- 综合排序
- 最热优先
- 最新优先
- 来自专栏IT云清
java agent开发
本文主要记录下如何创建一个简单的java Agent，并配置运行。 1.创建Agent类 package com.java4all.grouth.agent; import java.lang.instrument.Instrumentation; /** * @ description: java Agent * @author: IT云清 */ public class MyAgent { public static void premain(String ,args:"+agentArgs); } } 2.MANIFEST.MF 配置文件 这里在src/main/resources/META-INF/下创建一个MANIFEST.MF文件，指定Agent : true 3.打包配置 在pom.xml中配置打包信息 <build> <finalName>my-agent</finalName> <plugins>
1.3K10编辑于 2021-12-06 - 来自专栏前端小羊
需求理解agent开发
要开发一个能深入理解项目的智能体（Agent），需要考虑多方面的项目理解和推理能力。 个文件包含依赖引入 """ return report四、使用示例 # 使用智能体分析项目 if __name__ == "__main__": # 初始化智能体 agent = ProjectUnderstandingAgent("/path/to/your/project") # 生成完整分析报告 report = agent.generate_report () print(report) # 获取详细的项目理解 project_understanding = agent.understand_project()
28710编辑于 2026-01-26 - 来自专栏FunTester
Java Agent 开发初探
Java Agent 概况 简介和功能 Java Agent是一种特殊的Java程序，允许开发者在 Java 应用程序运行时对其进行动态修改和监控的机制。 那么，我们如何开发一个 Java Agent 呢，下面我们来仔细说说。 开发 Java Agent 需要遵循一下规范，下面是几个必备的部分： 实现 premain 方法 premain 方法是 Java Agent 的入口点，类似于主程序的 main 方法。 实用案例 性能监控 Java Agent技术在性能监控领域的应用非常广泛，它可以帮助开发者实时监控应用程序的运行状态，识别性能瓶颈。 漏洞扫描：Agent可以集成漏洞扫描工具，对应用程序进行深度的安全检查，及时发现并修复安全漏洞。 性能影响 开发Java Agent时，性能影响是一个需要特别关注的问题。
77110编辑于 2025-01-23 多模态Agent开发实战
多模态Agent开发实战入门一、什么是多模态Agent？多模态Agent是指能够同时处理和理解多种类型数据（文本、图像、音频、视频等）的智能体，并能基于这些理解执行任务、做出决策。 ）跨模态推理（图文关联、音画同步）工具调用（API、数据库、物理设备）自主规划与执行二、技术栈选型主流框架框架特点适用场景LangChain生态丰富，支持多模态模型快速原型、RAG应用AutoGen多Agent 协作，对话驱动复杂任务分解CrewAI角色化Agent，结构化流程业务自动化LangGraph图控制流，状态管理需要精确控制的流程多模态模型选择闭源API：GPT-4V、GPT-4o、Claude 3、 协作冲突引入仲裁Agent；明确角色分工（如CrewAI的Process）四、项目实践路线第1周：掌握基础API调用（GPT-4V或Qwen-VL）→ 完成图文问答第2-3周：集成LangChain → 构建可调用工具（搜索、计算、数据库）的Agent第4-5周：添加记忆模块 → 实现多轮对话上下文保持第6-8周：多模态RAG → 图片库检索 + 文档问答进阶方向：视频流理解、语音交互、多Agent协同
28610编辑于 2026-04-27Agent开发入门教程
Agent 编排层：Agent Manager、LangGraph 编排、Agent Factory、FC（Function Calling） 3. 领域能力层：MCP Server、领域 Sub Agent、高阶 Sub Agent 5. 知识与记忆：知识来源、记忆系统（长期/短期） 6. 再接 MCP Agent（复杂交互） 路径：`Top Agent -> 包装工具 -> Sub Agent(LangGraph) -> MCP Server -> 后端服务` 适合：多轮工具调用、 复杂业务规则、需要 Sub Agent 自主推理。 Top Agent 先接 FC 跑通 1 个核心业务场景。 3. 再按业务需要逐步引入 MCP、Sub Agent、RAG。 4. 同步接入日志、Tracing、重试和超时机制。
