智能体

GLM 5.2 发布：当长上下文与智能体走向深度融合在当今的大模型领域，我们正处于一个微妙的转折点。单纯的参数竞赛似乎已不再是唯一的焦点，开发者们开始更加关注模型在实际工程落地中的表现——尤其是长文本处理能力和复杂任务的自主执行能力。最近，智谱AI推出的 GLM 5.2 模型在技术社区引发了热烈讨论，这不仅是因为其在基准测试中的表现，更因为它在“长上下文”与“智能体”这两个关键维度上迈出了实质性的一步。

北邮刘老师

国标配套开源实现再升级!AIP智能体互联开源项目v2.1.0正式发布近日，依托GB/Z 185-2026《人工智能智能体互联》系列国家标准的开源代码项目——AIP智能体互联参考实现（简称AIP开源项目），正式推出v2.1.0版本。本次升级以“部署更容易、接入更便捷、文档更充分”为核心方向，针对开发者在工程落地中的高频痛点进行了九项关键代码与工具升级。目前，最新源码与配套工具已同步上线AtomGit与GitHub两大开源社区。

Omni Security 如何让安全检测速度跟上 AI 编码速度Cursor、GitHub Copilot、Claude Code、通义灵码、OpenAI Codex 正在把软件研发带进 AI Coding 时代。过去，AI 只是补全几行代码；现在，它开始接手需求拆解、跨文件改造、单元测试生成、Bug 修复，甚至通过 MCP 调用外部工具、读写文件、执行脚本。

鸿蒙智能体开发实战：4.A2A 模式创建智能体A2A（Agent-to-Agent）是 Google 在 2025 年提出的一种开放智能体通信协议，旨在解决不同厂商构建的智能体之间无法互通的"孤岛"问题。它提供了一套标准的通信语言，让智能体之间可以安全地交换信息、协调任务。

鸿蒙智能体开发实战：5.搭建A2A API服务A2A（Agent-to-Agent）是一种智能体通信协议，基于 JSON-RPC 2.0 格式，通过统一的端点路由所有方法，内置鉴权和会话管理机制。

RAG之生成技术目录5.3.1 代码生成技术1. 什么是AI智能体中的代码生成技术2. 代码生成技术在AI智能体中的核心作用

FII工业富联科技服务

多智能体架构如何落地“学习型工厂”？工业富联MoMClaw的设计逻辑与技术拆解摘要：2026夏季达沃斯论坛上，工业富联首席数据官、科技服务事业群总经理刘宗长分享了AI Agent在制造场景中的落地实践。本文从技术视角还原其工业智能体系统的架构设计与工程逻辑。

智能体基础架构《AI Agent智能体开发实践》1~6章试读_《ai agent 智能体开发实践》在线阅读-CSDN博客

北邮刘老师

“移动梦网”走了，“移动智网”会来吗？【注：本文是一名对中国通信事业和运营商具有深厚感情的北邮老师看到一则新闻有感而发，仅代表对国之重器-运营商的个人期许】

Bruce_Liuxiaowei

2026年7月第1周网络安全形势周报报告周期： 2026年6月27日 — 7月3日本周全球网络安全态势呈"基础设施级漏洞密集入KEV + Defender安全体系全线告急 + 供应链攻击三连击"三重特征，核心威胁聚焦以下五个方面：

想你依然心痛

HarmonyOS 6（API 23）实战：基于HMAF的「量子编排」——PC端AI智能体量子计算模拟与量子-经典混合智能编排平台“不被情绪左右，不跟自己较劲，不与生活纠缠。” 观察情绪升起，但不被它驱动做出冲动反应。接受自己的有限性，允许犯错、允许偶尔松懈。接纳已经发生的事实，不反复追问“为什么是我”，把能量用于下一步行动。

大模型技术路线及场景选型指南核心目标：搞懂大模型是什么、能做什么、怎么选1. 大模型基础概念：通用大模型：GPT、Qwen、Llama、DeepSeek等

ifenxi爱分析

爱分析：中国企业智能体市场规模分析，数字劳动力交易是时代拐点内容来源：《2026 爱分析·中国企业智能体市场规模报告》发布日期：2026年6月发布机构：爱分析ifenxi

AI智能体研发 | 什么是OpenAI API协议一行命令，直连模型。没有 SDK，没有抽象层——你面对的是最原始的 HTTP 与 JSON，这正是 OpenAI API 协议的真正面貌。

鸿蒙智能体开发实战：2.创建单Agent单 Agent（LLM 模式）是小艺开放平台提供的最基础的智能体编排方式。根据华为官方文档，LLM 模式是一种基于大模型的智能体编排方式，开发者按需选择大模型，根据业务逻辑编写提示词，以 LLM 为理解中枢，结合意图识别、工具调用、对话上下文，动态选择插件、工作流，响应用户需求。LLM 模式适用于简单对话、知识问答、基础内容生成等场景。

MicrosoftReactor

技术速递｜从一次性提示到标准化工作流：如何在 GitHub Copilot CLI 中使用自定义智能体作者：Jacklyn Carroll 排版：Alan Wang 自定义智能体能够让 GitHub Copilot CLI 理解你的技术栈和团队工作流程，将一次性的终端提示升级为可复用、可审查的标准化流程。

鸿蒙智能体开发实战：3.创建工作流在鸿蒙智能体开发系列的前两篇中，我们完成了开发环境的准备与智能体的基础配置。本篇将重点介绍**工作流（Workflow）**的完整开发流程。

【智能体工具使用实战08】实战项目：代码仓库健康度分析Agent本章你将学到：本章你将产出：一个能自动扫描Python项目、分析代码质量、生成诊断报告的Agent系统，以及一套完整的工程资产（规范、测试集、评测报告、迭代记录）全部章节：收录在专栏《AI应用工程化实战教程》之【智能体工具使用实战】

【智能体工具使用实战06】工具增强型Agent的评测体系本章你将学到：本章你将产出：一套能同时评估“输出质量”和“工具使用质量”的评测系统，以及一份包含工具调用审计的评测报告全部章节：收录在专栏《AI应用工程化实战教程》之【智能体工具使用实战】

带娃的IT创业者

GitHub 热门: coleam00/Archon —— 当 AI Agent 学会自我进化在当下的 AI 开发领域，“Agent”（智能体）无疑是最高频的关键词。然而，许多开发者在实际构建 Agent 应用时，往往会陷入一个困境：我们花费大量精力编排 Prompt、设计工具调用链，最终得到的却是一个行为模式固化、难以应对复杂变化的"脚本执行器"。一旦业务逻辑发生微小的偏移，或者数据结构出现新的变体，我们往往需要重新修改代码。