- 综合排序
- 最热优先
- 最新优先
- 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。
78210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。
55610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
1.6K11编辑于 2026-04-24AI Agent实战进阶
AI Agent实战进阶 在数字化转型的浪潮中，AI Agent作为自动化工具，正逐渐成为提高工作效率的关键。 本文将深入探讨AI Agent的实战应用，并提供一些高级使用技巧，帮助您在自动化道路上更进一步。 痛点分析 传统的人工操作在处理大量数据时，不仅效率低下，而且容易出错。 **云服务集成**：将AI Agent部署在云端，实现跨地域的数据共享和协同工作。 4. **机器学习应用**：结合机器学习技术，实现智能决策和预测。 实战案例 以下是一个使用AI Agent实现自动化数据分析的案例： **场景**：一家企业需要定期分析大量销售数据，以便及时调整市场策略。 **解决方案**： - 使用QCLAW创建AI Agent，负责数据收集和初步处理。 - 编写脚本，将数据导入到数据分析平台。 - 利用机器学习模型，对数据进行分析和预测。
10310编辑于 2026-09-02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。
28020编辑于 2026-04-13AI 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。
1.7K20编辑于 2026-03-10什么是 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。
1.9K10编辑于 2025-12-29AI 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？
43710编辑于 2026-02-28- 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。
49710编辑于 2025-09-17 - 来自专栏AI智能体
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。
2K10编辑于 2024-12-23 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。
72410编辑于 2026-03-26AI Agent安全实践指引
月） 行业标签：技术服务,安全 产品标签：undefined#AI Agent安全中心undefined#AI Agent安全网关undefined#iOA（终端安全管理系统）undefined #威胁情报能力 第二章：报告背景和目标 随着AI Agent在企业规模化部署，其自主决策与工具调用能力挑战了传统安全体系，引发权限滥用、供应链风险等新型威胁。 本报告由工信部网络安全威胁和漏洞信息共享平台（NVDB）联合行业机构制定，提出“六要六不要”原则及三层防护体系，助力企业实现风险可控、行为可溯的AI Agent落地。 第五章：核心观点 核心痛点： 权限溢出风险：AI Agent默认管理员权限可致数据误删、系统篡改（OWASP定义）。 第六章：为什么选择腾讯云 腾讯云通过以下能力为AI Agent提供全生命周期防护： 开箱即用防护体系：整合AI Agent安全网关（输入过滤）、iOA终端沙箱（运行隔离）、威胁情报库（恶意组件识别）
2.1K20编辑于 2026-04-02Virtuoso ViraStack AI Super Agent
ViraStack 是 Virtuoso AI Studio 中面向模拟与定制设计的 AI Super Agent。 ViraStack AI Super Agent 运行于 Virtuoso AI Studio 平台之上，在推理与解读能够创造价值的环节应用大语言模型（LLM），而底层的工程工作仍由成熟的 Cadence 请在 ViraStack 界面中陈述您的目标，而非直接面向某个专门的智能体（agent）。Super Agent 会选取并协调所需的各个智能体。 Verify and present（验证与呈现） —— 对照既定意图核查结果，并在 Virtuoso AI Studio UI、ViraStack 主窗口或两者中呈现结果。 原文链接：第 1 章 Virtuoso ViraStack AI Super Agent - Cadence Virtuoso .cdsenv 知识库
4210编辑于 2026-10-23- 来自专栏软件测试学习
什么是AI Agent ? AI Agent：赋予机器生命的三大核心能力
AI Agent其实是一个具有自主意识的智能体，它指的其实是一段程序或者系统。也就是AI agent本质上来讲是一段程序，但是它和普通程序不同的是，它能够感知环境，推理决策并采取行动。 在人工智能飞速发展的今天，"AI Agent"（人工智能智能体）正从实验室走向我们的日常生活。 就像人在陌生环境中会下意识地寻找路标一样，AI Agent会根据当前任务选择性地关注关键信息，为后续的决策提供素材。 这种闭环机制让AI Agent具备了持续学习与自我优化的可能。 循环往复：智能的进化之路 AI Agent的运行逻辑简单而深刻：思考→行动→观察→再思考。 从自动驾驶汽车到智能客服助手，从科研机器人到金融交易系统，AI Agent正在重塑人机协作的边界。
