- 综合排序
- 最热优先
- 最新优先
- 来自专栏百科知识
什么是 Hermes Agent？Hermes Agent 详细介绍：2026 年最值得关注的开源自进化 AI 智能体
——一个会随着使用不断成长的Agent。核心定位：三个关键词1.自托管（Self-hosted）所有数据（记忆、技能、对话历史）存储在你自己服务器上的本地SQLite数据库中，不经过任何第三方云服务。 六大核心功能功能一：闭环学习系统（LearningLoop）这是HermesAgent区别于所有其他AIAgent的最核心特性。 、Signal国内办公飞书、企业微信、钉钉其他Matrix、Mattermost、QQBot、iMessage、HomeAssistant、Email、SMSWeb端内置WebUI、OpenWebUI最关键的是 hermesconfigsetmodel.providerollamahermesconfigsetmodel.modelqwen2.5:7bIM平台接入通过消息网关一次配置，多平台同时在线：展开代码语言：BashAI代码解释hermesgatewaysetup平台接入难度配置时间Telegram⭐最简单 ：https://github.com/nousresearch-hermes-agent/hermes-agent中文社区：https://hermesagent.org.cn中文文档：https:/
8.8K21编辑于 2026-04-15 - 来自专栏强化学习专栏
直流电机恒转速闭环调节控制系统（项目实战）
通过调试，实现了串口通信设置目标转速、手动设置目标转速、电机自动调速、电机手动调速、电机正反转以及停止电机的功能，在目标直流电机实际转速达到目标转速时，性能指标良好；当设定目标转速为，系统的超调量为8%，稳态误差为 按键控制子程序流程图如图4-2所示。 图4-2按键控制子程序图 4.3定时器T0中断子程序 定时器T0中断子程序，主要负责控制PWM的输出、使用计数器T1进行测速、调用模糊控制算法程序。 使用了Proteus进行仿真，如图5-1所示，目标转速为225r/min，实际测得转速为225±2r/min，实际电机转速为225±2r/min；系统的超调量为8%，稳态误差为0.88% ，采用10%误差带的调节时间为
1.3K10编辑于 2024-12-03 XYZ三轴加速度时频域联合分析
时域分析结果图 4-1 展示了 398.7 秒采样窗口内 XYZ 三轴加速度的完整时程曲线，图 4-2 为分轴独立显示，便于逐轴观察细节特征。 图 4-1 XYZ三轴加速度时程曲线（叠加显示）图 4-2 XYZ三轴加速度时程曲线（分轴显示）时域观察要点：· X/Y 轴呈现明显的近似周期性振荡，振幅约 ±150 mg（X）、±300 mg（Y）· Y 轴振荡幅度最大，能量最强，约为 X 轴的 2.6 倍· Z 轴在 1003 mg 附近稳定波动，波动范围仅 ±12 mg，去重力后基本无振动分量· 时域信号无明显冲击或突变特征，推测为稳态振动环境频域分析结果 无明显谐波接近纯正弦激励，非冲击/多频率源振动方向X/Y 平面分量大，Z 轴极小水平面内振动为主，非垂直振动能量分布Y轴 > X轴（约 2.6 倍）振动主方向偏向 Y 轴时间平稳性398.7s 内主频稳定，无漂移稳态振动源 三轴高度一致，置信度高· 振动主要发生在水平面内（X/Y 轴），Z 轴基本无振动分量· Y 轴振动能量最大（8.36 mg），约为 X 轴的 2.6 倍，为振动优势方向· 信号频谱纯正，无明显谐波，符合稳态正弦振动特征
42510编辑于 2026-05-11- 来自专栏AIGC新知
ANTHROPIC：高端的食材往往需要最朴素的烹饪方法: prompt, workflow, agent
