智能体

企业级智能体如何连接ERP、OA和CRM？API、RPA与MCP的技术分工我们通常会在一家企业里看到这样一种情况：销售在CRM提交了客户申请，OA审批也已经结束，但ERP里还没有正式客户档案，后续订单、结算和财务流程因此卡住，只能再由人工把几套系统里的信息重新核一遍。

智能体研发数据怎么确认入表：当数据既是“运行介质”又是“直接产出”标签：#数据资产 #数据治理 #数据要素 #智能体 #数据入表摘要：智能体嵌入企业研发流程后，数据同时扮演两个角色——既是驱动 Agent 运行的“介质”，又是研发活动沉淀下来的“产出”。这直接冲击了会计准则里“研究—开发”的二元划分。本文拆解智能体研发数据的确认边界怎么定、四类支出的入表判定、台账字段怎么设计、审计要什么证据，给一张可直接落地的自查清单。

段一凡-华北理工大学

大模型应用开发 100 天：Python + LLM 从入门到精通 day26~Prompt 调试与优化——A/B 测试与效果评估🔖 阶段三：Prompt Engineering 深度实战（Day 21 - Day 30）写好一个 Prompt 只是开始。真正的挑战是：如何知道你的 Prompt 好不好？如何系统地优化它？今天我们将学习 Prompt 的调试技巧和量化评估方法，让 Prompt Engineering 从"凭感觉"变成"有数据"。

智能体怎么接进业务系统？2026 MCP 工具调用实战：从对话到数据库摘要：2026 年，企业智能体的分水岭已经从"模型会不会聊"变成"能不能安全接进业务系统干活"。本文以 MCP（Model Context Protocol，模型上下文协议）为主线，带一段可改写的实战代码，演示如何把一个"查内部数据库并生成报表"的需求，做成可被大模型自动调用的智能体工具，并讲清生产化必须补齐的鉴权、审计、降级三件事。本文为中性技术实战，所涉平台仅作对照，非排名推荐。

AI Agent 和 Chatbot 有什么区别？Chatbot 主要解决“现在问一句，得到一个回答”；AI Agent 主要解决“给定一个目标，经过多步处理后交付结果”。两者都可能使用大模型，但任务边界、信息处理方式和结果确认方式不同。只要一次请求需要查资料、调用工具、检查结果或等待人工决定，就不能只看聊天界面，要看背后的任务流程。

效率工作实验室

用 AI Agent 做游戏数据分析，哪些场景效果最好？很多人以为"用 AI 做数据分析"，就是对着对话框问一句"上个月收入为什么降了"，然后得到一张趋势图。放到 2026 年，这个理解已经不够用了。

Java的搬运工

2026 AI Agent 实战：五层架构、MCP 工具调用与十条避坑清单合集 - AI行业观察先放句得罪人的话：会调框架 ≠ 会做 Agent。2026 年满大街都是"AI Agent 落地课"，教的内容一半是套壳聊天机器人，另一半是把 LangChain 的例子抄三遍。本文从架构、选型、落地三步走，讲清楚一个能扛住真实业务的 Agent 到底由什么组成、MCP 在其中扮演什么角色，以及我从项目里踩出来的十条坑。看完你还觉得 Agent 很难，回来骂我。

像风一样自由2020

42.VueReactNextjs如何为AI应用设计前端交互码海寻道 · 大模型、智能体与 RAG 工程组件系列第 42 篇AI 应用的前端不是把一个输入框和 Markdown 输出拼在一起。它还要处理流式文本、工具调用、引用来源、任务进度、错误重试、取消生成和多轮会话。Vue、React 和 Next.js 都能实现，关键是先设计交互状态和后端协议。

像风一样自由2020

41.用FastAPI搭建一个RAG后端需要哪些接口码海寻道 · 大模型、智能体与 RAG 工程组件系列第 41 篇一个 RAG 后端不只是一个 /chat 接口。要支持文件上传、异步解析、知识库管理、问答、引用、任务状态和权限控制，应该先设计清楚资源和接口边界，再接入模型与向量数据库。

