ai agent

质变科技AI就绪数据云

AI Data独角兽猎手的12个预测（2026）本文作者Tomasz Tunguz，Theory Ventures 创始人&普通合伙人，他专注早期科技公司，尤其在 AI、SaaS 和数据领域，曾投资多家独角兽如 Looker（谷歌26亿收购）。前 Google 产品经理，著有畅销书《Winning with Data》。以下是他关于2026年的12个预测。

从ChatBI到Agentic BI：HENGSHI SENSE 6.0如何用AI Agent重构企业决策智能在全球商业智能领域，一场根本性变革正在发生。Gartner预测，到2025年，增强分析在BI功能中占比将达到68%，而衡石科技推出的HENGSHI SENSE 6.0正引领这场从被动查询到主动决策的转型。

AI - 使用 Google ADK 创建你的第一个 AI Agent《AI - AI Agent 是什么？为什么最近这么火？》介绍了有关 AI Agent 的基本概念，本篇文章将带你从零开始，构建一个最基础、可运行、能调用工具的 AI Agent。

当BI遇见AI Agent：衡石科技如何重塑企业数据分析工作流在当今企业组织中，数据分析工作流已形成一种近乎标准化的模式：业务人员提出需求 → 数据团队提取清洗 → 分析师建模分析 → 管理层决策讨论 → 执行团队落地实施。这套沿用数十年的流程，在数据量指数级增长、业务变化加速的今天，正面临系统性挑战：需求响应延迟以周计算，分析产能受制于专家数量，决策与执行脱节成为常态。

OWASP 2025 LLM 应用十大安全风险深度解析

RAG中的语义理解与语义检索：别再混为一谈近年来，RAG（Retrieval-Augmented Generation）架构已成为大模型落地应用的主流范式之一。它通过将外部知识库引入生成过程，有效缓解了模型幻觉、知识滞后等问题。然而，在实际构建和优化RAG系统时，许多开发者对其中两个核心概念——“语义理解”与“语义检索”——的理解仍显模糊。有人将二者等同，认为只要用了向量数据库就等于实现了语义能力；也有人误以为语义检索的结果质量完全取决于嵌入模型，而忽视了前端理解环节的关键作用。这种混淆直接导致系统设计偏差：要么过度依赖检索而忽略提示工程，要么在

再见，REST API？你好，MCP Server！AI时代后端开发新范式摘要：本文站在2025年末的视角，深入探讨了模型上下文协议（MCP）服务器与传统API（如REST）的本质区别。文章首先剖析了传统API在AI Agent时代面临的困境，进而阐述了MCP作为专为AI设计的“新HTTP”所带来的范式革命，涵盖其设计哲学、核心优势及典型应用场景。随后，文章通过一个详尽的、基于Java和Spring AI生态的实战教程，手把手教你构建一个最小但功能完备的MCP服务。最后，我们展望了MCP在企业级AI应用、安全治理及未来智能编排中的发展趋势，旨在为身处AI浪潮中的开发者和架构师

智能体的自适应学习《AI Agent智能体开发实践邓立国邓淇文著五大实战案例掌握AI Agent开发 LangChain示例人工智能技术丛书清华大学出版社》【摘要书评试读】- 京东图书

利用 OneKey MCP Router Python SDK构建多领域大模型Function Call多工具调用数据集AI Agent训练Function Call/RL等数据集时，一个常见的难题是：我们需要集成数十甚至数百个不同的MCP（Model Context Protocol）服务器提供的工具，每个服务器都需要独立的API密钥配置、复杂的SDK集成和繁琐的访问权限管理。传统方法中，我们需要为每个MCP服务器单独申请access_key、配置环境、编写独立的调用逻辑，这不仅效率低下，还增加了系统复杂度。今天，我将介绍如何利用 OneKey MCP Router 统一API Gateway的Python SDK，通过

每周AI看 | 亚马逊推出AI产品矩阵、网易云商客服Agent项目收录至《2025年中国数字服务产业发展白皮书》编者按：本周AI领域技术突破与商业落地并行。全球巨头在芯片与模型上激烈角逐，英伟达以因果推理革新自动驾驶，亚马逊则以全栈AI矩阵加速企业应用。聚焦国内，AI在服务、音乐、影像等多元场景深入渗透，如北京一卡通与网易云商合作的客服Agent项目脱颖而出，凭借超97%的意图识别准确率验证了“人工智能+”的务实落地路径，标志着AI竞争已从技术秀场转向价值创造的核心战场。

