ai agent

每周AI看 | 微软开源VibeVoice-1.5B、OpenAI历史性交棒、网易云商出席AICon全球人工智能开发与应用大会1. 中国团队实现全球首例基因编辑猪肺人体移植，异种移植技术重大破壁！2. 杭州中小学9月全面开设AI课，每学年不少于10课时

RAG概念被误用：AI应用落地需回归上下文工程本质在生成式AI爆发式发展的当下，"RAG"（Retrieval-Augmented Generation）作为技术热词频繁出现在行业讨论中。这个将检索与生成简单组合的概念，被普遍视为大模型落地的标准方案。但Chroma创始人Jeff Huber在Latent Space播客中的犀利观点，犹如一记警钟：RAG本质上是误导性的概念包装，其模糊的工程边界正在阻碍AI应用的深度发展。

大模型应用发展与Agent前沿技术趋势（下）金融行业是大模型Agent技术应用最为广泛的领域之一，涵盖了风险评估、投资决策、客户服务等多个方面。在金融风控领域，Agent系统通过结合大模型的语义理解能力和强化学习的决策优化能力，能够实现更精准的风险评估和欺诈检测。

基于Coze平台的自动化情报采集与处理引擎—实现小红书图文到飞书的端到端同步本文介绍了一个基于Coze平台的智能工作流设计与实现，旨在解决内容运营中信息采集、处理与归档的自动化难题。该系统通过集成小红书内容提取、OCR文字识别及飞书多维表格同步三大核心功能，构建了一套完整的“信息获取-智能解析-结构化存储”闭环。项目不仅实现了技术上的创新，更在实际应用中显著提升了工作效率，为内容创作者和运营团队提供了强大的数据支持。

还在使用Milvus向量库？2025-AI智能体选型架构防坑指南说明：选 Milvus 如果： ✅ 预算充足 ✅ 全栈式团队（包括运维、网管）选 Qdrant 如果： ✅ 只有虚拟机费用（2c cpu, 1g内存可支持千万条数据） ✅ 运维能力弱，需快速上手 ✅ 成本敏感，追求轻量级API

MCP + LLM + Agent 8大架构：Agent能力、系统架构及技术实践来源：智能体AI、腾讯云开发者Agent能力概述Agent的能力主要可以分为以下几个部分：算力；知识记忆；

华为云开发者联盟

AI智能体时代，看华为云AI原生应用引擎2.0——Versatile如何脱颖而出，面向千行万业，打造最佳企业Agent平台本文分享自华为云社区《AI智能体时代，看华为云AI原生应用引擎2.0——Versatile如何脱颖而出，面向千行万业，打造最佳企业Agent平台》，作者：开天aPaaS小助手Tracy

AI Agent开发学习系列 - langchain之LCEL(5)：如何创建一个Agent？结果：这段代码展示了使用 LangChain 创建和配置 Agent 的完整流程。首先通过 ChatOpenAI 初始化腾讯混元大模型，然后从 LangChain Hub 拉取预定义的 Agent 提示模板，接着使用 load_tools() 加载数学计算工具并传入 LLM 实例，随后调用 create_openai_functions_agent() 将 LLM、工具和提示模板组合成 Agent，最后创建 AgentExecutor 作为执行器并调用 invoke() 方法执行 Agent。技术要点

王吉伟频道

收藏！国内120+AI Agent开发/构建平台大盘点（上）：互联网、云计算、AI、传统软件厂商推出的智能体平台全文约9800字，阅读时间15分钟7月18日，OpenAI正式发布了通用智能体ChatGPT Agent。相当一部分业内人士并不看好它，但仍旧引起了热议。

微软CEO Satya Nadella提出AI重构法则：从范式跃迁到社会盈余从客户端到互联网、移动互联网再到云计算，技术平台的演进始终遵循“平台变革→产品跃迁→反哺平台”的螺旋上升逻辑。AI的特殊性在于其叠加了前三代技术的基础设施能力：

构建企业级 AI Agent：不只是 Prompt 工程，更是系统工程近年来，随着大语言模型（LLM）能力的快速提升，AI Agent 成为了技术圈内炙手可热的话题。从最初的“调用 API 玩玩”到如今尝试将其部署进生产环境，越来越多的企业开始意识到：仅仅依靠 Prompt 来驱动 LLM 并不能构建出一个稳定、可控、可扩展的智能代理系统。

