agent

MonkeyKing_sunyuhua2 天前
人工智能·agent
6.5 行业特定应用:金融、医疗、制造等行业的定制化解决方案金融、医疗和制造行业作为全球经济支柱,面临数据复杂性、实时性需求和严格合规性的共同挑战,同时各行业因业务特性衍生出独特需求。金融行业需应对市场波动、欺诈风险和多国法规,医疗行业聚焦精准诊断和患者数据隐私,制造业则强调供应链优化和设备维护效率。大语言模型(LLM)与智能代理(Agent)的结合,通过语义分析、任务自动化和合规管理,为这些行业提供高效、精准的定制化解决方案。本节通过典型场景分析、技术实现、深入案例和实践指导,为企业提供可落地的智能化转型路径。
Hello server2 天前
人工智能·ai·chatgpt·agent
AI Agent 入门指南:从 LLM 到智能体AI. AI. AI. 最近耳朵里是不是总是被这些词轰炸?特别是“Agent”、“AI Agent”、“智能体”、“Agentic”…… 感觉一夜之间,AI 就从我们熟悉的聊天框里蹦出来,要拥有“独立思考”和“自主行动”的能力了?
Physicaloser3 天前
ai·开源·大模型·agent·多智能体·multiagent
AgentMesh开源多智能体 (Multi-Agent) 平台AgentMesh 是一个开源的多智能体 (Multi-Agent) 平台,核心目标是解决多个智能体之间的通信和协同问题,真正实现 “1+1>2” 的效果。能够帮助用户快速创造自己的多智能体团队,或是让已有的多个单一智能体获得协同能力,最终解决更为复杂的任务。
Tester_孙大壮4 天前
agent·智能体
几个COZE智能体经验小分享第一个智能体是关于英语学习的智能体,也是送给买我单词社交网络这套书的一个朋友。首先单词社交网络这本书它是分为几个级别的。每一个级别分为20多个章节,每一个章节分为多个英语电影片段。智能体在这里扮演的角色是将这一个电影片段作为教学材料教授给用户,帮助用户熟悉电影片段的内容和提升听力,单词作为理解内容的一个重要部分,所以智能体在这个过程中会不断询问可用户对哪些单词不理解,帮助用户提升对单词的理解能力。
江鸟19984 天前
人工智能·gpt·macos·大模型·agent·xcode·智能体
AI日报 · 2025年5月03日|Perplexity 集成 WhatsApp,苹果传与 Anthropic 合作开发 XcodePerplexity 于 5 月 2 日发布其每周更新摘要,重点包括新增 WhatsApp 集成,用户现可直接在 WhatsApp 内与 Perplexity AI 交互,显著提升了信息获取的便捷性 [1]。此次更新还加强了实时信息处理能力,新增 F1 赛事直播报道、盘后股票数据及通过 FinChat 集成的财报预告信息 [1]。此外,网页端侧边栏经重新设计,协作空间(Spaces)功能也得到改进,旨在优化用户体验与团队协作效率。这些更新共同体现了 Perplexity 致力于成为一个融入用户日常通讯渠道
鸢想睡觉5 天前
人工智能·agent·coze
【Agent搭建】利用coze平台搭建一个AI销售?目录一、关于coze核心功能二、搭建属于你自己智能体备注:(以下说明比较需要调整的板块)1、从Prompt工程开始
江鸟19986 天前
人工智能·gpt·大模型·agent·智能体
AI日报 · 2025年04月30日|OpenAI 回滚 GPT-4o 更新以解决“谄媚”问题过去24小时,全球人工智能领域持续快速发展。从模型行为调整到平台工具更新,再到行业安全规范的探讨,以下是为您精选的重点动态:
古希腊掌管学习的神7 天前
人工智能·语言模型·chatgpt·gpt-3·agent
[Agent]AI Agent入门02——ReAct 基本理论与实战ReAct(Reasoning and Acting)是一种通过协同推理(Reasoning)与行动(Acting)提升大语言模型(LLM)任务解决能力的技术。其核心思想是在解决复杂问题时交替生成推理和动作,形成闭环的决策流程。通过交叉推理和行动,ReAct 使智能体能够动态地在产生想法和特定于任务的行动之间交替,动态地处理复杂任务并提高决策的准确性和可靠性。
聚客AI7 天前
人工智能·机器学习·语言模型·自然语言处理·transformer·agent·向量数据库
向量数据库+KNN算法实战:HNSW算法核心原理与Faiss性能调优终极指南本文纯干货,建议收藏,以免遗失。更多AI大模型应用开发学习内容,尽在聚客AI学院。向量数据库(Vector Database)是专为高维向量数据设计的存储与检索系统,通过计算向量间的相似度(如余弦相似度、欧氏距离),实现快速近邻搜索。其核心价值在于解决传统数据库无法高效处理非结构化数据(文本、图像、音视频)的问题。
公众号-架构师汤师爷8 天前
人工智能·agent·智能体·coze·deepseek
DeepSeek+Coze实战:如何从0到1打造一个热点监控智能体大家好,我是汤师爷,专注AI智能体分享~短视频小白经常会遇到这样的困扰。每天花大量时间刷视频,想要找到你所在赛道的爆款内容,却总是难以系统地整理和分析?
