- 综合排序
- 最热优先
- 最新优先
- 来自专栏大模型系列
主动智能时代的企业架构：“前店后厂一仓库”与AI智能体的协同范式
它不再仅仅是物理空间上的线性组合，而是演变为一个由多个AI智能体构成的、高度协同的动态系统。 本文将深入探讨在主动智能时代，企业如何构建以AI智能体为核心的新型架构，并实现从前端触点到后端供应链的全链路智效协同。 第一章范式跃迁：从单体智能到多智能体协同1.1单体智能的局限性在AI应用的早期阶段，企业普遍采用“全能型智能体”的设计思路，试图通过一个庞大的模型或代理来处理所有业务逻辑。 第三章协同范式：智能体间的交互机制3.1通信协议：A2A与MCP智能体之间的高效协同依赖于标准化的通信协议。 这场由AI驱动的架构革命，不仅将重塑企业的内部运作方式，更将重新定义企业与客户、供应商乃至整个生态系统的互动关系。那些能够率先掌握并驾驭这一新范式的企业，无疑将在未来的竞争中占据先机。
14920编辑于 2026-05-03 智能体来了从 0 到 1：数据、工具与规则的协同范式
随着人工智能在产业场景中的持续深入，单一的大模型调用已难以覆盖复杂业务流程。当前工程实践中，智能体逐渐被视为一种以大模型为核心、通过系统化编排实现任务闭环的应用形态。 在这一范式下，智能体并非模型能力的简单外延，而是一个由数据（Data）、工具（Tools）与规则（Rules）共同构成的协同系统。三者在认知、执行与控制层面各司其职，形成可复用、可治理的工程结构。 四、结论：从模型能力到系统能力智能体系统的核心不在于模型规模，而在于数据可用性、工具可调用性与规则可执行性之间的协同程度。 在行业实践中可以观察到，真正具备生产价值的智能体，往往表现为一个以规则保障确定性、以工具扩展行动力、以数据增强认知深度的系统工程。这种结构性能力，决定了智能体在垂直业务中的可复制性与可扩展性。 （本文章由AI辅助生成）
19010编辑于 2026-01-27- 来自专栏星融元
AI驱动网络范式革新：Smart Switch与智能路由的协同进化
路由协议的演进史：从静态配置到AI时代的神经网一、路由协议的诞生：静态路由时代（1960s—1970s）互联网的雏形ARPANET诞生时，网络规模极小，节点间路径固定。 四、协同进化：动态路由与控制器联姻（2010s—2020s）为弥补传统路由的灵活性不足，技术社区提出“协议与控制协同”方案：Segment Routing（SR）：通过源路由标记路径，结合控制器实现流量工程 五、INT-based Routing：AI时代的“神经感知路由”（2020s—）当AI驱动的流量彻底颠覆传统网络模型时，路由技术迎来质变——INT-based Routing通过三项革新，让网络具备“ 在Server侧看不到这4个路径，因此智能网卡无法实现流量调度。在Leaf交换机上，如果仅依赖OSPF，能看到4条静态的等价路径，但它们的负载实际上是不同的。 新路由范式将带来新一轮网络设备升级AI的发展告诉我们，当我们做更多更有效率的分布式计算，就可以改变世界。网络本身又何尝不是如此。
59310编辑于 2025-05-12 - 来自专栏AI科技评论
对话汇智智能：AI 智能体时代，数字营销范式在革新
以下是AI科技评论和汇智智能张坚的对话： 1 数字营销遇见 AIGC AI 科技评论：您认为智能体营销与传统数字营销有什么区别？ 2 人+AI，迸发创意灵感 AI 科技评论：您如何看待提示工程师这一行业的兴起？ 张坚：目前我们的核心产品线只有两条，一条是智能体产品线，另一条就是提示工程师产品线。 3 智能体是阶段性产物 AI科技评论：你如何看待 AI Agent? 张坚：这个词在今年 7 月之前很少有人提，但是最近一个月开始已经有大量人的提。 之前我们提数字人，数字人替你直播，但数字人只是一张皮，我们认为脑和皮的结合就是下一阶段的智能体。也就是说智能体是一个阶段性定义，现在的智能体可落地的部分就是皮和脑的结合。 比如明星的智能体代替他和粉丝进行交流，这是商业化的手段之一，未来在智能体这个事情上我们可以进行无限的想象。
85720编辑于 2023-09-07 教育AI智能体落地：构建连接与智能驱动的学习新范式
在教育数字化浪潮中，机构面临双减政策下提质增效的核心挑战：如何实现家校协同的高效管理、个性化学习支持与规模化服务落地。小虫科技与腾讯合作，通过生态连接与AI智能体矩阵，交出了一份量化答卷。 AI智能体矩阵：从工具到伙伴的进化针对内容与智能化需求，小虫科技依托腾讯云AI底座，打造了教育智能体服务架构。 智能体更进阶为“学伴”，提供多模态拍题、双模式答疑（直答与启发式引导），并赋能AI自习室场景，实现机房分时复用。例如，湖州“湖小问”智能体结合知识库RAG与数字人，提供4小时在线服务，提升响应速度。 腾讯云智能体开发平台的RAG框架在图文混排文档问答、复杂表格处理中准确率提升30%，WorkFlow与Multi-Agent框架支持多智能体协同，例如Text2SQL能力处理万行大表时SQL执行准确率超 这些技术亮点不仅降低开发成本，更构建了系统稳定性与运维效率的护城河。通过连接生态与AI智能体落地，小虫科技证明了教育数字化不是简单工具叠加，而是通过技术重构服务范式，让每个孩子遇见更好的自己。ds
