有新的审批请求为止。 4. 创建 Agent var agent = chatClient.CreateAIAgent( instructions: "执行转账前必须获得用户确认", name: "BankAssistant 审批循环 var thread = agent.GetNewThread(); var response = await agent.RunAsync(userRequest, thread); var
26910编辑于 2025-12-28 - 来自专栏编程进阶实战
.NET 官方团队发布的 .NET Agent Skills，告别 AI 编程幻觉！
前言 你是否也曾被 AI 编程助手的“幻觉”搞得头疼？ 现在 .NET 官方团队发布了 .NET Agent Skills（dotnet/skills），一套专为 AI 编码 Agent 打造的 .NET 官方技能库（Agent Skills）。 Agent Skills 介绍 Agent Skills（智能体技能） 是一套将专业知识与工作流规范封装为可复用资产的标准化解决方案。 .NET Agent Skills 目前 dotnet/skills 仓库已经涵盖了从核心开发到高性能诊断的多个领域插件： 插件 描述 dotnet 用于处理常见 .NET 编码任务的核心 .NET 技能集合 dotnet-ai 面向 .NET 的 AI/ML 技能：技术选型、LLM 集成、智能体工作流、RAG 流水线、MCP 及经典 ML 与 ML.NET 的结合应用。
75720编辑于 2026-04-15 - 来自专栏圣杰的专栏
.NET+AI | 基于 Microsoft Agent Framework 一步步集成 Agent Skills，让你的 AI Agent 更智能
基于 Microsoft Agent Framework 实现 Agent Skills 集成 引言 随着 AI Agent 技术的快速发展，如何让 Agent 具备可复用、可扩展的专业能力成为一个重要课题 Agent Skills 规范提供了一种标准化的方式来定义和分发 Agent 技能，而 Microsoft Agent Framework (MAF) 则提供了构建 AI Agent 的强大基础设施。 源码已上传至GitHub，文末扫码，加入「.NET+AI 社区群」，即可获取「.NET+AI 公开资料包」。 整体架构如下： 技术栈 目标框架: .NET 10.0 核心依赖: Microsoft.Agents.AI - MAF 核心框架 Microsoft.Extensions.AI - AI 抽象层 YamlDotNet GitHub\\My\\dotnet-agent-skills\\NET+AI：技术栈全景解密.pdf"; var response = await agent.RunAsync($"请将指定目录：{path
1.7K20编辑于 2026-01-09 - 来自专栏圣杰的专栏
Microsoft Agent Framework 1.0 正式发布：Agent Skills 补齐后，.NET AI Agent 开发真正进入工程化时代
Microsoft Agent Framework 1.0 正式发布：Agent Skills 补齐后，Agent 开发真正进入工程化时代 如果你最近在关注微软的 AI Agent 技术栈，这次发布值得认真看 Microsoft Agent Framework .NET 1.0.0 正式上线。 但这远不是Microsoft Agent Framework 的最后一块拼图，随着 AI 的发展，肯定还会有很多的协议和规范将持续落地和集成至框架中去。 从这次 1.0 的收敛路线看，微软正在把 .NET 在类型系统和工程化上的传统优势，迁移到 Agent 时代。 这意味着 .NET 开发者不该只问“会不会被边缘化”，而要问“如何把这些工程优势转化为 AI 时代的系统能力”。
1.3K20编辑于 2026-04-04 - 来自专栏圣杰的专栏
从 MCP 到 Agent Skills，AI Ready 的 .NET 10 正当时
使用 .NET File-Based Apps 编写高效 Agent Skills 脚本指南 前言 AI 工具生态正在经历一场深刻的变革。 AI 友好的代码结构 .NET 的强类型和清晰的语法结构，让 AI Agent 更容易理解代码意图、发现潜在问题、提出改进建议。 3.1 什么是 .NET File-Based Apps？ 生态拓展：.NET 开发者可以将企业实践打包为 Skills，在 AI Agent 生态中展现 .NET 价值，同时 .NET 的实践经验也能反哺 Agent Skills 标准演进。 核心收获 本文从 Agent Skills 规范入手，通过 split-pdf 实战案例，展示了如何用 .NET File-Based Apps 编写高质量的 Skill 脚本，并探讨了其在 AI 时代的应用机遇 开始行动 对于 .NET 开发者：用熟悉的 C# 为 Agent Skills 编写脚本，将专业知识封装为可复用的 Skills，在 AI 时代发挥 .NET 的价值。
