智能体

DeepAgent 介绍与快速上手在 AI Agent 从 “简单问答” 走向 “深度执行” 的时代，传统智能体往往困在任务规划弱、上下文易丢失、复杂问题无法拆解的瓶颈中。而 LangChain 生态推出的DeepAgent，正是为解决复杂长时程任务而生的新一代智能体框架，它把 “规划、文件管理、子代理、持久记忆” 四大核心能力开箱即用，让开发者无需从零搭建 LangGraph 工作流，就能快速构建出能像人类一样拆解任务、分工协作、持久记忆的深度智能体。

智能体（Agent）深度解析：从概念到落地的全栈技术指南> 作者导读：当大模型成为"大脑"，Agent就是赋予AI行动力的"数字生命"。本文将从架构设计到工程实践，深度拆解智能体的核心技术栈，带你理解为什么Agent是2024年最具颠覆性的技术范式。

LiveKit × Bright Data：构建实时新闻播客 AI 语音智能体想让 AI 自动追踪品牌新闻，还能直接生成语音播客？这个教程带你从零搭建：SERP API 实时抓取新闻 → Web Unlocker 突破反爬 → LiveKit 语音合成输出。企业品牌监测的新玩法，代码全开源！

周红伟：信创大模型企业级部署实操，Qwen3.5 昇腾企业级部署案例实操Qwen3.5 是 Qwen 系列最新的旗舰多模态模型，采用 MoE（混合专家）架构，在保持强大模型能力的同时显著降低了推理成本。其核心架构特点包括：

周红伟：Qwen3.5-Plus - 企业级部署案例实操，Qwen3.5 LLM，包括 Qwen3.5-397B-A17B在本地设备上运行新的 Qwen3.5 LLM，包括 Qwen3.5-397B-A17B！Qwen3.5 是阿里巴巴的新一代模型家族，包括 Qwen3.5-397B-A17B，一款具有 397B 参数（17B 活跃）的多模态推理模型，其性能可与 Gemini 3 Pro、Claude Opus 4.5 和 GPT-5.2 相媲美。它支持 256K 上下文（可扩展至 1M）覆盖 201 种语言，提供思考与非思考模式，并在编码、视觉、代理、对话和长上下文任务中表现出色。

南_山无梅落

从原型到生产：构建高可靠RAG系统面临的四大挑战与解决方案目录挑战一：检索质量不稳定挑战二：长文档与上下文窗口限制挑战三：回答的事实一致性与幻觉挑战四：多轮对话中的上下文管理

周红伟：Sglang+Vllm+Qwen3.5企业级部署案例实操Qwen3.5 可通过流行的推理框架以 API 形式部署。以下展示了启动 Qwen3.5 模型 OpenAI 兼容 API 服务器的示例命令。

大模型部署入门教程，消费级显卡跑通Qwen3.5-Plus，最低配置部署教程，不能在简单了一、先理清：消费级显卡跑Qwen3.5-Plus的最低门槛二、零报错软件环境搭建（一键复制脚本）三、模型获取：选对量化版，显存直接省一半四、核心部署代码：消费级显卡专属适配五、本地推理实测：对话效果直接看六、高频问题快速解决七、进阶优化：vLLM加速+WebUI可视化 7.1 vLLM加速部署 7.2 Gradio可视化WebUI

My First AI智能体！！！我第一个AI智能体： AI、AI、AI、最近我的生活中，到处都充满了AI，千问喝奶茶，豆包春晚发红包，元宝的小马卡，国内的AI大战就算如此的朴实无华；

全栈规模化虚拟企业：下一代商业物种的系统演进与架构重构研究主旨：探讨“全栈规模化虚拟企业（Full-Stack Scaled Virtual Enterprise, FSVE）”作为第四次工业革命后新型经济实体的构建范式。核心论点：依托多智能体系统（Multi-Agent Systems, MAS）、大语言模型（LLMs）与数字孪生组织（DTO）技术，企业正在从“以人为核心的科层制”向“以AI为核心的算力驱动型自适应网络”演进。本报告系统解析了该演进过程中的技术工程实现、系统化科研管理、商业运营重构、资产增值逻辑以及全局风险管控合规体系。