陈敬雷-充电了么-CEO兼CTO

大模型军备竞赛升级！Grok 4 携 “多智能体内生化” 破局，重构 AI 算力与 Agent 2.0 时代注：此文章内容均节选自充电了么创始人，CEO兼CTO陈敬雷老师的新书《GPT多模态大模型与AI Agent智能体》（跟我一起学人工智能）【陈敬雷编著】【清华大学出版社】

找了一圈尾巴

我的开源项目-AI Agent 配置系统当下，AI Agent 领域呈现爆发式增长，涌现出众多优秀产品。它们大致可分为两类：工作流编排平台：代表如开源的 Dify、闭源的 Coze。这类平台通过可视化配置（如拖拽节点、连接线）构建 AI 应用，核心特点是简便易操作，极大降低了技术使用门槛。然而，这种 “低代码 / 无代码” 模式虽深受产品经理或业务分析师青睐，却难以满足追求技术深度与定制化能力的开发者（尤其是程序员）需求 —— 其对底层技术细节的高度抽象甚至 “屏蔽”，限制了开发者对技术栈的深度把控。

一文深入：AI 智能体系统架构设计如何构建一个有效的主动智能系统？如何在开发过程中发现潜在问题，避免它们在生产环境中引发重大麻烦？要回答这些问题，你需要将主动智能系统分为三个部分：工具、推理和行动。每一层都有其独特的挑战。某一层的错误可能会波及到其他层，导致意想不到的失败。例如，检索功能可能拉取不相关数据；推理不充分可能导致工作流程不完整或出现循环；行动在生产环境中可能失效。

【人工智能】通过 Dify 构建智能助手智能助手（Agent Assistant），利用大语言模型的推理能力，能够自主对复杂的人类任务进行目标规划、任务拆解、工具调用、过程迭代，并在没有人类干预的情况下完成任务。

从爆红到跑路：AI明星Manus为何仅用四个月就“抛弃”了中国？目录前言一、资本的“无形之手”：7500万美元融资背后的“投名状”二、技术的双重困境：算力封锁与“应用层”的原罪

理解大模型智能体生态：从 Prompt 到 Agent 的完整信息流解析大语言模型（LLM）的应用正从单轮问答走向更复杂的智能体系统，具备“理解需求、拆解任务、调用工具、执行动作”一体化的能力。这个过程中，用户的输入（Prompt）只是开端，大模型如何组织上下文、调用外部工具、完成复杂任务，背后则涉及一整套协同机制。

华为云 Flexus+DeepSeek 征文｜基于 Dify 平台开发智能客服 AI Agent 的完整实战指南嘿，亲爱的 AI 爱好者们，大家好！还记得去年在跨境电商智能客服项目攻坚阶段，我和团队连续一个月驻扎在客户现场。面对日均 3 万 + 咨询量的 “洪水猛兽”，传统客服系统就像不堪重负的堤坝，随时有决口风险。而当基于华为云 Dify 与 DeepSeek-V3 搭建的智能客服上线后，系统响应速度的提升让客户惊叹：“这简直是给我们服务体系装上了超跑引擎！” 今天，我将带着这些年踩过的坑、积累的实战秘籍，手把手教你打造企业级智能客服系统。

用 python 开发一个可调用工具的 AI Agent，实现电脑配置专业评价在人工智能时代，AI Agent凭借其强大的任务处理能力，逐渐成为开发人员手中的得力工具。今天，我们就来一起动手，用Python打造一个能够调用工具的AI Agent，实现根据电脑信息对电脑配置进行专业评价的功能。

智能体觉醒：AI开始自己“动手”了-自主进化开启任务革命时代智能体（Agent）是AI的“进化版”——它不再局限于生成文字或图像，而是能像人类一样“规划任务”“调用工具”甚至“协同合作”。例如，一个智能体可以接收“帮我预订下周去东京的机票并安排酒店”的指令，自动分解任务为“查询航班”“比价”“预订”“发送提醒”等步骤，并调用天气API、支付接口等工具完成全流程。