46510编辑于 2025-12-17- 来自专栏大模型应用开发
Claude Code 2.1 发布：2026 年 AI 智能体开发的范式革命
ClaudeCode2.1的发布，标志着我们对AI智能体开发的认知迎来了一次根本性转变。表面上看，它只多了三个渐进式功能：技能热重载、生命周期钩子、分叉子智能体；但背后的意义，远比这深刻得多。 、动态任务委派、实时多智能体协同。 ClaudeCode2.1：智能体系统的治理与协同层新版本常被概括为三大功能：技能热重载生命周期钩子分叉子智能体这么说方向没错，但严重低估了这次变革的量级。 这些改动合在一起，悄无声息把ClaudeCode从：“你终端里的AI助手”直接变成了：一套可治理、可观测、支持多智能体的运行时。它不再只是工具，不再只是IDE辅助。它是一套真正的智能体操作系统。 钩子不再只是自动化，而是：遥测监控协同信号它们构成了一套智能体间事件总线。10.主脑智能体/智能体集群模式有了分叉子智能体+钩子事件，你可以直接搭建：一个主脑智能体管控整个集群。
1.1K11编辑于 2026-02-07 - 来自专栏GoCoding
AI 编程工作流与协同范式
回答：这套流程，正是AI原生编程范式的核心实践，而且它与MCP/Skill的理念在深层次上高度一致。三问：AI 编程协同范式AI 编程，用的 AI 编辑器。模型目前实践 Gemini 最好。 最后，还会用另一个 AI，如 DeepSeek，来做代码审查、查漏补缺。回答：你正在实践的是目前最前沿的AI协同编程范式！ 你正在实践的是目前最前沿的AI协同编程范式！ 这种“主编程模型+辅助审查模型”的组合，实际上是一种多智能体协同工作流，非常有远见。让我来分析这种实践的价值和优化方向。 专业化智能体集群需求分析智能体 → 架构设计智能体 → 编码智能体 → 测试智能体 → 审查智能体 (Claude) (GPT-4) (Gemini) ( 协同：每个AI模型相当于一个专门的Skill Server你的工作流编排相当于MCP Client的调度逻辑整个系统形成了一个自主的软件工程智能体集群你不仅在使用AI编程，更在定义未来AI如何协作编程的新范式
30110编辑于 2026-03-14 - 来自专栏《C++与 AI：个人经验分享合集》
《Java 与 OpenAI 协同：开启智能编程新范式》
在当今科技飞速发展的时代，人工智能已成为推动各领域创新变革的核心力量。OpenAI 作为人工智能领域的领军者，其开发的一系列强大模型，如 GPT 系列，为自然语言处理等诸多任务带来了前所未有的突破。 本文将深入探讨如何通过 Java API 调用 OpenAI 的各种模型，解锁更多智能化应用的可能。 在智能教育领域，有开发者利用 Java 调用 OpenAI 模型开发了智能辅导系统，能够根据学生的学习情况和问题，自动生成个性化的辅导材料和解答思路，极大地提高了教育的效率和质量。 例如，在智能家居领域，利用 Java 开发智能家居控制系统，借助 OpenAI 模型实现更加智能、自然的人机交互，让用户能够通过语音或文字指令更加便捷地控制家中设备；在金融科技领域，结合 Java 的金融数据处理能力和 OpenAI 模型的风险预测、投资策略分析能力，开发出更加智能、精准的金融服务平台。
60810编辑于 2025-01-02 AI Agent 职场协同范式下的职业路径规划
跳出工具使用者的认知误区从工程化角度看，AI工具的抽象度会持续提升（低代码/无代码平台的普及），单纯的工具操作门槛会趋近于零，其价值也会被逐步稀释。 3.多智能体系统架构师：高阶协同的系统设计适合人群：高阶产品经理、技术总监、创业者核心能力：复杂人机协同系统的架构设计能力核心任务：构建多智能体的协同体系，包括角色分工、任务调度、冲突消解、结果聚合等， 本质是设计虚拟的“数字劳动力组织”，让多个智能体像人类团队一样协同完成复杂任务。 核心竞争力：系统思维与全局视角——能平衡单个智能体的效率与整体系统的协同效率，构建可扩展、可迭代的多智能体架构。 长期价值：成为人机协同系统的核心节点智能体的普及会逐步推动企业组织向“人机协同的分布式系统”演进，组织形态更轻量化，但个人的协作边界会被拓宽。
23910编辑于 2026-01-31- 来自专栏phodal