KuaFuAI8 天前
人工智能·百度·agent·mcp
百度「心响」:通用超级智能体,重新定义AI任务执行新范式在AI技术从“对话交互”迈向“任务执行”的转折点,百度于2025年4月正式推出移动端超级智能体应用——心响。这款以“AI任务完成引擎”为核心的创新产品,被誉为“AI指挥官”,通过自然语言交互实现复杂任务的全流程托管,覆盖知识解析、旅游规划、学习办公等十大场景,成为用户工作与生活的全能助手。
MonkeyKing_sunyuhua9 天前
人工智能·agent
6.1 客户服务:智能客服与自动化支持系统的构建随着企业数字化转型的加速,客户服务作为企业与用户交互的核心环节,正经历从传统人工服务向智能化、自动化服务的深刻变革。基于大语言模型(LLM)和智能代理(Agent)的技术为构建智能客服与自动化支持系统提供了强大的支持,不仅提升了服务效率,还优化了用户体验。本节将从技术架构、应用场景、实施方法、案例分析以及挑战与应对策略等方面,详细探讨如何构建智能客服与自动化支持系统。
chegan9 天前
ai·c#·agent
用c#从头写一个AI agent,实现企业内部自然语言数据统计分析(三)--一个综合的例子在前面一节中,我们做了一个简单的统计图表的例子。本节中,我们将实现一个综合的稍微复杂一点的例子,并对这个例子做一个详细的剖析,如下图所示:。
Florian10 天前
agent·graph·chat2graph·qwen3
Qwen3接入评测,最强开源模型更懂Graph了吗?今日凌晨,阿里开源Qwen3,推理成本大幅下降,性能全面超越 DeepSeek-R1、OpenAI-o1 等,问鼎全球最强开源模型。在代码、数学、通用能力各项性能指标中,Qwen3都名列前茅。与 DeepSeek-R1、o1、o3-mini、Grok-3 和 Gemini-2.5-Pro 等顶级模型相比,表现出极具竞争力的结果。
AI蜗牛车12 天前
ai·大模型·llm·agent
【LLM+Code】Windsurf Agent 模式Prompt&Tools详细解读https://windsurf.com/https://windsurf.com/blog/why-we-built-windsurf
chegan12 天前
ai·c#·agent
用c#从头写一个AI agent,实现企业内部自然语言数据统计分析(二)-数据结构和代码分析方法1、数据结构下面是本文中用到的数据表结构,主要是保存聊天历史,操作日志,agent定义以及定时提醒用的。结构简单,不做过多说明。
高桐@BILL12 天前
人工智能·架构·agent
1.4 大模型应用产品与技术架构目录一,产品架构1.1 AI Embedded产品架构1.2 AI Copilot产品架构1.3 AI Agent产品架构
MonkeyKing_sunyuhua13 天前
人工智能·microsoft·agent
5.6 Microsoft Semantic Kernel:专注于将LLM集成到现有应用中的框架5.6.1 Semantic Kernel概述Microsoft Semantic Kernel(以下简称SK)是一个开源的软件开发工具包(SDK),旨在帮助开发者将大型语言模型(LLM)无缝集成到现有的应用程序中。它支持C#、Python和Java等多种编程语言,提供了轻量级、模块化的框架,用于构建智能代理(Agent)并实现AI与传统代码的协同工作。SK的核心目标是通过提供统一的AI编排层,简化企业在现有系统上引入LLM的复杂性,同时确保企业级可靠性、安全性和可扩展性。
古希腊掌管学习的神14 天前
人工智能·语言模型·chatgpt·机器人·agent
[LangGraph教程]LangGraph04——支持人机协作的聊天机器人在上一节中,我们构建了带记忆功能的聊天机器人,详见[LangGraph教程]LangGraph03——为聊天机器人添加记忆。但是之前的程序仍然有可以优化的地方。
MonkeyKing_sunyuhua14 天前
大数据·人工智能·agent
4.4 记忆机制与上下文管理:短期与长期记忆的设计与应用记忆机制与上下文管理已成为智能代理(Agent)系统实现高效、智能化行为的核心技术。记忆机制通过短期记忆(Short-Term Memory, STM)和长期记忆(Long-Term Memory, LTM)支持Agent存储、检索和利用信息,短期记忆处理即时任务的上下文,长期记忆支持跨会话学习和个性化服务。上下文管理则通过动态维护相关信息,确保Agent在复杂任务中保持一致性和准确性。这些技术广泛应用于客服自动化、金融分析、供应链管理和医疗诊断等领域。然而,容量限制、检索效率、隐私安全和模型不稳定性等挑