智能体

金融AI Agent平台技术路线与落地能力对比：7家主流智能体优缺点分析金融AI Agent正在重塑银行业务效率，从客服响应到风控决策，再到中后台流程执行，一批本土平台已进入生产应用阶段，它们技术路径不同，落地效果也各有侧重。下面我们盘点几家金融业主流智能体平台，聚焦它们的核心技术、主要功能、优缺点以及适合场景，帮更多金融机构看清选择方向。

风巽·剑染春水

【World Models综述】理解世界还是预测未来？（ACM CS-2025）探索世界模型从阅读一篇综述开始！论文：Understanding World or Predicting Future? A Comprehensive Survey of World Models 论文与代码汇总：https://github.com/tsinghua-fib-lab/World-Model

LangGraph 基础图创建思路LangGraph 是一个用于构建有状态、多参与者应用的工作流库。创建基础图的思路可以概括为以下步骤：

【Agent】Openclaw架构（Gateway|subagent|工具过滤|Sandbox）1、OpenClaw会用一组工作区 Markdown 文件定义 Agent 的默认身份与协作现场：这些文件并不都是以同样的方式进入一次 run。像 AGENTS.md、SOUL.md、TOOLS.md、IDENTITY.md、USER.md、HEARTBEAT.md 这类 bootstrap 文件，通常会进入 Project Context；BOOTSTRAP.md 只在 brand-new workspace 的首次引导时出现；MEMORY.md 现在也会作为长期记忆文件注入，而 memory/ 里的日

小程故事多_80

DeepSeek-V4技术报告全解读从架构到Infra的全栈重构之路2026年，大模型行业迎来了一个关键转折点，长上下文不再是“炫技式”的能力演示，而是成为支撑Agent任务、长文档分析、代码生成等实际场景的核心需求。就在这个节点，DeepSeek-AI发布了DeepSeek-V4系列模型的预览版本，带来了一场从架构到Infra的全栈重构。不同于上一代V3.2聚焦“MoE+推理RL”的优化方向，V4以“长上下文基础设施重构”为核心主题，将架构、训练、后训练、数据、Infra等所有环节围绕1M token上下文和Agent轨迹进行了全面重写。

小白跃升坊

OpenClaw集成企业微信：功能应用解析大全在数字化办公场景不断升级的当下，企业对高效协同、智能办公的需求日益迫切。OpenClaw 作为一款高效的智能协作工具，通过与企业微信深度集成，实现了智能能力与企业办公场景的无缝衔接，打破了工具间的信息壁垒，大幅提升办公效率与协作体验。本文基于 1Panel 可视化运维面板(GitHub：https://github.com/1Panel-dev/1Panel)，结合 OpenClaw 与企业微信的对接规范，详细解析二者集成后的核心功能及应用场景，为企业用户提供清晰的操作指引与价值参考。

熊猫钓鱼>_>

AR游戏的“轻”与“深”：当智能体接管眼镜，游戏逻辑正在发生什么变化？戴上智能眼镜的第一秒，你期待看到什么？不是悬浮的操作面板，不是单调的提示信息——而是一只蹲在你桌角、歪头看着你的虚拟仓鼠。你只需轻轻滑一下手指，它就会转身钻进一个凭空出现的透明迷宫，开始一场只属于你们俩的寻宝游戏。

人工智能培训

大模型部署资源不足？轻量化部署解决方案

今天你TLE了吗

HelloAgents学习：PartⅠChapterⅠ初识智能体所有知识点来源于Github开源项目HelloAgents网站：Hello-Agents简洁定义：人工智能领域，智能体被定义为任何能够通过传感器感知其所处环境，并自主通过执行器采取行动达成指定目标的实体。

30分钟手搓 Agent：LLM + Tools + Loop + Memory 跑通最小闭环Agent 的最小执行链，到底长什么样？想了想，最好的办法就是手搓一个。先不管 ReAct、MCP、Function Calling、Memory、Harness 这些词。先不讲“自主规划、自主执行、自主反思”。

阿瑞说项目管理

有监督 vs 全自主：两种 Agent 范式，你选对了吗？从 LangChain、AutoGen 到 CrewAI，框架各有侧重——但真正影响项目落地的，是对"控制权"边界的判断。

李昊哲小课

自建API服务天气查询 Agent 进阶教程🎯 你将构建的程序基于本地大模型的 AI Agent，输入城市名即可查询实时天气。与简化版不同，本教程从零搭建模型服务：

((AI篇)OpenGL渲染与几何内核那点事-(二-1-(10)：从“搜个大概”到“读懂图纸”：一个 CAD 开发者眼中的 RAG 进化简史)@[TOC]((AI篇)OpenGL渲染与几何内核那点事-(二-1-(10)：从“搜个大概”到“读懂图纸”：一个 CAD 开发者眼中的 RAG 进化简史)

VoxMind: An End-to-End Agentic Spoken Dialogue System宣传一下我们的最新工作 VoxMind(端到端语音大模型领域首个系统性智能体框架)，已被 ACL 2026 Main Conference 录用，欢迎大家关注～

龙侠九重天

AI Agent 是什么？从概念到第一个智能体🚀 AI 正在从「回答问题」走向「解决问题」过去的几年里,我们见证了大语言模型(LLM) 的崛起。从 GPT-3 到 GPT-4,从 Claude 到 Gemini,这些模型展现出了惊人的语言理解和生成能力。它们能够写代码、创作文章、翻译语言,甚至能够通过各种考试。

基于ReAct模式的智能体系统示例ReAct（Reasoning + Acting）是让大模型像人类一样“边思考边行动”的提示工程框架。它通过让模型在生成最终答案前，先输出推理步骤（Reasoning），再根据推理调用工具或采取行动（Acting），来解决复杂问题。

小程故事多_80

AI编码效率革命，Agent Orchestrator如何让多智能体并行开发成为现实在人工智能技术飞速发展的今天，AI编码工具已经成为开发者日常工作中不可或缺的一部分。从简单的代码补全到复杂的逻辑生成，AI正在不断重塑软件开发的流程与效率。但当我们尝试让多个AI编码智能体同时处理一个项目的不同任务时，却常常陷入协作混乱、环境冲突、反馈滞后等困境。如何让众多AI智能体高效协同、并行工作，成为提升AI辅助开发效率的关键难题。

小程故事多_80

Claude Code 全流程梳理，从需求输入到工具执行的完整逻辑去年底第一次接触 Claude Code 时，我只是把它当成一个 “能在终端写代码的工具”。直到某次深夜调试一个 500 行的接口报错，我看着它自动读文件、定位问题、修改代码、跑测试，全程没让我敲一行命令，甚至连文件路径都没问我要，那种震撼感让我意识到：这不是简单的代码生成器，而是一套真正在 “思考” 的智能体系统。

RAG面试篇11我理解知识库更新的核心挑战是，文档变了，对应的 chunk 和向量都要跟着变，而且要做到增量处理，不能每次全量重建。我们的通用方案是给每个文档算一个内容 hash，通过轮询或者监听数据源变更，检测到文档新增、修改、删除的时候，先清掉旧的向量，再重新切割入库。对于实时性要求比较高的场景，我会用消息队列比如 Kafka 做变更事件驱动，实现秒级的入库。

GPT-5.5 全系上架 NoneLineargpt-5.5（OpenAI）gpt-5.5-pro（OpenAI）👉 已上架非线智能 NoneLinear 平台：https://nonelinear.com/static/models.html