46210编辑于 2026-04-15- 来自专栏人工智能
Agent开发入门：提示词工程
尤其是做Agent的时候，Prompt写不好，不只是回答丑一点，而是接口挂、JSON解析挂、教师端页面挂、学生画像误判，最后后端还要背锅。我之前做高校学情分析Agent的时候，就被这个东西反复折磨。 在Agent开发中，提示词经常不是一次性文本，而是由后端模板、用户输入、检索内容、工具返回结果拼接而成。 项目不大，但数据源很碎：学生画像、课程访问记录、作业记录、测验分数、教师备注、RAG检索出来的课程资料，全都要塞给Agent。 比如你要写一份Agent开发文档，很多人会直接这样问：展开代码语言：TXTAI代码解释帮我写一份高校学情分析Agent的开发文档，越详细越好。模型确实能写。 里面故意保留了一点我平时开发会出现的东西，比如忘删的console.log，还有注释掉的旧代码。
40131编辑于 2026-06-02 ERNIE Bot Agent开发框架 & function calling 开发实践
L4 Agent AI完成绝⼤部分⼯作，人类负责设定⽬标、提供资源和监督结果。AI完成任务拆分，工具选择，进度控制，实现目标后自助结束工作。 2 ERNIE Bot Agent开发框架ERNIE Bot Agent 基于文心模型的 Function Calling（下⾯简称FC） 能力实现了多工具编排和自动调度功能，并且允许工具、插件、知识库等不同组件的混合编排 /ERNIE-SDK/erniebot # 然后安装ERNIE Bot Agent !pip install . /ERNIE-SDK/erniebot-agent # 安装核⼼模块 #pip install './erniebot-agent/. 识别图片中文字的工具# 远程调⽤⼀个图⽚识别⼯具 ocr_tool = RemoteToolkit.from_aistudio("highacc-ocr").get_tools()[0] 2.4 创建agent
70310编辑于 2024-06-17- 来自专栏【腾讯云开发者】
Agent全面爆发！一文搞懂Agent开发核心链路
两年深耕，无数次架构迭代与实战验证，我们终于摸清了Agent开发的核心脉络。 作为AI Agent领域的入局者，接触该类产品开发不知不觉已有两年多之久。期间前前后后调研了不少内容，从开发经验总结的角度写下这一篇文章总结记录的同时，希望能给需要的同学们带来一定帮助。 的开发框架 大模型多Agent协作技术的发展可以明显划分为三个主要阶段，每个阶段都有其独特的技术特点和代表性成果。 这一时期最重要的里程碑是微软AutoGen框架的发布，它为多Agent协作提供了一个标准化、易用的开发平台。 研究者们开始将通用的多Agent框架与具体的应用场景相结合，如金融交易、软件开发、内容创作等，形成了领域特化的Agent协作模式。
9K35编辑于 2025-11-19 OpenClaw + CodexClaudeCode Agent Swarm：单人开发团队
我的 Git 历史记录看起来就像我刚招了个开发团队。 并将其包含在提示信息中 生成一个 Codex 代理——并显示包含所有上下文的详细提示信息 步骤 2：生成代理 每个代理都有自己的工作树（隔离分支）和 tmux 会话： # Create worktree + spawn agent \ -c "/Users/elvis/Documents/GitHub/medialyst-worktrees/feat-custom-templates" \ "$HOME/.codex-agent /run-agent.sh templates gpt-5.3-codex high" 该代理程序在 tmux 会话中运行，并通过脚本进行完整的终端日志记录。 clawdbot/active-tasks.json 文件中： { "id": "feat-custom-templates", "tmuxSession": "codex-templates", "agent
2K10编辑于 2026-03-04- 来自专栏个人总结系列
Agent开发框架对比分析报告
目录执行摘要框架概述详细对比分析优劣势分析发展前景选型建议执行摘要本报告对四个主流Agent开发框架进行了全面对比分析：Eino（字节跳动）、AgentScope（阿里巴巴）、Youtu-Agent（腾讯 Youtu-Agent - 腾讯优图基本信息：开发公司：腾讯优图实验室主要语言：Python开源时间：2025年9月定位：零闭源依赖智能体框架核心特点：零闭源模型依赖YAML配置简化操作成本可控的开源模型支持基于 开发易用性AgentScope: ⭐⭐⭐⭐⭐ 低代码+可视化界面Youtu-Agent: ⭐⭐⭐⭐ YAML配置简化Spring AI Alibaba: ⭐⭐⭐⭐ Spring注解驱动Eino: ⭐⭐⭐ Python技术栈团队Youtu-Agent (腾讯)优势：零闭源依赖：完全基于开源模型，成本可控配置简单：YAML配置降低开发门槛成本优势：避免商用模型授权费用腾讯生态：与腾讯云服务深度集成劣势：功能相对基础 （成本控制）AgentScope（快速开发）Spring AI Alibaba（Java团队）研究机构/高校：AgentScope（研究友好）Eino（性能研究）Youtu-Agent（开源研究）高并发场景
