智能体

智能体来了从 0 到 1：数据、工具与规则的协同范式随着人工智能在产业场景中的持续深入，单一的大模型调用已难以覆盖复杂业务流程。当前工程实践中，智能体逐渐被视为一种以大模型为核心、通过系统化编排实现任务闭环的应用形态。

视觉&物联智能

【杂谈】-2026年人工智能发展趋势：智能体崛起、行业洗牌与安全挑战所有关键趋势都指向同一个方向：人工智能不再仅仅是工具，而是正在成为支撑现代企业运行的基础设施。当前，“智能体人工智能”（Agentic AI）正成为重塑行业格局的核心趋势之一。它已不再是简单的辅助工具，而是逐步演变为大型企业广泛采用的企业级解决方案。这是继传统大语言模型（LLM）用于文本生成、数据分析等标准化任务之后，AI发展的下一阶段。

智能金融客服助手：从大模型API调用到私有化Agent的实战演进金融领域面临一个典型的行业痛点：客户服务中心每天需要处理大量关于理财产品、费率规则、合同条款的咨询。传统的关键词匹配机器人经常答非所问，而人工客服则被重复性问题消耗了大量精力。我们曾尝试接入某通用大模型的API，但它对最新的公司内部产品手册和动态监管政策一无所知，时常“一本正经地胡说八道”，甚至编造不存在的条款，这在高合规要求的金融领域是致命的。

蚂蚁百宝箱 3 分钟上手 MCP：6 步轻松构建 Qwen3 智能体应用并发布小程序想象一下，一个能说 119 种语言的 AI，不仅能为你规划旅行路线、讲解异国风情，还能自然地向用户收取小费。

最新可用的智能体技术（实时更新）1、claude code2、opencode3、eigent来自今日头条博主 AI产品狙击手的推荐，见收藏

从“经验驱动”到“数据自治”：智能体（Agent）如何重塑西南制造的底层逻辑摘要：在成渝地区双城经济圈建设与西部陆海新通道的战略背景下，西南制造业正迎来数字化转型的关键窗口期。2026年，随着人工智能技术从“对话框”走向“生产线”，智能体（Agent）正成为推动区域产业升级的核心引擎。本文将深度拆解 Agent 的三大核心能力，解析其如何通过重构“感知-决策-执行”链条，助力西南工厂突破地理与传统模式的局限，实现高质量发展。

【Agent】Agentic Reasoning for Large Language Models《Agentic Reasoning for Large Language Models》(https://arxiv.org/pdf/2601.12538,https://github.com/weitianxin/Awesome-Agentic-Reasoning)。看核心6个点，其中做了一些罗列，是个不错的索引。

从 0 到 1 构建 AI 智能体——AI Agent 的工程化路径、行业范式与未来形态过去几年，大模型让 AI 拥有了“语言能力”，但真正改变生产方式的，不是会说话的模型，而是能行动、能记忆、能协作的智能体（AI Agent）。

【Coze】从零开始：解锁扣子Coze工作流的新起点📚 前言本期内容将深入探索 Coze 的初始配置与核心功能，从基础概念到实战技巧，全面解析这一强大工具的潜力。无论你是技术新手还是资深开发者，都能在这里找到提升效率的灵感与实用方法。

北邮刘老师

【热点关注】三国演义：工具调用（MCP）、技能仓库（Skills）和智能体互联（IoA），到底选哪个？最近Anthropic公司又发布并在大力宣传一项新技术，Agent Skills（参考：https://github.com/anthropics/skills）。用翻译官网的描述来简单阐述Skills：

智能体来了（西南总部）体系解析：AI调度官与AI Agent指挥官的职责边界与Prompt协作逻辑随着大模型能力由“单点智能”向“系统级智能”演进，企业级 AI 应用正从工具化调用走向多智能体协同运行。然而，当前普遍存在智能体角色混杂、任务调度失序、Prompt 逻辑不可控等问题，导致系统复杂度上升却难以规模化复制。“智能体来了（西南总部）”体系通过引入 AI 调度官与 AI Agent 指挥官两类核心角色，在组织结构与 Prompt 层面建立明确分工与协作机制：前者负责全局任务编排、资源分配与运行约束，后者聚焦具体智能体的能力调用与执行闭环。该体系通过结构化调度与分层 Prompt 协作，提升多智能

