- 综合排序
- 最热优先
- 最新优先
彻底读懂AI-Native原生组织（下篇）
最核心的差异在于：AI-Enabled规则在人脑里；AI-Native规则在系统里，可灰度、可迭代、可一键回滚。 这是AI-Native最核心的增长特征。要素9：任务可废弃、优雅容错（对标：易处置性）智能体工作流支持重试、熔断、限流、优雅终止。 很简单，逐条对照打分：5-9条AI-First10-12条AI-Native"/>满足0-4条→AI-Enabled（工具外挂阶段）AI只是员工个人工具，没有流程重构、没有企业级沉淀、没有自动化协作，组织完全是传统形态 满足5-9条→AI-First（流程重构稳态）完成人机流程重构，企业级资产沉淀完善，拥有完整人工兜底链路，效率大幅提升。这是绝大多数企业长期稳态的最优选择。 2.三阶形态共存，是大型企业最健康的AI架构。不搞一刀切、不盲目跟风，按业务属性分级定标、分区演进，效率与安全兼顾。3.真正的AI原生，从来不在工具，而在组织DNA重构。
40510编辑于 2026-08-10AI-Native组织12要素：一把尺子量出你的转型阶段（下篇）
最核心的差异在于：AI-Enabled 规则在人脑里；AI-Native 规则在系统里，可灰度、可迭代、可一键回滚。 要素 4：智能体可插拔后台服务（对标：后端服务） 大模型、知识库、RAG、工具集群、Agent 能力，全部作为标准化可插拔资源，与业务流程解耦。 这是 AI-Native 最核心的增长特征。 要素 9：任务可废弃、优雅容错（对标：易处置性） 智能体工作流支持重试、熔断、限流、优雅终止。 满足 5-9 条 → AI-First（流程重构稳态） 完成人机流程重构，企业级资产沉淀完善，拥有完整人工兜底链路，效率大幅提升。这是绝大多数企业长期稳态的最优选择。 三阶形态共存，是大型企业最健康的 AI 架构。 不搞一刀切、不盲目跟风，按业务属性分级定标、分区演进，效率与安全兼顾。 3. 真正的 AI 原生，从来不在工具，而在组织 DNA 重构。
21200编辑于 2026-09-16- 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 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- 来自专栏Dance with GenAI
AI网络爬虫：用deepseek提取百度文心一言的智能体数据
请你给出一个主题，我将给你一份完整的学习路径规划", "logoUrl": "https://now.bdstatic.com/stash/v1/6f672d5/lingjing-fe/07ccbd4/agent-logo 数据，提取这个json数据中所有的键写入Excel文件的表头 ，提取这个json数据中所有键对应的值写入Excel文件的列 ； 保存Excel文件； 注意：每一步都输出信息到屏幕； 每爬取1页数据后暂停5- pageSize=36&pageNo=1&tagId=-99" # 请求头 headers = { "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; response.status_code}") # 保存Excel文件 df.to_excel(file_path, index=False) print(f"Data saved to {file_path}") # 暂停5-
67010编辑于 2024-06-24 - 来自专栏Dance with GenAI
AI网络爬虫：用deepseek批量提取天工AI的智能体数据
生活娱乐" ], "status": 3, "is_new": false, "intro": "", "is_has": false, "share_link": "", "r_info": { "agent_id 这是一个json数据； 提取每个json数据中所有键的名称，写入Excel文件的表头，所有键对应的值，写入Excel文件的数据列； 保存Excel文件； 注意：每一步都输出信息到屏幕； 每爬取1页数据后暂停5- in agents: flat_agent = {} for key, value in agent.items(): if isinstance(value, (dict, list)): flat_agent [key] = json.dumps(value) else: flat_agent[key] = value df = pd.concat([df, pd.DataFrame([flat_agent] )], ignore_index=True) else: print(f"请求失败，状态码: {response.status_code}") # 随机暂停5-9秒 time.sleep(random.uniform
79510编辑于 2024-07-10 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 2026-06-04AI网络爬虫：用deepseek提取百度文心一言的智能体数据
请你给出一个主题，我将给你一份完整的学习路径规划","logoUrl": "https://now.bdstatic.com/stash/v1/6f672d5/lingjing-fe/07ccbd4/agent-logo json数据，提取这个json数据中所有的键写入Excel文件的表头 ，提取这个json数据中所有键对应的值写入Excel文件的列 ；保存Excel文件；注意：每一步都输出信息到屏幕；每爬取1页数据后暂停5- pageSize=36&pageNo=1&tagId=-99"# 请求头headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64 response.status_code}")# 保存Excel文件df.to_excel(file_path, index=False)print(f"Data saved to {file_path}")# 暂停5-
65910编辑于 2024-06-21- 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 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- 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。
15011编辑于 2026-09-13 - 来自专栏白话互联
AI的下一个战场：如何通过"上下文工程"打造高智商数字助手？
人类的记忆局限 VS AI的注意力预算 7±2法则：人类短期记忆只能记住5-9个信息组块 n²复杂度陷阱：LLM每增加一个token，计算量呈指数级增长 上下文腐化现象：超过500token后，信息召回准确率下降 三、五大核心战场与实战策略 系统指令：给AI装上"认知导航仪" 黄金三原则： 极简主义：用最少的词传递最清晰的意图 分层架构：<背景信息>/<任务清单>/<输出规范>模块化设计 反脆弱性：预留20%冗余空间应对意外情况 （SQL/Wiki） 记忆压缩算法：每周生成《认知审计报告》，自动清理冗余信息 案例：某咨询公司用此方法将3个月的研究项目压缩为持续更新的智能摘要 多智能体协作：复杂任务的交响乐团 主从架构：1个指挥Agent + N个专家Agent 黑板系统：共享信息看板实现跨角色协作 涌现效应：子任务间产生预料之外的协同创新 案例：医药研发中，文献挖掘Agent+实验设计Agent+专利分析Agent组合，将新药发现周期缩短
50420编辑于 2025-11-19 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。
13110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
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