智能体设计

长谷深风1118 天前
java·大数据·人工智能·ai agent·agent工作流·智能体设计·ai产品设计
AI Tool 设计:粒度、参数与错误恢复怎么做给 AI Agent 接上 Tool 之后,一个很常见的场景是这样的:用户说:“帮我看看这个订单为什么还没发货。”
长谷深风1119 天前
java·大数据·人工智能·ai agent·agent工作流·智能体设计·ai产品设计
好的 Tool Schema,不是字段越全越好做 AI Agent 或工具调用时,很容易遇到一种奇怪的情况:API 明明没问题,模型也足够聪明,Tool 却总是调用错。
长谷深风11112 天前
大数据·人工智能·热门·ai agent·agent工作流·智能体设计·ai产品设计
ReAct框架:让AI像人类一样思考与行动你让一个 AI 帮你查下周去上海出差的航班。如果它只是普通聊天模型,它可能告诉你怎么买票、该比较哪些因素,却不知道真实票价。如果给它接上航班查询工具,它可以调用接口拿到结果。但新的问题马上出现:查哪一天?直飞还是转机?结果太贵怎么办?要不要继续换时间查?
行者-全栈开发2 个月前
langchain·autogen·spring ai·企业级应用·智能体设计·agent架构·四层模型深度解析
【Spring AI 】AI Agent 架构设计:感知、规划、行动、记忆四层模型深度解析(2026最新)💡 摘要: 本文基于我在企业级 Agent 系统开发中的实践经验,深入解析 Agent 的核心架构——感知、规划、行动、记忆四层模型,结合 Spring AI 框架提供完整的企业级实现方案。通过架构图、时序图、代码示例,展示如何构建具备自主决策能力的 AI 智能体。对比 LangChain、AutoGen、CrewAI 等主流框架,提供选型建议。实测数据显示,采用四层架构的 Agent 系统在复杂任务完成率上提升 45%,自主性评分达到 8.7/10。这是通往 AGI(通用人工智能)的关键一步,掌握 A
新知图书4 个月前
人工智能·langgraph·智能体设计·多智能体设计
LangGraph中的记忆存储https://item.jd.com/15350592.html在LangGraph构建的AI智能体系统中,记忆模组是支撑智能体实现“类人交互”的核心组件,它打破了传统对话模型“单次交互即失忆”的局限,让智能体能够通过记录历史信息、沉淀经验知识,实现连贯的多轮对话与复杂任务处理。不同于简单的信息缓存,LangGraph的记忆模组是一套结构化的系统架构,其核心设计思路围绕智能体的交互场景需求,精准区分了短期记忆与长期记忆两大核心类型,确保信息的存储、调用与更新既高效又贴合实际应用场景。
我是有底线的