始终如一，最成功的实现并不使用复杂的框架或专门的库。相反，他们使用简单、可组合的模式进行构建。 在这篇文章中，ANTHROPIC分享了从与客户和构建代理（agent）合作中学到的知识，并为开发商提供构建有效代理的实用建议。 什么是代理？ “代理”可以通过多种方式定义。 当使用LLMs构建应用程序时，我们建议寻找尽可能最简单的解决方案，并且仅在需要时增加复杂性，这可能意味着根本不构建代理系统。 然后，agent可以在检查点或遇到拦截者时暂停以获取人工反馈。任务通常在完成后终止，但通常还包含停止条件（例如最大迭代次数）以保持控制。 代理可以处理复杂的任务，但它们的实现通常很简单。 总结 LLM领域的成功并不在于构建最复杂的系统。这是为了构建适合您需求的系统。从简单的提示开始，通过综合评估对其进行优化，仅在简单的解决方案无法满足要求时才添加多步骤代理系统。
88110编辑于 2024-12-23 - 来自专栏AIGC新知
最牛的数字人框架Fay：支持直播带货、个人助手和agent
它提供了带货、助手和agent版本，适用于各种应用，如虚拟购物向导、广播员、助手、服务员、教师以及基于语音或文本的移动助手。 ： bilibili个性化数字人 抖音个性化数字人 微信视频号个性化数字人 开源地址：https://github.com/TheRamU/Fay/tree/fay-sales-edition AI Agent agent 版的 Fay 可以实现自动代理执行的同时，在它认为必要时候会触发数字人或者直接的声音输出。 1、基于日程维护的助理模式：执行及维护你的日程 2、强大的规划执行（ReAct）能力：规划->执行<->反思->总结 3、LLM Chain与React Agent自动切换：保留规划执行能力的同时兼顾聊天能力 4、双记忆机制：斯坦福AI小镇记忆流实现长时记忆，邻近对话记忆实现连贯对话 5、易于扩展的agent 工具 6、配套24小时后台运行的android 连接器 应用场景？
8.1K10编辑于 2024-10-08 看懂AI Agent市场，等于提前看懂未来三年最值钱的方向
如果把围绕Agent的软件、云服务和基础设施都算进去，Gartner的预测更夸张：今年相关支出约2000亿美元，到2027年，Agent将正式超过聊天机器人，成为AI软件里收入体量最大的一个类别。 89%的企业已经部署了Agent，但只有约15%有系统化的评估手段。也就是说，大家都在用，但很少有人知道自己的Agent干得好不好——这个错位本身就是机会。 通用Agent是大厂的机会，垂直Agent才是普通创业者的破局点。三、三个大坑：为什么很多Agent项目会黄？市场火热，但落地很残酷。数据不会骗人：第一个坑叫"演示即巅峰"。 更要命的是多Agent协作——有研究分析了1600多条执行轨迹，发现多Agent系统的生产失败率高达41%到86.7%，79%的故障源于任务描述不清和协作崩溃。 Agent成功运行的token消耗，约是失败运行的50倍；一次失控的Agent循环，最高能烧掉47000美元。很多企业算完账才发现，让AI"自己干活"的钱比请人干活还贵。
18000编辑于 2026-09-02什么是LLM、Agent、RAG？这绝对是你看过最通俗的AI科普！
是不是总被LLM、Agent、RAG、大模型微调这些英文和专业术语绕得头晕？明明每个字都认识，连在一起就完全看不懂？别人聊得火热，自己却像个局外人？别焦虑！ 同一个指令，每次生成的结果都不一样，你需要多试几次（抽卡），才能“抽”到最完美的那张图。第三阶段：解决AI的工作失误（补救与培训）AI员工虽然聪明，但也有致命缺点，我们需要用技术手段帮它补救。 19.Agent（智能体）：会“全自动干活”的终极员工普通的AI你推一下它动一下。而Agent有自主性，你给它一个大目标（比如：帮我订一张明天去北京的机票），它能自己拆解步骤、自己调用工具去完成。 比如国内的molili（即OpenClaw的中文版），它就像Agent的神经系统，能把大模型和各种电脑终端工具无缝连接，让AI真正长出“手脚”去干活。 23.Multi-Agent（多智能体）：AI员工“组队打怪”一个AI搞不定的复杂大项目，就弄几个Agent组队。一个负责写代码，一个负责测试，一个负责写文档，全自动流水线。
1.6K20编辑于 2026-04-02全网最完整的 Agent 开发学习指南，一张图讲清楚
