ai agent

在未来等你

AI Agent设计模式 Day 5：Reflexion模式：自我反思与持续改进【AI Agent设计模式 Day 5】Reflexion模式：自我反思与持续改进在“AI Agent设计模式实战”系列的第5天，我们深入探讨 Reflexion 模式——一种通过自我反思实现持续改进的智能体设计范式。该模式源于人类认知中的元认知（metacognition）机制，允许Agent在执行任务后评估自身行为、识别错误并生成改进建议，从而在后续尝试中提升性能。Reflexion 特别适用于需要多轮试错、复杂推理或高准确率保障的场景，如代码生成、数学证明、自动化测试和客户服务对话系统。本文将从原理

在未来等你

AI Agent设计模式 Day 2：Plan-and-Execute模式：先规划后执行的智能策略【AI Agent设计模式 Day 2】Plan-and-Execute模式：先规划后执行的智能策略在“AI Agent设计模式实战”系列的第二天，我们将深入探讨 Plan-and-Execute（规划-执行）模式。该模式通过将复杂任务拆解为结构化子目标，并分阶段完成“规划”与“执行”，显著提升了Agent在多步骤、高不确定性场景下的鲁棒性与可解释性。相较于ReAct等边推理边行动的模式，Plan-and-Execute更适合需要全局视野的任务，如项目管理、自动化运维、科研实验设计等。本文将从理论基础、架

在未来等你

AI Agent设计模式 Day 3：Self-Ask模式：自我提问驱动的推理链欢迎来到“AI Agent设计模式实战”系列的第3天！在前两天我们分别探讨了ReAct模式（推理与行动结合）和Plan-and-Execute模式（先规划后执行）之后，今天我们聚焦于一个极具启发性的基础设计模式——Self-Ask模式（自我提问模式）。该模式通过让大语言模型（LLM）主动提出中间问题（follow-up questions），并逐步回答这些问题，最终构建出完整的推理链，从而显著提升复杂问答任务的准确率与可解释性。

在未来等你

AI Agent设计模式 Day 1：ReAct模式：推理与行动的完美结合【AI Agent设计模式 Day 1】ReAct模式：推理与行动的完美结合在“AI Agent设计模式实战”20天系列的第一天，我们将深入探讨 ReAct（Reasoning + Acting）模式——一种将语言模型的推理能力与外部工具调用能力紧密结合的设计范式。ReAct由Yao et al. 在2022年提出（论文《ReAct: Synergizing Reasoning and Acting in Language Models》），其核心思想是让Agent在每一步决策中交替进行推理（Though

金融RAG落地之痛：不在模型，而在数据结构过去两年，大模型在企业内部掀起了一轮又一轮“智能问答”热潮。尤其在金融行业，从银行到保险、证券、资管，几乎每个机构都在尝试构建自己的RAG（Retrieval-Augmented Generation）系统，希望用AI快速响应客户或员工关于产品条款、监管政策、风险说明等问题。但现实很骨感：很多团队投入大量人力搭建了完整链路，结果上线后却发现，问答质量忽高忽低，错误频出，甚至不如人工查阅效率高。我接触过不下十家金融机构的技术负责人，他们反复提到同一个困惑：“模型没换，架构也没问题，为什么效果就是上不去？”

华为云开发者联盟

【新特性】版本速递 | 华为云Versatile智能体平台新增特性介绍（2025年10月发布）华为云Versatile智能体平台体验入口>>>华为开发者空间--开发平台--Versatile Agent（请在PC端打开）

Lab4AI大模型实验室

【每日Arxiv热文】还在为视频编辑发愁？港科大&蚂蚁集团提出Ditto框架刷新SOTA！论文标题：ScalingInstruction-BasedVideoEditingwithaHigh-QualitySyntheticDataset

