智能体

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

熊猫钓鱼>_>

【开源鸿蒙跨平台开发先锋训练营】[Day 3] React Native for OpenHarmony 实战：网络请求集成与高健壮性列表构建本日重点攻克 OpenHarmony 环境下的网络通信难关。不再是简单的 UI 堆砌，而是打通 “端-云” 链路，使用 React Native 技术栈（Axios + FlatList）实现一个具备加载状态、错误兜底、下拉刷新的完整数据列表，并在鸿蒙真机/模拟器上验证运行。

带刺的坐椅

又一个项级的 Java Multi Agent 开源项目你好，我是阿香。前几天，技术群里的小伙伴一直在安利 Solon AI。起初我还在想，Java 生态里不是已经有 Spring AI 了吗？出于好奇，我抽空深入研究了一波，结果真香了！

测试者家园

Prompt、Agent、测试智能体:测试的新机会,还是新焦虑?感谢大家一年对我的支持，如果方便请帮忙投个票，衷心感谢！投票链接：https://www.csdn.net/blogstar2025/detail/002

北邮刘老师

从SEO到ADO：智能体时代的流量密码但在即将到来的智能体互联网时代，入口正在悄悄变形，而且这次变形更像“换代”，而不是“升级”。用户越来越少在搜索框里做功课，越来越多把任务直接交给智能体：写方案、对比产品、规划行程、挑选课程、筛选简历、生成合同条款……它不像搜索那样把十个链接甩给你，而是试图直接给你一个可执行的答案，甚至替你把下一步也做了。

不正经绣才

【扣子Coze教程】160+音色，多种情感 | 0成本搭建智能体（专业AI配音师）写在最前：本文配音智能体非常实用，强推收藏⭐。上周我在复刻一个热门短视频时，想要深沉有力带感情的配音，尝试在很多免费配音工具里面找，都不太满意，突然想到扣子的官方插件音色那么多，怎么不试一下呢？

智能体工作流：让AI自主调用工具，重塑企业自动化当传统AI在对话与执行间存在断层，智能体工作流（AI Agentic Workflows）正通过自主推理与工具调用能力，为企业带来真正的任务级自动化——AI能理解一个目标并自主分解步骤、调用工具去完成。这不仅标志着AI从“被动响应”到“主动执行”的跨越，也为企业在效率提升与流程重塑方面提供全新可能。

LangGraph框架在LangChain体系中，LangGraph 是一种基于状态机的框架，专为构建复杂的 AI 工作流而设计。它允许开发者定义图结构来表示不同的操作节点以及它们之间的流转逻辑。包含 START 初始入口、END 某个分支或者整体工作的结束节位置、自定义任务节点。

LangChain框架核心目标：简化的将 LLM 、知识库、外部工具和计算资源连接起来，构建基于大语言模型（LLM）的更强大、更灵活的应用。

CCPC不拿奖不改名

大语言模型的基础：大语言模型基础认知人工智能的发展经历了多个阶段，从早期的符号主义到现代的深度学习。20世纪50年代，图灵测试和逻辑推理机奠定了理论基础。80年代专家系统兴起，但受限于计算能力和数据量。90年代机器学习逐渐成熟，支持向量机等算法广泛应用。2010年后，深度学习在图像识别、自然语言处理领域取得突破，GPU算力提升和大数据加速了这一进程。

Spring-AI Agent Skills 赋予AI智能体“即插即用”的专业超能力Agent Skills 正在重新定义我们与 AI 的协作方式。它不再要求我们成为高明的 “提示词巫师”，而是鼓励我们成为技能架构师。

金智维科技官方

安全稳定，是企业部署智能体的基础在应用智能体进行智能化转型的实践中，很多企业都发现，智能体是否真正安全、稳定、可控，比它是否聪明更重要。