讲个最简单的例子，你要做一个企业员工知识库，让员工可以问公司年假怎么算、报销流程是什么。 这些内部规则，通用模型不可能知道。 选 Coze ，可以最快、最简单地创建一个功能丰富的 AI 聊天机器人。 选 Dify，如果你需要在企业内部构建、管理和运维复杂、专业的 AI 应用。 接下来说 多 Agent 协作。 这是为了解决单 Agent 上下文膨胀和工作范围不清晰的问题，让各个 Agent 的职责清晰单一，协作起来的效率会更高。 而可定制的领域Agent，这是 AI 能力的最终体现形式。 它不是零散的功能点，而是一系列面向业务目标、可自主执行任务的领域专用智能体。 比如商机转化Agent。 去 Dify 上搭一个最简单的知识库问答，去 LangGraph 上跑一个多 Agent 协作的 demo 。 踩了坑，才知道哪里需要补。 我自己也是这样过来的。
9.9K33编辑于 2026-04-28- 来自专栏数智转型架构师
全网最火的 Agent Skills 都在这了！这 7 个宝藏市场建议收藏
最近 Agent Skills 特别火，很多朋友都想找一些特别好用的、特别有用的 skills。 这篇文章给大家盘点一下比较知名且相对比较火爆的一些 skills 市场。 身边有朋友做 AI 业务自己写一个初版提示词，然后用我的提示词自动优化 skill 匹配最专业的框架，然后澄清和进行优化，反馈效果有提升。 https://skills.sh/ 这个网站的最大特色就是支持一个指令，自动检测多个知名 Agent，自动一键安装。
8K11编辑于 2026-03-04 能不用Agent就不用：AI编排架构里最反直觉的设计原则
2026年最流行的技术幻觉：只要上了Agent，问题就能自己解决。 事实是——Agent用得越多，你失控得越快。最好的Agent架构，恰恰是Agent用得最少的那种。 先讲一个真实的故事。 这就是过度Agent化的代价：把一个确定性问题交给了概率性系统去"自由发挥"。 一、先搞清楚一件事：什么是Agent，什么不是 这个行业最大的混乱之一，就是所有东西都被叫Agent。 还是别上Agent。 如果决策分支多到写不完、或者需要根据中间结果动态调整策略——好，这时候Agent才有存在的意义。 Agent是"没办法的办法"，不是"最先进的做法"。 反模式——让Agent"自己想办法"： 1 Agent调用API失败 → Agent决定换一种方式试 → 又失败 2 → Agent决定换另一种 → 循环8次 → 超时 → 用户等了2分钟看到一个空白页面 Agent有它的价值——在真正需要动态决策的场景里，Agent是不可替代的。但那些场景，远比你想象的少。 克制，是架构师最被低估的美德。
28710编辑于 2026-06-04- 来自专栏大模型应用开发
AI 圈最疯狂的一次「圈地运动」：Agent Skills 凭什么横扫全行业？
2025 年 10 月 16 日，Anthropic 给 Claude 上线了一个叫 Agent Skills（智能体技能） 的功能。 想搞懂为什么爆火，你得先明白：Agent Skills 到底解决了什么要命问题，又为什么这个问题在 2025 年突然变得火烧眉毛。 为什么 Agent Skills 如此重要？ Agent Skills 就是这个答案。 Agent Skills 到底怎么解决问题的？ Agent Skills 正确使用姿势：什么时候用，什么时候别用 ✅ 最适合用 Skills 的场景 1. 分步流程 第一步，写死细节 第二步，明确规则 …… 示例 给真实输入输出，AI 最吃这一套。 常见坑（千万别做） 明确禁止 AI 做什么。 3. 用真实任务去测 写完别自我感动，扔到真实工作里跑。
36210编辑于 2026-06-26 - 来自专栏agent平台
Agent渡劫48关-第4关-Tool参数为什么最容易在线上出问题？
Agent手里最常用的三个工具，是queryOrder、createTicket和refund。 OWASP的ExcessiveAgency把这件事讲得很直接：过度的功能性、过度的权限、过度的自主性，是LLM应用最容易被忽视的风险来源，而参数层正是这三件事最先暴露的地方。 收益有三条：失败可归因，每层有独立失败码；失败拦在最便宜的一层，格式问题不会打到订单库；权限与租户隔离被强制加进写路径，绕不过去。 改在最痛处补在最险层一次改一处才知是对是错08、演进展开代码语言：TXTAI代码解释[同一次refundtool_call]|+--[V1]解析JSON+Schema校验→直接执行|结构合法即放行，业务事实无人验证 9.2参数越少，Agent越安全反直觉判断：减少字段不是降低能力，而是提升安全。
