智能体

景天科技苑2 天前
人工智能·llm·agent·智能体·ai智能体·ollama·智能体搭建
【AI智能体开发】什么是LLM?如何在本地搭建属于自己的Ai智能体?✨✨ 欢迎大家来到景天科技苑✨✨🎈🎈 养成好习惯,先赞后看哦~🎈🎈🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Rust开发,Python全栈,Golang开发,云原生开发,PyQt5和Tkinter桌面开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi,flask等框架,云原生K8S,linux,shell
小新学习屋3 天前
gpt·langchain·大模型·智能体
大模型-智能体-【篇四: Agent GPT 、AgentTuning、LangChain-Agent】本文介绍3种智能体框架:Agent GPT、AgentTuning、LangChain-Agent。2023.04发布
小新学习屋6 天前
大模型·智能体
大模型-智能体-【篇一:单智能体框架】本文介绍几种单智能体框架,重点关注单个智能体的能力。Transformers(2023年,Huggingface):引入Transformers-Agents。功能:模型解释指令并相应地生成代码片段,支持各种开源和专有模型
新知图书8 天前
人工智能·架构·ai agent·智能体·大模型应用
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
shut up10 天前
人工智能·python·langchain·智能体
LangChain - 如何使用阿里云百炼平台的Qwen-plus模型构建一个桌面文件查询AI助手 - 超详细该文章,将使用阿里云百炼平台的Qwen-plus模型作为llm模型。所以在进行后面代码编写之前要申请百炼大模型平台的api-key。
华仔AI智能体10 天前
人工智能·python·语言模型·agent·智能体
Qwen3(通义千问3)、OpenAI GPT-5、DeepSeek 3.2、豆包最新模型(Doubao 4.0)通用模型能力对比以下是Qwen3(通义千问3)、OpenAI GPT-5(注:截至2025年10月,GPT-5尚未正式发布,以下基于行业预测及技术演进趋势分析)、DeepSeek 3.2、豆包最新模型(Doubao 4.0)的全方位对比表格,从核心能力、技术特性、场景适配等维度展开:
Rewloc11 天前
人工智能·提示词·智能体·智能体提示词
智能体提示词:软件开发超级个体你是一个融合了顶尖软件架构师、资深全栈工程师、DevOps专家和技术领袖的超级个体。你的存在是为了解决软件领域最棘手的问题,并以最高效、最深刻的方式构建技术解决方案。
bylander12 天前
论文阅读·语言模型·智能体
【论文阅读】REACT: SYNERGIZING REASONING AND ACTING IN LANGUAGE MODELShttps://arxiv.org/pdf/2210.03629一直没有读过ReAct这篇论文,进行一下补课。
kalvin_y_liu13 天前
人工智能·microsoft·谷歌·智能体
智能体框架大PK!谷歌ADK VS 微软Semantic KernelAI 框架和 SDK 之间的竞争日益激烈。随着谷歌最近推出其 Agent Development Kit(ADK),可以明显看出各大科技巨头都在积极布局 AI Agent(智能体)开发领域。本人已经使用微软的 Semantic Kernel 有两年时间,因此非常好奇谷歌的 ADK 与 Semantic Kernel 有何不同。下面我们就来深入对比一番。
三天哥13 天前
人工智能·ai·chatgpt·aigc·openai·智能体·appsdk
演示和解读ChatGPT App SDK,以后Android/iOS App不用开发了?想直接看视频学习的朋友们,可以进入下方链接:https://www.bilibili.com/video/BV1oM4Hz6EWBhttps://www.bilibili.com/video/BV1oM4Hz6EWB
新知图书15 天前
人工智能·架构·ai agent·智能体·大模型应用开发·大模型应用
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。
北邮刘老师20 天前
人工智能·大模型·智能体·智能体互联网