大数据在线

亚马逊云科技：Agentic AI的“iPhone时刻”正在到来AI 正告别“炫技”，加速回归“价值”。这其中，AI Agent所扮演的角色与作用至关重要。今天，全球的开发者都在积极拥抱AI Agent来构建，标志着整个技术行业正迎来重大转折点。因此，当AI Agent加速涌现之际，AI Agent需要加速进入到生产环境和创造更多价值，已成为产业共识。

使用FastGPT知识库构建智能客服的示例目录3.5.1 创建知识库3.5.2 使用工作流构建知识库应用3.5.3 基于知识库进行问答本节将使用知识库来构建一个简单的智能客服，步骤包括创建知识库、在智能客服工作流中使用知识库，以及基于知识库进行智能问答。

FastGPT简介FastGPT是珠海环界云计算有限公司精心打造的企业级AI生产力引擎，它并非简单的“问答机器人”，而是一款开箱即用的智能体开发平台。自2023年正式上线以来，它已在短短两年多时间里服务了数百家企业级客户，足迹遍布金融、医疗、制造、教育、政务、能源等众多行业，在各行各业的数字化转型浪潮中扮演着不可或缺的关键角色。从证券机构的财报分析到医院的病历辅助解读，从工厂的设备检修预警到学校的个性化教学辅导，FastGPT正以多元化的应用场景证明着自身的价值。

智能体开发环境安装目录2.1.1 Anaconda的下载与安装2.1.2 PyTorch的下载与安装2.1.3 PyCharm的安装与使用

FastGPT企业知识库介绍目录3.4.1 FastGPT的存储结构3.4.2 知识库搜索模式如图3-5所示，在FastGPT中，整个知识库由库、集合和数据三部分组成。集合可以简单理解为一个文件。一个库中可以包含多个集合，一个集合中可以包含多组数据。最小的搜索单位是库，也就是说，知识库搜索时，是对整个库进行搜索，而集合仅是为了对数据进行分类管理，与搜索效果无关。向量就是将人类的语言（文字、图片、视频等）转换为计算机可识别的语言（数组）。计算两个向量之间的相似度，表示两种语言的相似程度。

大数据在线

亚马逊云科技：与云计算一样，Agent也将带来巨大变革2025年被视为AI Agent爆发之元年，AI Agent在标准化和短周期任务中展现出令人惊叹的应用能力，市场中爆发多款备受瞩目的AI Agent 产品。面向未来，AI Agent对于长周期、复杂化任务领域也有望取得飞速进展，这无疑将彻底重塑众多行业的业务、流程和组织。

FastGPT版本体系概览FastGPT围绕企业不同规模、技术需求和部署方式，构建了多层次的版本体系，从免费开源的基础体验到定制化的企业级方案，全面覆盖各类用户场景。版本设计以“用户规模”“部署方式”“功能深度”为核心划分维度，共包含四大类版本：开源版、SaaS版、商业版、企业版，覆盖从个人开发者到大型企业的全场景需求。其中，开源版与SaaS版主打轻量化体验，SaaS版作为FastGPT的经典云端方案，基于官方云服务器运行，无须本地部署成本，数据由官方托管，主打便捷性与轻量化体验。商业版与企业版聚焦企业级深度功能。开源版、商业版、

FastGPT的特点与优势在AI技术飞速发展的今天，企业对智能工具的需求早已超越了简单的“问答功能”，转而追求能深度适配业务场景、高效解决实际问题的综合解决方案。FastGPT作为企业级AI生产力引擎，凭借其独特的技术架构与落地能力，构建起难以复制的竞争优势。这些优势不仅体现在技术参数的领先上，更转换为实实在在的业务价值，让AI从“实验室概念”真正走进企业的日常运营。

【新书推荐】《玩转FastGPT：像搭积木一样构建智能体》解析FastGPT企业级 Al Agent开发平台的用法，实战飞书AI推送机器人、智能客服、出游规划大师招投标助手、智能问数、HR智能招聘助手、Graphviz流程图生成、智能发票识别等智能体应用

智能体与大模型的关系智能体（Agent）：智能体是一个能够感知环境并通过行为改变环境的实体。它可以是物理实体，如机器人；也可以是软件实体，如软件代理。智能体具有自主性、社会能力、反应性和主动性等特点。