14911编辑于 2026-09-13 本地 Agent 拉日志做异常初筛，是企业 AI 运维最务实的入口
所以 Agent 要同时看：错误次数；错误率；同比或环比变化；是否集中在某个接口、用户、地域、实例或版本。2. 新模式异常线上最值得警惕的，往往不是已知错误，而是第一次出现的错误。 这正是本地 Agent + AI 的价值点：它不仅看日志级别，还能理解日志里的业务含义。四、一个可落地的本地 Agent 架构本地 Agent 不应该做成一个“会聊天的运维机器人”。 几周之后，你会知道这个服务常见异常有哪些，哪些异常值得关注，哪些异常只是噪声，哪些接口最脆弱。这时，本地 Agent 才真正开始产生复利。它不再只是一个定时脚本，而是在沉淀你们团队自己的运维经验。 但在真实工程世界里，它可能是最值得先做的 AI 运维入口。因为它足够贴近痛点，也足够容易验证价值。日志每天都在产生，异常每天都在发生，研发每天都在排查。 AI 最擅长放大已有秩序。如果你的日志没有结构、错误码没有规范、发布记录查不到、事故复盘没人写，那么再强的大模型也只能在混乱里猜。
25700编辑于 2026-07-10十亿独角兽荒：Agent 赛道最值钱的那层，被两头吸干了
全球已有 Harvey、Sierra、月之暗面破十亿——可为什么没有一个「纯种」Agent 独角兽？ 真正值得追问的，是另一件事：为什么破线的全都是「不纯」的玩家，而「纯做 Agent」的那一层，始终长不出独角兽？答案不是赛道不火，而是最值钱的中间层，正被上下两头同时吸干。 2026 上半年，中国 AI 创业融资总额突破 3000 亿元，钱最密集的地方，恰恰是那些「还没拿出公开产品、只靠蓝图和创始人背景」的 Agent 明星项目。 这既是抢跑，也是温度计：一级市场对 Agent 的热情远没退烧。 五、价值虹吸下的三条生存法则 写在最后 「独角兽荒」从来不是 Agent 不火，而是价值正在重新分配。模型向下吞、场景向上锁，卡在中间的「调度层」成了最拥挤也最稀薄的地方。
13010编辑于 2026-09-17Hermes Agent 是什么？一文读懂2026年最火的开源 AI 智能体
Hermes Agent 的野心比这大得多。Hermes Agent 到底是什么？ 自我进化（Self-improving）这是 Hermes Agent 最核心的差异化特性。 小结Hermes Agent 代表了 AI Agent 发展的一个重要方向：从"一次性工具"走向"持久化伙伴"。 快速上手 Hermes Agent：仅需三步轻松安装想要体验 Hermes Agent 的强大能力？ 立即前往腾讯云官网选购 Hermes Agent 专属云服务器部署完成后，可参考详细的安装配置教程：玩转 Hermes Agent｜使用 Lighthouse 快速部署云上 Hermes Agent FAQ
11.5K21编辑于 2026-04-15- 来自专栏大模型应用开发
AI 圈最疯狂的一次「圈地运动」：Agent Skills 凭什么横扫全行业？
分步流程第一步，写死细节第二步，明确规则……示例给真实输入输出，AI最吃这一套。常见坑（千万别做）明确禁止AI做什么。3.用真实任务去测写完别自我感动，扔到真实工作里跑。
1K10编辑于 2026-02-10 听说，Agent都在找这个“箱子”
2025，Agent很忙。上半年忙着找啥模型好用，下半年忙着找啥箱子安全。“会动手”的 Agent 开始在企业内部上岗成为数字员工，但它真的动起手来，也是让人心里一紧。 于是大家又想起了沙箱（Sandbox）——这个计算机安全领域最老、却从未过时的技术。沙箱的本质，就是解决 Agent 自主性带来的安全风险。 它为 Agent 提供隔离、监控、记录、约束的受控执行环境，成为智能体与真实世界之间最关键的安全边界。问题在于，传统沙箱太慢。 腾讯云 Agent Infra 工程师说，在设计 Agent 沙箱服务时，并不是在旧技术上“打补丁”，而是专门为 Agent 设计了一套平台虚拟极速交付底座——Cube（MicroVM Runtime） //高并发也不在话下Agent 的执行不是“一次一次”，而是成片触发。腾讯云将网络、进程、磁盘等关键资源提前池化，打通启动链路上的卡点，让沙箱在高压下也能稳态运行。