段一凡-华北理工大学

大模型与智能体在工业的应用~系列文章03：提示词工程：与大模型正确对话的“说明书“很多工业朋友第一次用大模型都"很失望"——问它个专业问题，给出一堆泛泛而谈的大道理，一点"干货"都没有。其实问题多半不在模型，而在你提问的方式。大模型的能力上限觉醒于"你喂给它的那句话"。提示词工程（Prompt Engineering），就是教你学会"正确指路"——用结构化的方式引导大模型给出高质量、可落地、贴合行业场景的答案。本期讲透角色设定、Few-shot、CoT、结构化输出的实战技巧，并附钢铁场景的正反例对比。

AI词都认识数取不出来，卡在哪一步一家做建材批发的商贸公司，三十家门店，去年上了AI问数，头一个月就出了个不大不小的洋相。月度经营分析会上，老板让AI现场拉一个毛利率前十的单品清单，屏幕上秒出结果。财务经理扫了一眼就皱眉：第三名那个瓷砖品类的毛利率不对，比财务报表里的数高了四个点。会议室安静了几秒，BI工程师小周把清单导出来对了一晚上，查明白的原因让人哭笑不得——AI认识"成本"这个词，也找到了成本字段，但它取的是入库成本，财务口径用的是移动加权成本。库存明细表里这两个字段挨着，名字就差两个字。

agent框架langgraph4j原理源码分析(一)-架构langgraph4j是java技术栈ai agent框架，深入掌握其源码与原理，指导agent的开发，重构/改造框架，增加特性，快速定位和修复bug，发布私有版本

实验 2-6 豆包版复现分析：Agent Skills 从论文生成演示文稿实验 2-6 的对象是固定版本（69c0b1a）的 Anthropic 官方 PPTX Skill + 一篇真实学术论文 PDF，由支持 Skills 的智能体运行时执行：Agent 启动时只看到 Skill 元数据，通过渐进式披露（元数据 → 完整 SKILL.md → html2pptx.md 细则）逐层加载，使用官方 scripts/html2pptx.js 与 scripts/thumbnail.py 工作流，从 Attention Is All You Need （arXiv:1706.037

作业打卡：第三章《大语言模型基础》——本地运行 Qwen 并实现循环问答学习日期：2026-09-19 实践内容：本地部署开源大语言模型、单轮问答、多轮循环问答使用模型：Qwen/Qwen1.5-0.5B-Chat 参考资料：Datawhale Hello-Agents 第三章《大语言模型基础》[1]

开源 AI Agent Runtime：客服截图怎样变成工单？客服群里经常出现一张错误截图，里面可能有错误码、页面标题和一串被截断的提示，但没有账号、发生时间或复现步骤。让 Agent 直接总结，工单看起来完整，后续却找不到受影响用户，也无法判断紧急程度。

智能体如何实现语音通话功能：基于 ZEGO AI Agent 的实践当大语言模型（LLM）从”打字聊天”走向”开口说话”，智能体才真正具备了与人自然交互的能力。本文将从架构原理到代码实战，系统拆解如何基于 ZEGO 实时互动 AI Agent，为你的智能体赋予低延迟、可打断、高自然度的实时语音通话能力。

工智能安全描述性综述（2026）：基于30份行业报告的梳理综述性质：描述性综述（Descriptive Review）。本文以 30 份 AI 安全相关研究报告为对象，保留每份报告的核心内容与关键结论，按报告实际内容归纳主题结构；同一版块内允许并列呈现不同报告对同一议题的竞争性观点。所有引用均以（报告名，机构，年份）形式标注，文末附完整参考文献与来源信息。

工业级 AI Agent 架构：5 层、2 范式、4 原则，一次讲透面试官问起 Agent 架构，很多人张口就是 ReAct、Function Calling，但一句「你的 Agent 怎么落地到线上、扛不扛得住多轮任务」，就露馅了。

边界智能通过人工智能管理体系认证，AI 研发及管理能力获权威认可近日，边界智能正式通过 ISO/IEC 42001:2023《人工智能管理体系》认证（等同采用国家标准 GB/T 45081-2024）。该标准是全球首个可认证的人工智能管理体系国际标准，为 AI 技术的可信、安全与负责任发展提供了系统化框架。

Hermes × 本地 Ollama × qwen3.8 效能优化研究实验报告本报告记录并分析了一次针对"Hermes Agent + 本地 Ollama + qwen3.8"三元栈的系统性效能优化。研究起点是一个朴素的问题——“如何让这套组合发挥最大潜力”；终点却是一个与起点假设相反的结论。