智能体

北邮刘老师

【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

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

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。

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)

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

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。

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。

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。

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。

LazyLLM端到端实战：用RAG+Agent实现自动出题与学习计划的个性化学习助手智能体最近，我在写一本关于Git和开源的技术书，这本书未来有个推广方向，就是面向高校作为教材使用。所以我需要在每一章结束在之后，设计若干道练习题，然后还需要为这本书编写配套的PPT以及学习计划，作为授课老师的参考资料。基于我在Git实际操作管理方面积累的经验以及参与各类开源项目竞赛的经历，书稿本身的撰写过程相对顺利，目前也已经完成了几个章节内容的编写。

SPARC方法论在Claude Code基于规则驱动开发中的应用随着大型语言模型（LLM）在软件工程领域的深度应用，传统的开发模式正在被颠覆。Claude Code作为Anthropic推出的前沿AI编程助手，旨在通过结构化、自动化的方式提升开发效率和质量。为了最大化其效能，引入先进的开发方法论至关重要。本文聚焦于SPARC（Specification → Pseudocode → Architecture → Refinement → Coding → Coordination）方法论，探讨其如何与Claude Code相结合，以赋能高效、可靠的规则驱动开发。

解锁AI智能体：上下文工程如何成为架构落地的“魔法钥匙”在当今科技飞速发展的时代，人工智能（AI）无疑是最耀眼的领域之一，而 AI 智能体则堪称其中的 “超级新星”。2025 年，被众多业内人士视为 “AI 智能体元年”，这一年，AI 智能体实现了从实验室研究到商业化应用的关键转折，开启了其在各行业广泛落地的新篇章。

基于Claude Code的规范驱动开发（SDD）指南前言传统的AI辅助开发，如同手工作坊，我们向AI描述想法，它给我们零散的部件，我们再手动打磨、组装。这个过程充满了不确定性、信息损耗和重复劳动。

这张生成的图像能检测吗

（论文速读）从语言模型到通用智能体论文题目：From Multimodal LLMs to Generalist Embodied Agents: Methods and Lessons（从多模式大型语言模型到多面手具身代理:方法和教训）

腾讯开源智能体框架Youtu-agent全解析：特性、架构与实战指南在智能体开发领域，开发者们正面临一个普遍困境：要么依赖海外昂贵的闭源模型API，承受高额调用成本；要么陷入复杂的环境配置与模型训练中，导致实验效果难以复现。2025年9月2日，腾讯优图实验室正式开源的智能体框架Youtu-Agent，为这一困境提供了全新的开源解决方案——它以"零闭源依赖"和"极简开发"为核心，重新定义了智能体工具的可及性。

倔强的石头106

用 Trae 玩转 Bright Data MCP 集成在自动化与智能体浪潮中，Trae 以“开箱即用、所见即所得”的工具编排体验，成为个人与团队落地 AI 工作流的高效选择。本篇将以 Trae 为主角，展示如何通过最少配置完成与 Bright Data MCP 的对接，并快速构建一个可用、可观测、可扩展的抓取型智能体。

Ai尚研修-贾莲

全链路自主构建智慧科研写作系统——融合LLM语义理解、多智能体任务协同与n8n自动化工作流构建随着多智能体协同架构、大语言模型（LLM）与自动化工具链的快速发展，科研工作正从“人工主导”向“智能赋能”加速转型。本教程深度融合LLM（ChatGPT/DeepSeek等）、多智能体系统（LangChain）及n8n自动化流水线，直击科研学者三大核心痛点——文献检索耗时、写作流程割裂、成果打磨低效，打造“全链路智能写作解决方案”。技术特色上，本次教程构建“多Agent协同+自动化”双引擎，通过LangChain设计规划、写作、校对Agent集群，实现论文结构自动生成与内容协同创作；依托n8n搭建”RA

【论文阅读】自我进化的AI智能体综述论文链接：https://arxiv.org/pdf/2508.07407 【AI 进化新物种：自演化智能体正在诞生】还在手动调 Prompt？新一代 AI 已经“自己升级自己”！格拉斯哥等 8 所顶尖高校联合发布的《自演化 AI 智能体全景综述》透露：AI 正从“训练完就冻结”的 MOP 时代，走向终身成长的 MASE 时代——像生物一样在环境中持续变异、适应、变强。

LLM与数据工程的融合：衡石Data Agent的语义层与Agent框架设计在数字经济浪潮中，企业数据智能正经历从"工具辅助"到"智能协同"的范式跃迁。传统BI系统受限于静态报表与预设指标，难以应对动态业务场景的复杂需求。衡石科技发布的HENGSHI SENSE 6.0通过"Data + AI Agent"架构创新，将大型语言模型（LLM）与数据工程深度融合，构建出具备自主感知、推理与决策能力的智能体（Agent）框架。本文将从语义层设计、Agent框架构建及工程化实践三个维度，解析这一技术突破如何重塑数据价值链的"最后一公里"。

Memento：基于记忆无需微调即可让大语言模型智能体持续学习的框架大语言模型智能体（LLM Agent）是一类利用大语言模型通过交互、推理和决策来自主执行复杂任务的系统，通常具备访问外部工具、记忆系统或环境的能力。与被动响应单一提示的传统LLM不同，LLM智能体采用主动且迭代的运行模式，在明确目标的引导下执行任务。这类系统正被广泛部署为跨领域的自主问题解决器，OpenAI的Deep Research智能体便是典型代表。