AI选型终极指南：智能体与技能的优缺点深度对比在AI应用的快速发展中，智能体（Agent）和技能（Skill）成为两种主流的能力形态。它们代表了AI能力的两种不同范式，各有其独特的技术优势和适用场景。那么，在实际应用中，我们应该如何选择智能体和技能呢？本文将从技术实现层面，深度对比智能体与技能的优缺点，为技术选型提供参考。

无前端编码，解锁Langflow无限可能：自定义Python组件开发全指南在企业级AI应用落地过程中，开发者常面临一个共性困境：Langflow官方组件虽能覆盖通用场景，却难以适配制造业设备数据解析、医药行业文献检索等个性化业务需求。要么被迫在可视化画布外编写大量冗余脚本，要么妥协于现有功能的局限性，导致AI工作流与业务场景脱节。

南_山无梅落

从LangChain到LangGraph：构建智能Agent的实战指南（二）——LangGraph，当Agent需要“思考循环“#langgraph_core目录第二部分：LangGraph——当Agent需要"思考循环"2.1 为什么需要LangGraph？

Coze开发平台引言：最近学习了AI智能体开发，利用coze开发平台初步了解AI低代码或无代码开发并进行了实战，这篇文章对其中涉及到的相关的部分名词与知识点做一个总结。

吊打OpenClaw！国产AI助理MindX开源：Token消耗砍至10%，还能养出专属数字分身作为一名重度AI工具使用者，26年1月29日在OpenClaw爆火时我第一时间上手体验，初体验确实惊艳——能自动处理后台任务、对接海外社交工具，但这份新鲜感仅维持了两天：QWenChat羊毛薅光、单轮会话的Token用量飙升至680%，一至卡死！日常用GPT-4/Opus更是日均成本50+元，而且全程适配海外生态，微信/飞书/钉钉这些国内办公刚需工具完全不支持，越用越觉得「这根本不是给中国人设计的工具」。

掌控 OpenClaw：核心命令行一个AI智能体平台是一台精密的机器。Web UI 提供了观察其灵魂的窗口，但真正的掌控权，源自命令行（CLI）——工程师的中央控制台。在这里，每一次敲击都直接与系统的核心交互，每一次命令的执行都可能重塑智能体的行为。

从数据中心到服务大厅：数字人智能体如何革新电力行业服务模式随着能源革命与数字革命深度融合，电力行业正加速向“数字化、智能化、绿色化”转型，新型电力系统建设对服务效率、运维水平、科普质量提出了更高要求。传统电力服务中，数据中心讲解专业度不足、服务大厅人力成本高、业务办理标准化欠缺、应急响应不及时等痛点，制约了行业高质量发展。在此背景下，数字人智能体凭借“AI智能内核+拟人化交互”的核心优势，融合多模态识别、自主学习、专业知识库沉淀等能力，逐步渗透到电力数据中心、服务大厅等核心场景，成为激活电力行业数字化转型的新质生产力。

OpenClaw 完全配置指南：从安装到 Slack 集成本指南基于 OpenClaw 2026.2.15，完整记录了实际配置过程、遇到的问题及解决方案。本文采用实测优先原则，明确标注哪些内容已验证、哪些来自官方文档但未亲测。

智能体Workflow的技术实现分类在AI智能体的技术架构与解决方案中，我们详细介绍了智能体的核心技术，尤其是“核心中的核心”，智能体引擎。在面向专业开发人员的低代码开发平台中，智能体引擎已经成为了低代码平台的一个重要模块，为开发者提供了可视化的智能体构建体验。图1是活字格低代码开发平台的架构图，AI引擎是与页面渲染引擎、工作流引擎、报表引擎并列的一级模块，这就意味着活字格的开发者能够像构建页面、报表一样去定制开发AI智能体。

周红伟：具身机器人大爆炸了，机器人时代来临宇树机器人春晚武术表演再炸场，王兴兴：高动态高协同集群控制技术全球首秀宇树第三度登上春晚，依然让网友直呼惊喜。