金智维科技官方

金智维入选“十四五”金融科技创新成果及科普实践成果名单近日，由中国通信学会金融科技专家委员会、中国互联网协会数字金融工作委员会共同开展的“十四五”金融科技创新成果及科普实践成果名单正式公布，由金智维携手中国工商银行打造的数字员工项目成功入选创新案例名单，这不仅是金智维AI数字员工和企业级智能体解决方案在超大型金融机构中成功应用的典范，也再次证明了其在推动金融科技前沿创新与规模化落地方面的坚实能力。

基于艾宾浩斯记忆曲线的AI工具实战：ShiflowAI助力高效知识沉淀在技术学习与研发的过程中，我们常面临一个核心痛点：大量的知识点、命令行、API文档、业务逻辑记了又忘，反复查阅耗时耗力，严重影响学习效率和研发节奏。而基于艾宾浩斯记忆曲线的科学记忆原理，结合AI技术打造的ShiflowAI（阿忘A-WANG MEMORY，官网：https://www.shiflowai.cloud/），恰好能解决技术人的“记忆焦虑”，本文就从技术视角拆解这款工具的核心逻辑与落地使用方法。 [1]

智能体效率优化最新综述：从Token狂飙到成本可控的进化之路论文链接：https://huggingface.co/papers/2601.14192大模型智能体(LLM-based Agents)正在成为AI领域的新焦点。但随着应用场景越来越复杂,一个残酷的现实摆在面前:这些智能体虽然功能强大,但实在太"费"了——费时间、费token、费算力。一个简单的任务,可能需要调用几百次API,消耗数万个token,等待数分钟才能得到结果。这种高昂的成本,让智能体离真正的大规模应用还有不小距离。

金智维科技官方

国金证券×金智维 | 引领金融智能体规模化落地当AI Agent的技术叙事从概念宣讲走向场景实证，行业已然告别 “喊口号”的萌芽期，迈入规模化落地检验的关键阶段。无论是重构前后端交互逻辑，实现“对话即服务”的高效响应，还是深耕中后台核心环节，在风险控制、合规审核、交易执行中替代重复性劳动，智能体都被赋予了有别于传统AI工具的使命：不再是“被动响应”的执行者，而是进化为真正解决复杂场景问题的“智能员工”。

装不满的克莱因瓶

【Dify实战】情感陪伴机器人从零制作教程目录一、创建聊天助手二、选择大模型三、填写提示词四、与大模型交互五、发布智能体六、Python代码调用智能体

AAAI 2025论文分享｜Agent4Edu：基于大语言模型生成式智能体的个性化学习模拟器本推文介绍了AAAI 2025收录的一篇论文《Agent4Edu: Generating Learner Response Data by Generative Agents for Intelligent Education Systems》。Agent4Edu是一种基于大语言模型的个性化学习模拟器，旨在解决智能教育系统中高质量学习者响应数据稀缺、传统模拟方法简化且依赖真实数据的痛点。Agent4Edu由生成式智能体和个性化学习环境构成。智能体集成学习者档案、记忆、动作三大模块，可模拟学习者完整解题流程

提示词工程已死，上下文工程当立原文：提示词工程已死，上下文工程当立上下文对智能体至关重要，但它并非取之不尽。这篇文章将分享如何高效筛选和管理上下文，让你的 Agent 表现更出色。

周红伟《DeepSeek企业大模型的企业级部署及优化和RAG知识库和Agent智能体构建的案例交付实操》——企业私有RAG知识库业务助手的构建课程背景大规模预训练模型已成为推动智能化转型的核心动力。从DeepSeek，Qwen, Yiyan 到各行业定制化大模型，越来越多的企业开始将“以大模型为中台”的技术架构融入产品与服务。

高安全行业的AI落地范式：核电智能体的工程实践点赞、关注、收藏。不迷路核电领域因其高安全性、强监管性、复杂系统性和人因敏感性，对智能体（AI Agent）的技术实现提出了极高要求。截至2026年，以中核集团、中广核、国家电投等为代表的中国核电企业已在多个场景落地智能体应用。以下是核电领域智能体的关键技术实现细节，涵盖架构设计、安全机制、典型场景与工程实践。本文由中国人工智能培训网整理并发布