1.2K10编辑于 2025-12-28 - 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。
38410编辑于 2025-09-17 - 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。
46710编辑于 2026-03-11 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
58610编辑于 2026-04-24- 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。
43110编辑于 2024-12-11 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。
18220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？
30610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。
72310编辑于 2025-05-23深入 .NET AI Agent 开发：利用 Microsoft.Agents.AI 提取思考、调用工具与执行脚本
在基于.NET的AIAgent开发中，Microsoft.Agents.AI提供了强大的抽象，使得构建能够调用工具、理解思考过程并执行自定义脚本的智能体变得直观。 四、执行Skill脚本在Microsoft.Agents.AI中，AgentFileSkill允许我们将外部脚本（如Python、Shell、PowerShell）注册为Agent的技能。 3.向脚本传递参数Agent调用技能时会传入arguments（JsonElement? 这样Agent就可以将脚本结果直接作为工具返回值参与后续对话。 六、代码开源地址NetCoreKevin框架下的kevin.AI.AgentFramework模块，基于.NET构建的企业级SaaSAI智能体应用架构项目地址：github：https://github.com
12010编辑于 2026-05-27- 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。
1.6K10编辑于 2024-12-23 - 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。 1.2确定技术栈选择适合的 AI 技术和工具（如机器学习、深度学习、强化学习等）。确定开发语言（如 Python、C++）和框架（如 TensorFlow、PyTorch）。 5.2模块集成将 AI 模型集成到应用程序中。与其他模块（如数据库、用户界面）进行交互。5.3性能优化优化模型推理速度（如模型量化、剪枝）。 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。
2.9K20编辑于 2025-02-18 - 来自专栏程序猿DD
Anthropic 如何评估 AI Agent
引言：打破“盲目飞行”的开发循环 在开发AI智能体的过程中，许多团队都经历过这样的痛点：你修复了一个问题，却在不经意间引发了另一个更隐蔽的问题。 本文将从Anthropic的深度分享中，提炼出五个最令人惊讶、最具影响力的核心教训，它们将彻底改变你对AI智能体评估的看法。 五个关于AI智能体评估的反直觉教训 教训一：别等了，从20个失败案例开始构建你的评估体系 团队在项目初期常常认为构建评估体系是一项巨大的“开销”，会拖慢产品上市的进度，因此选择推迟。 这一教训对于释放AI智能体的全部潜力至关重要。 教训四：你的指标在衡量什么：一次成功还是次次可靠？ “我们的智能体成功率是75%。” 这句话听起来不错，但它可能隐藏着巨大的误导性。 成功的AI团队都明白一个道理：评估体系是产品不可或缺的一部分，其重要性不亚于单元测试之于传统软件。而且，在模型能力飞速发展的时代，一个强大的评估套件就是你的护城河。
29410编辑于 2026-01-19 云端 AI Agent 架构实战
云端 AI Agent 架构实战：Google ADK 5 种 Skill 编排模式的工程化落地Agent 技术栈正在经历从原型验证到生产部署的跨越。 Google ADK（Agent Development Kit）作为 2025 年末发布的 Agent 开发框架，已经在不少云端项目中跑通了完整闭环。但"能跑"和"能扛"之间，差的就是架构设计。 重点不是教你用 ADK，而是帮你在真实云环境中把 Agent 系统搭稳。 这是构建复杂 Agent 系统的核心架构模式，类似于微服务中的编排器（Orchestrator）。 如果基础设施在 GCP 上，ADK 与 Vertex AI 的原生集成更丝滑。LangChain 生态更广泛但框架层抽象较厚，调试成本更高。
41110编辑于 2026-03-26
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