AI 应用即智能体：探索从 Composer 到 Manus 下的范式演进
简单来说： AI 应用即智能体是将多个 AI 功能模块（智能体）整合起来，通过服务化的方式（如 API）提供给 AI，使其能够智能体能够相关交互一样， 利用其它 Agent 的能力来完成各种复杂的任务。 当我们在探索如何将这两个功能结合到更多的 阶段时，我们发现了一个更大的范式演进：AI 应用即智能体。 Agent 的 Agent：AI 应用即智能体 在当前主流的模式之下，你会有一个类似于 Manus 这样的入口，然后通过 Manus 来调用各类的 AI Agent。 AI 应用即智能体是将多个 AI 功能模块（智能体）整合起来，通过服务化的方式（如 API）提供给 AI，使其能够智能体能够相关交互一样， 利用其它 Agent 的能力来完成各种复杂的任务。 在 AutoDev 这一类 AI 辅助研发的场景之下，AI 应用即智能体的核心特征包括： AI 能力服务化接口：通过 API 或其他标准化接口，智能体的能力可以被外部系统或用户调用，实现无缝集成。
37810编辑于 2025-03-21 - 来自专栏算法之名
AI智能体
langchain 概述 langchain是LLM与AI应用的粘合剂，是一个开源框架，旨在简化使用大型语言模型构建端到端应用程序过程，它也是ReAct(reason+act)论文的落地实现。 chains，langchain把提示词、大语言模型、结果解析封装成chain，并提供标准的接口，以便允许不同的chain形成交互序列，为AI原生应用提供端到端的chain。 .'), HumanMessage(content='用七言绝句的形式写一首关于AI的诗')] response = chat.invoke(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， 问答之间意无穷 .'), 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
81510编辑于 2024-09-29 - 来自专栏AI技术应用
AI智能体的开发
AI智能体的开发技术方案是一个复杂且多层面的决策过程，它需要根据智能体的具体功能、性能要求、部署环境、可扩展性以及团队的技术栈来综合考量。 以下是一个全面且分层的AI智能体开发技术方案，涵盖了从数据到部署的各个环节。 强化学习 (如果需要): Stable Baselines3/Ray RLlib: 用于训练决策制定型智能体，例如游戏AI、资源调度。 4 智能体逻辑与编排这是将AI模型能力“串联”起来，实现复杂行为的核心。Prompt Engineering: 精心设计给LLM的指令，定义智能体的角色、目标、约束和输出格式。 通过对上述各个层面的精心规划和技术选型，可以构建出健壮、高效且智能的AI智能体。
1.2K10编辑于 2025-06-16 【AI智能体的应用】
应用场景： 人工智能虚拟助手：开发可以回答用户问题、执行任务、提供建议的智能助手，如Siri、Google Assistant等。 自动驾驶系统：开发可以自主控制汽车行驶的智能系统，包括感知、决策和控制等环节。 金融风控：基于大数据和机器学习算法，开发智能风控模型，对银行、保险等金融机构的风险进行评估和管理。 医疗辅助诊断：开发可以辅助医生进行疾病诊断和治疗决策的智能系统，如基于影像分析的肺癌早期诊断、基于病历数据的病情预测等。 智能客服：开发可以理解用户问题并提供解答的智能客服系统，如基于自然语言处理和深度学习的智能聊天机器人。 , "你是谁": "我是一个智能问答客服。", "天气如何": "今天天气晴朗，温度24°。", "再见": "再见，祝你有美好的一天！"
27610编辑于 2025-08-29- 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）。 6.2集成测试测试整个系统的功能和性能。验证 AI 智能体在实际场景中的表现。6.3用户测试邀请目标用户进行测试，收集反馈。根据反馈调整模型和系统。 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。
2.8K20编辑于 2025-02-18 - 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