1.6K10编辑于 2025-12-15- 来自专栏AI
【AI原生应用】基于腾讯元器的海龟汤主持人 Agent（全网最详细实战教程）
借助腾讯元器，我们可以在几分钟内搭建一个智能体（Agent），它不仅能7×24小时在线，还能利用大模型的能力自动生成剧本。 系统逻辑架构 逻辑架构图如下： 手把手教程（全网最详细教程） 手把手教程总览 整体流程可以拆成五步： 打开腾讯元器并新建智能体 完成基础配置：模型、提示词、欢迎语、开场问题等 测试基础版海龟汤主持人（不带工作流 我的仅供参考： 名称：海龟汤主持人 简介：作为海龟汤主持人，该AI Agent专注于引导用户通过提问逐步推理复杂的虚构情境。 该Agent适用于娱乐、推理游戏和角色扮演场景，提供沉浸式的智力挑战体验。 头像： 图片 如下图所示，点击新建即可。 我们来进行测试一下： 点击右上角的调试，对他说：生成一个汤面 可以看到Agent回复： 在一座宁静的小镇上，发生了一起离奇的失踪案。
3.7K10编辑于 2025-12-26 - 来自专栏破局燎：AI写作与内容自动化实战
内容写不出、数据看不懂、用户留不住——18个Agent全景图，一次说清楚
18个Agent全景图——6大场景，一张表说清楚 整套体系覆盖一个内容创作者会遇到的几乎所有核心问题，每个Agent各司其职，通过 WorkBuddy 串联起来形成自动化流水线： 场景 Agent名称 Agent 1-4 排版优化师 输入文章，输出排版建议和标题备选 场景2数据分析 Agent 2-1 数据清洗师 处理缺失值、重复值、格式问题 Agent 2-2 数据分析师 从数据中挖出趋势和行动建议 Agent 2-3 可视化设计师 一键生成高颜值图表 场景3用户运营 Agent 3-1 用户分群师 把用户分层，精准触达 Agent 3-2 活动策划师 设计用户激活/留存活动方案 Agent 3-3 效果复盘师 分析活动效果，输出优化建议 场景4竞品调研 Agent 4-1 竞品监控师 自动抓取竞品动态 Agent 4-2 差异分析师 对比分析，找出差异化机会 Agent 4-3 策略建议师 我想听听你的看法： 如果你正在做公众号/自媒体，上面6个场景里，哪个是你目前最头疼的？ 评论区告诉我。如果有人感兴趣，我单独展开讲，把具体的Prompt和运行方式一步步拆给你看。
44510编辑于 2026-06-02 - 来自专栏MixLab科技+设计实验室
前 Google CEO：Agent 时代赚钱最简单的方法是建立一个智能体AI公司
Agentic AI 公司的机会窗口 值得进入的领域 领域 机会描述 金融交易 Agent 量化基金开出 40万+ 美金年薪 代码审查 Agent Devin 的多 Agent 模式验证 安全 Agent Security Copilot 需求翻倍 企业知识管理 Agent 365 GA 发布 自学交易 Agent 案例 用户 @ArchiveExplorer 分享了对冲基金的自学交易 Agent 案例 从"构建产品"到"构建 Agent" 传统 SaaS 智能体AI公司 卖软件功能 卖 Agent 能力 人类执行 Agent 自动执行 订阅收入 价值共享收入 客户成功 Agent 成功指标 员工扩张 需要找到垂直领域的差异化 避免与巨头正面竞争 战略建议 立即行动 选择一个垂直领域：不要试图做通用 Agent，选择你有深度专业知识的领域 构建最小可行 Agent：从一个具体任务开始，确保 Agent 能可靠完成任务，获得客户反馈后迭代 建立数据飞轮：让 Agent 运行产生数据，用数据改进 Agent，积累领域特定的知识 技能升级 Eric Schmidt 说"Agent 时代奖励建设者"，意味着
47910编辑于 2026-05-06
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