3.8K10编辑于 2025-09-18 - 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。 确定开发语言（如 Python、C++）和框架（如 TensorFlow、PyTorch）。1.3制定项目计划划分开发阶段，制定时间表和任务分配。确定资源需求（如数据、计算资源、团队分工）。 5.系统集成5.1接口开发开发与外部系统交互的 API（如 RESTful API、gRPC）。定义输入输出格式（如 JSON、Protobuf）。5.2模块集成将 AI 模型集成到应用程序中。 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。 在实际开发中，需要根据具体需求灵活调整流程，并持续优化和迭代。
3K20编辑于 2025-02-18 鸡翅-大模型与Agent开发实战
鸡翅·大模型与Agent开发实战：从入门到企业级落地的腾讯云全路径2026年，AI Agent已不再是实验室里的概念验证，而是企业降本增效、重塑业务流程的核心引擎。 本文基于鸡翅大模型与Agent开发实战体系，结合腾讯云全栈AI工具链，为你拆解从零构建智能体的完整链路。 ——将上述六大模块全部打包，开发者最快5分钟即可上线一个业务型AI Agent。 四、开发实战：从零搭建你的第一个Agent4.1 选基座模型国内开发者优先选择DeepSeek-V3.2，其多步工具调用能力可媲美海外顶级模型，成本降低80%。 腾讯云正以全栈AI工具链，让每一位开发者都能一个人，活成一支军队。本文基于鸡翅大模型与Agent开发实战课程体系，结合腾讯云2026年最新产品能力编写。想要5分钟搭建你的第一个AI Agent？
7610编辑于 2026-06-09- 来自专栏ceshiren0001
Dify平台：Agent开发初学者指南
在大模型技术飞速发展的今天，AI智能体（Agent）已成为能够自主理解、规划并执行任务的AI应用形态。 Dify作为一个强大的LLM应用开发平台，让即使没有深厚编程背景的开发者也能快速构建功能丰富的AI智能体。本文将手把手带你体验在Dify平台上创建第一个智能体的全过程，从环境准备到实际部署。 一、Dify平台与智能体基础Dify是一个专注于LLMOps（大语言模型运维）的平台，其名字来源于"Define"和"Modify"，寓意帮助开发人员不断改进其AI应用程序。 Dify平台大大降低了AI智能体的开发门槛，使开发者能专注于任务逻辑而非技术实现细节。 、医疗等专业咨询随着大模型与Agent框架的快速迭代，Dify 也在不断进化。
2K10编辑于 2025-08-29 - 来自专栏不二小段
2025年 Agent 开发框架选型&实战笔记
我最近花了亿点时间，把自己学习、使用过的 Agent 开发框架整理为这篇笔记，大体上分为「代码开发框架」和「低代码工作流平台」两大类。 接下来记录一下我了解过的 Agent 开发框架和低代码平台，然后从零到一实操一个完整的案例。 主流 Agent 框架/平台综述 现在主流的 Agent 开发工具大体分为两类，一类是面向程序员的开源开发框架，为专业开发者提供丰富的 AI 工具箱，对底层细节有更多控制，可以开发复杂 AI 应用；另一类则是低代码 开源开发框架 这类框架秉持代码优先原则，面向追求高度定制化和灵活性的专业开发者，通过编写代码来定义和构建 Agent 的核心逻辑。 LazyLLM 是商汤开源的 AI 开发框架，主打「懒人友好」，以数据流为核心，目标是让 Agent 搭建更加便捷、灵活，一站式实现生产级开发。
63410编辑于 2026-04-09 - 来自专栏AI
AI智能体（AI Agent）的开发技术
AI智能体（AI Agent）的开发技术正处于从“被动问答”向“主动执行”跨越的关键期。 开发一个成熟的AI智能体通常遵循一个核心架构公式：Agent = LLM（大脑）+ 规划（Planning）+ 记忆（Memory）+ 工具使用（Tool Use）。 开发时需要选择合适的底层模型并配合特定的推理模式：ReAct模式：结合推理（Reason）与行动（Act）。Agent在执行每一步前先写出自己的“思考过程”，再决定采取什么行动。 进阶趋势：多智能体系统单体智能体在处理极复杂任务时容易疲劳或出错，目前的开发趋势是“让一群Agent协作”：角色分化：定义一个“产品经理Agent”、一个“程序员Agent”和一个“测试员Agent”。 协作协议：研究 Agent 之间如何进行信息交换（SOP标准化流程）和冲突解决。开发建议从简单闭环开始：先实现一个能调用单一工具的 Agent。