本节重点 学习 AI 智能体的概念和构建方法，掌握如何实现具有自主决策能力的 AI 系统。 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？ 因此智能体工作流（Agent Workflow）应运而生，通过简单的编排，允许多个专业智能体协同工作，各司其职。 比如在自动驾驶领域，不同车辆的智能体可以实时交换路况信息，协同避障和规划路线；在制造车间，生产线上的各类机器人智能体可以根据任务动态分工，互相补位；在金融风控、智能客服等场景，不同的智能体可以根据自身专长协作处理复杂业务流程 对于一个成熟的智能体系统，可能会同时运用 MCP 和 A2A，MCP 负责某个智能体内部调用工具完成任务，A2A 负责智能体之间协同完成任务。
73610编辑于 2026-03-17 - 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。 教育：智能辅导系统： 根据学生的学习情况，提供个性化的学习内容和辅导。语言学习： 提供语言学习工具，例如口语练习、语法纠错等。虚拟实验室： 提供虚拟的实验环境，方便学生进行科学实验。7. 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。
1.5K10编辑于 2024-12-23 【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。 案例分析 以智能写作助手为例，分析其设计流程。需求分析阶段确定用户需要语法检查、内容生成或风格转换等功能。技术选型阶段可能采用GPT-3等大语言模型作为基础架构。 智能体的核心功能包括" input_ids = tokenizer.encode(input_text, return_tensors="pt") output = model.generate( 模型在不共享原始病历数据情况下的跨医院协同训练 系统监控指标包括： 模型性能：准确率、召回率的实时变化曲线 计算资源：GPU利用率、内存消耗监控 数据质量：特征缺失率、异常值比例统计 伦理安全考量 内容过滤模块屏蔽敏感和违规信息
39010编辑于 2025-12-17- 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。 **智能合约和应用生态**：以太坊拥有强大的开发者社区和丰富的应用生态，这推动了其需求的增长，并对价格产生积极影响。 2. ，让机器具有推理能力，实现真正的智能。
1.1K00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。 DEPLOY_ENV: ${DEPLOY_ENV:-PRODUCTION} CHECK_UPDATE_URL: ${CHECK_UPDATE_URL:-https://updates.dify.ai true} WEAVIATE_AUTHORIZATION_ADMINLIST_USERS: ${WEAVIATE_AUTHORIZATION_ADMINLIST_USERS:-hello@dify.ai ssrf_proxy_network # ssrf_proxy server # for more information, please refer to # https://docs.dify.ai WVF5YThaHlkYwhGUSmCRgsX3tD5ngdN8pkih} AUTHENTICATION_APIKEY_USERS: ${WEAVIATE_AUTHENTICATION_APIKEY_USERS:-hello@dify.ai
1.1K00编辑于 2025-02-06 - 来自专栏算法之名
AI智能体(五)
接AI智能体(四) MetaGPT 环境装配 metagpt下载地址：https://github.com/geekan/MetaGPT conda create -n metagpt python= gpt-3.5-turbo api_key: "******" 测试： 在终端命令行中进入Meta-GPT-main目录中执行 metagpt "Write a cli snake game" 单动作智能体 多动作智能体 import asyncio import sys import subprocess from metagpt.llm import LLM from metagpt.actions import ，则将列表中的所有元素连接成一个以换行符分隔的字符串，并创建一个新的 Message 对象。 多角色协作开发项目 上图是一个多角色交互的过程，它这里有一个环境(Env)的概念，环境会将所有的角色、上下文、需求纳入其中。每一个角色都会观察哪些动作结束后的消息是它们进一步该处理的。
79100编辑于 2025-02-06
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