0.3、AI Agent 知识库、召回、Recall、Embedding等相关的概念在 AI 应用平台（比如 Dify）中，召回（Recall）、向量检索（Vector Retrieval）、全文检索（Full-text Retrieval）、混合检索（Hybrid Retrieval）都是用于从知识库或文档库中查找与用户问题相关内容的不同策略。它们各有特点，适用于不同的场景。 Score（得分）通常是检索系统返回的每个文档与用户查询之间的“相关性分数”

11 个在 GitHub 上最受欢迎的开源无代码 AI 工具原文链接：11 个在 GitHub 上最受欢迎的开源无代码 AI 工具过去一年，AI 与无代码的融合速度远超预期。它已经不只是“加一个 AI 功能”，而是在重塑我们构建应用的方式。

NineData将亮相第27届GOPS全球运维大会，并带来技术演讲2025 年10月17日-18日，NineData 将亮相第27届 GOPS 全球运维大会暨研运数智化技术峰会·上海站，NineData 数据库 DevOps 产品负责人刘芬芳将带来《AI Agent 在数据库 DevOps 的实战》的技术演讲。

A2A架构详解《AI Agent智能体与MCP开发实践基于Qwen3大模型清华大学出版社王晓华著著人工智能技术丛书新华正版书籍包邮图书》【摘要书评试读】- 京东图书

0.2、AI Agent 开发中 ReAct 和 MAS 的概念ReAct 是一个设计范式/方法论，而不是一个协议或 Spring Cloud 那样的完整框架。而 MAS 是一个更宏观的、源自分布式人工智能的体系结构范式

Encoder-Decoder架构的模型简介《大模型应用开发鲍亮,李倩清华大学出版社》【摘要书评试读】- 京东图书Encoder-Decoder架构的模型包括T5模型、BART语言模型、GLM模型与Switch Transformer模型等。

能源AI天团：多智能体如何破解行业复杂任务深夜的光伏电站监控室里，警报声突然响起。值班工程师面对屏幕上跳动的异常数据，需要立即判断：是设备故障还是天气突变？该派维修团队还是调整电网调度？这样的复杂决策往往需要多个领域专家的协同判断——电气工程师分析设备状态、气象专家评估天气影响、经济师测算损失成本。而现在，通过多智能体AI框架，这些专业知识被整合成一个永不疲倦的数字化专家团队。

如何在云服务器上使用LLaMA Factory框架微调模型LLaMA Factory是一款开源低代码大模型微调框架，集成了业界广泛使用的微调技术，支持通过Web UI界面零代码微调大模型。本文以DeepSeek-R1-Distill-Qwen-14B模型为例，介绍如何使用云平台（这里以阿里云平台为例，其他平台区别不大）及LLaMA Factory训练框架，完成模型的中文化微调和评估，以及为评估后的合并和本地模型注册ollama的方法。

对接Agent时，流式接口消息存在批量返回问题背景：今天对接后端 Agent 返回消息时，发现输出效果不如 ChatGPT、豆包或 deepseek 那样流畅。通过开发者工具查看发现，同一毫秒内会返回约 10 条消息，所以会造成消息一大块一大块的渲染，而不是像打字机那样丝滑，起初以为是算法或后端问题，经过排查才发现是 Nginx 代理层的默认缓冲设置导致的。

AP2协议与AI Agent经济：重塑金融生态与主权国家挑战谷歌推出的Agent Payments Protocol（AP2）协议代表着支付技术与AI代理经济的重大突破。AP2是一个开放共享协议，其核心目的是让AI智能体能够安全、合规地代表用户在不同平台上发起并完成支付。这一协议建立在现有技术标准之上，包括Agent2Agent（A2A）协议和Model Context Protocol（MCP），形成了一个完整的支付能力拼图。从技术架构角度看，AP2通过三种核心授权凭证（Mandates）重新定义了支付过程中的信任机制：意图凭证（Intent Mandate）记

详解mcp以及agen架构设计与实现MCP(模型上下文协议)：mcpservermcp clienttoolsCommunication&tools

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