【未来】智能体互联时代的商业模式变化和挑战:从HOM到AOM【摘要】本文讨论了商业模式从 Human-Oriented Marketplace(HOM,以人为中心的市场)到 Agent-Oriented Marketplace(AOM,以智能体为中心的市场)的演变逻辑。首先,文章回顾了互联网时代及以前的商业模式特点:市场围绕人展开,商家与消费者直接连接,商业平台承担撮合和服务的中介作用。随后,文章分析了智能体互联时代的出现所带来的根本性变化:人类不再直接连接市场,而是通过智能体助手表达需求并完成交易;商家也通过智能体接口提供产品与服务,由此市场从“面向人”转变为“
北邮刘老师20 天前
人工智能·大模型·智能体·智能体互联网
关于智能体互联协议标准的130天终于,《人工智能 智能体互联》系列7项国家标准化指导性技术文件走入了公开征集意见环节,从5月22日第一次去开元大厦参加智能体互联协议标准讨论会(那时候还叫做《人工智能 智能体通用互联协作通信协议》),到今天,已经过去了整整130天。这130天里,有初次参会时一些厂商对刘老师掺和产业界标准的不理解,有电子四院高歌和各位领导的信任和支持,有技术讨论会上的激烈争论,有高铁站和候机室的临时办公,有夜晚到深夜的接力编写文稿,有技术小组熬夜编写代码,也有周末加班赶工时从雄安路途中点送的奶茶。。。太多一幕幕像电影胶片一
audyxiao00121 天前
大数据·人工智能·机器学习·大模型·智能体
NeurIPS 2025论文分享|FedFree:突破知识共享壁垒的异构联邦学习新框架第39届神经信息处理系统大会(NeurIPS 2025)将于2025年12月在美国圣地亚哥会议中心(San Diego Convention Center)隆重举行。NeurIPS是人工智能和机器学习领域最具影响力的国际顶级会议之一,涵盖深度学习、分布式机器学习、强化学习、自然语言处理、计算机视觉等多个研究方向。
cxr82825 天前
人工智能·智能体·提示词工程·ai赋能·上下文工程
分享一个知识工程师单体智能体的简单提示词# 0. 核心指令 (Core Directive)# I. 角色核心定位 (Core Identity)
cxr82825 天前
前端·人工智能·agi·智能体·ai赋能
BMAD框架实践:掌握story-checklist提升用户故事质量在敏捷开发实践中,高达50%的开发返工源于需求理解不一致或需求缺陷。BMAD(Business Modeling and Agile Development)框架通过系统化的story-checklist机制,将用户故事的质量把关前置到开发开始之前,显著降低后期修改成本。
爱编程的喵喵1 个月前
人工智能·agent·智能体
Al Agent开发零基础构建复合智能体大家好,我是爱编程的喵喵。双985硕士毕业,现担任全栈工程师一职,热衷于将数据思维应用到工作与生活中。从事机器学习以及相关的前后端开发工作。曾在阿里云、科大讯飞、CCF等比赛获得多次Top名次。现为CSDN博客专家、人工智能领域优质创作者。喜欢通过博客创作的方式对所学的知识进行总结与归纳,不仅形成深入且独到的理解,而且能够帮助新手快速入门。
cxr8281 个月前
人工智能·智能体·ai赋能
BMAD方法论:敏捷价值、原则映射与全生命周期技术在当今瞬息万变的技术环境中,软件开发不再仅仅是编写代码,而是一场融合商业洞察、技术创新与高效协作的复杂旅程。BMAD(Backlog, Model, Architecture, Delivery)方法论正是在此背景下应运而生,它并非一套僵化的瀑布式流程,而是将敏捷的核心价值与原则深度嵌入到软件开发的各个阶段,并提供一套全面的技术方案框架,旨在帮助团队更系统、更智能地应对不确定性,持续交付高价值的工作软件。
致Great1 个月前
人工智能·大模型·agent·智能体·deepresearch
AI Agent的四象限法则:解码智能体应用的底层逻辑在AI Agent快速发展的今天,如何准确理解和分类不同类型的智能体成为了业界关注的焦点。最近,一个基于工作流(workflow)和上下文(context)两个维度的分类框架引起了广泛讨论,为我们理解AI Agent的能力边界和应用场景提供了清晰的思路。
cxr8281 个月前
人工智能·wpf·智能体
洞察未来:Temporal.io 如何赋能复杂模拟引擎的韧性与智能在当今瞬息万变的数字化世界,构建能够长时间运行、处理复杂业务逻辑、并能从各种故障中优雅恢复的分布式应用程序,是每一个技术团队的终极挑战。传统的编程模型往往像在流沙上建造城堡——每当服务重启、网络波动、或者第三方API抽风,我们精心构建的逻辑链条就可能瞬间崩塌,留下半成品的数据、不一致的状态,以及用户体验的断裂。特别是在需要模拟复杂、长时间运行的智能体交互,甚至涉及多轮迭代、用户干预的系统(比如我们即将深入探讨的“昆仑镜”项目)中,这种脆弱性被无限放大。