89810编辑于 2025-11-24 AI Agent 2026 发展预测
AI Agent 2026 发展预测 你有没有发现一个惊人的现象: AI Agent 在过去的发展真的很像人类, 从呱呱坠地的小孩到学霸、再到优秀企业的组织高效团队协同. 下面我们来分析一下. AI Agent 基本架构: LLM(推理、任务分解、执行)+数据库(记忆、外部知识)+MCP(感知世界、与世界联动的触角)+A2A(多Agent团队作战) 随着AI 应用被越来越深度的使用, 它也在“ 同时再八卦一下, AI 超越人类(例如人类人性缺陷)的发展展望. 要有严密逻辑推理, 有理有据有数据支撑. 第一部分: AI Agent 2026 发展预测 这是一个非常深刻且极具前瞻性的架构视角。 AI 的超越： AI Agent 可以被设计为绝对理性的贝叶斯更新者。只要新证据表明旧路径的成功率降低，它会毫不犹豫地抛弃旧方案（Zero Sentimentality）。 第二部分: Agent Skills 详解 结合 Gemini CLI 和 Qwen Code 文档中关于 "Agent Skills" 的描述，我们可以看到一种高度趋同的 AI 代理进化路线。
59910编辑于 2026-07-09- 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。
3.4K12编辑于 2024-12-18 - 来自专栏人工智能
14｜Agent Observability：给 AI Agent 建“APM“
AI Agent 是“黑盒”，缺乏可观测性就无法定位性能瓶颈与成本失控。 为什么这个问题重要业务系统的 APM 已经很成熟，但 AI Agent 是"黑盒"——看不到 LLM 调用、tool call 和 token 消耗，就无法定位 Agent 的性能与成本问题。 核心指标与维度：必采 agent.task.duration、agent.tool.calls、gen_ai.client.token.usage 等指标，并按 model、agent、incident_id 定义并采集必采指标：在架构设计中明确 agent.task.duration、agent.tool.calls、gen_ai.client.token.usage 等指标，确保所有 Agent 模块统一打点 延伸阅读OpenTelemetry AI Agent ObservabilityOpenTelemetry GenAI Observability 2026CNCF: Jaeger and AI Agent
19710编辑于 2026-10-13 如何开发AI Agent?
如何写AI Agent? 上一篇文章已详细分析: 未来的必备技能, 要么会写AI Agent, 要么会用AI Agent! 2025云栖大会热词洞察: AI就绪 (AI Ready) 那么如何写一个AI Agent? 例如如何写一个推荐股票的AI Agent? 看看Qwen怎么回答，让AI设计AI 一、如何写一个AI Agent 写一个 AI Agent（智能体）的核心思想是：让程序不仅能执行固定指令，还能感知环境、自主决策、调用工具、记忆历史，并持续完成目标 一、AI Agent 的核心组件（4 大要素） 一个典型的 AI Agent 包含以下模块： 模块 作用 常见实现 大脑（Reasoning） 决策、规划、推理 大语言模型（如 Qwen、GPT、Llama 二、如何写一个推荐股票的AI Agent?
41100编辑于 2026-07-09- 来自专栏Elastic Stack专栏
Agent Builder：AI Agent如何管理上下文
Agent Builder：AI Agent如何管理上下文 Agent Builder 现已正式 GA。 Agent Builder 自带了一些用于常见数据分析模式的技能，但真正的价值在于用户也可以构建自定义技能。 Skills 遵循 Agent Skills 开放格式，因此你可以从共享库中拉取，自己编写，或者使用你选择的代理来编写技能。 Agent Builder 的使用量将通过“执行次数”（Executions）来衡量。 一次 Agent Builder 执行代表一次完整的代理交互回合。在大多数情况下，发送一条聊天消息并收到代理的成功回复算作一次执行。
49721编辑于 2026-05-26 - 来自专栏Elastic Stack专栏
AI Agent 记忆：使用 Elasticsearch 管理记忆，打造智能 Agent
Agent 中的记忆类型与选择性检索：使用 Elasticsearch 管理记忆来创建智能 Agent并非所有记忆都服务于相同的目的，如果将它们视为可互换的对话历史，将会限制 Agent 的扩展能力。 现代 Agent 架构，包括像 语言 Agent 的认知架构（CoALA） 这样的框架，区分了程序性记忆、情景性记忆和语义性记忆。 程序性记忆：Agent 如何运作程序性记忆 定义了 Agent 的行为方式，而非它知道或记住什么。在实践中，这包括：何时存储记忆。何时检索记忆。如何总结对话。如何使用工具。 创建 Agent 工具我们为 Agent 定义了三个关键函数：GetKnowledge：在知识库中搜索相关上下文（传统的检索增强生成 RAG）。 使用 OpenAI 的 Response API 构建 Agent。测试选择性记忆系统。结论记忆不仅仅是存储过去对话的地方。它是 Agent 架构的一部分。
37710编辑于 2026-04-29
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