53910编辑于 2026-04-15 - 来自专栏Agent开发实战
Agent 开发笔记 1-环境部署
然而，当最初的惊艳沉淀下来，开发者们开始探索下一个前沿：如何让AI不仅仅是一个“有问必答”的工具，而是成为一个能自主规划、调用工具、解决复杂问题的“行动者”？答案，就是智能体（Agent）。 下面一起跟随教程一步一步落地Agent1.部署环境首先在python环境下安装所需的包%pipinstalltavily-python%pipinstallrequests%pipinstallopenai
14510编辑于 2025-12-15 - 来自专栏OpenClaw
OpenClaw 入门指南：AI Agent 开发新范式
这一现象级的增长背后，折射出开发者对"拥有自己的 AI 助手"的强烈需求。 1.2 核心定位与价值主张OpenClaw 的核心定位非常清晰： 在你自己的设备上运行的 AI Agent，连接各种消息平台，提供 24/7 全天候的 AI 助手体验。 适用人群：想要快速体验 OpenClaw 的个人用户、开发调试阶段的开发者。 这个漏洞在 2026 年 1 月被披露后，开发团队在 24 小时内发布了修复版本。另一个值得警惕的是 923 个网关暴露事件。 /bin/bash openclaw agent --message "审查本次代码提交：$(git diff HEAD~1)"' > .git/hooks/post-commit chmod +x .
80520编辑于 2026-04-29 - 来自专栏AI技术应用
AI 智能体（AI Agent）的开发框架
AI 智能体（AI Agent）的开发框架是构建智能体的核心工具和平台，它们提供了从数据处理、模型训练到部署和监控的全流程支持。以下是常用的 AI 智能体开发框架及其特点。 1.通用机器学习框架1.1TensorFlow特点：由 Google 开发，支持深度学习和传统机器学习。提供强大的分布式计算支持。 1.2PyTorch特点：由 Facebook 开发，动态计算图设计，易于调试和实验。社区活跃，生态丰富（如 Hugging Face、FastAI）。 适用场景：研究、原型开发、深度学习应用。1.3Keras特点：高层 API，易于使用，适合快速原型开发。可以作为 TensorFlow 的前端使用。适用场景：初学者、快速开发。 总结AI 智能体的开发框架涵盖了从数据处理、模型训练到部署和监控的全流程。
1.5K10编辑于 2025-02-18 - 来自专栏程序猿DD
Claude Agent SDK 智能体开发指南
我们的目标清晰而具体：从零开始，一步步构建一个可以分析代码库、发现潜在问题并提供专业反馈的AI代码审查代理（Code Review Agent）。 本教程专为初学者设计，你不需要任何AI代理开发经验。 为了让你更直观地理解SDK的优势，让我们对比一下使用原生API和使用Agent SDK构建代理的区别： 特性 使用原生API 使用Agent SDK 循环管理 开发者需要手动编写循环逻辑，不断调用模型、 • Glob / Grep: 像专业的开发者一样查找文件和搜索代码内容。 • Bash: 赋予代理执行终端命令的能力。 你的开发环境已经准备就绪。现在，让我们来编写并运行第一个简单的AI代理，感受一下SDK的魔力。 3. 第一个Agent程序 3.1 创建你的第一个代理文件 在你的项目目录 code-review-agent 中，创建一个名为 agent.ts 的新文件，并将以下代码粘贴进去： import { query
4.1K10编辑于 2026-01-19 - 来自专栏有文化的技术人
企业级 Agent 设计开发指南
❝本文档作为 企业从 0 到 1 设计开发 Agent 的通用方法论框架。❞ 一、需求调研阶段 1.1 业务场景识别 调研维度 关键问题 「痛点分析」 当前业务中哪些环节重复性高、耗时长、易出错？ 「价值评估」 引入 Agent 能带来多少效率提升/成本节约？ 「可行性判断」 该场景是否适合用 LLM + Agent 解决？ 1.2 Agent 适用性评估矩阵 高 ┌───────────────────────┐ │ ★ 最佳场景 可行性评估报告 预期 ROI 分析 二、Agent 能力规划阶段 2.1 定义 Agent 角色 Agent Profile: 名称:[Agent名称] 定位:[一句话描述Agent的核心职责] 开发框架 「LlamaIndex」: 专注 RAG 和数据连接 「Dify」: 低代码 Agent 开发平台 「Eino」: 字节跳动开源的 Go Agent 框架 10.2 协议与标准 「MCP (
45711编辑于 2026-04-09
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