agent

斩获59.4K星！一款本地部署的开源私人知识库工具！本文较长，建议点赞收藏。更多AI大模型应用开发学习视频及资料，在智泊AI。你是否曾为从海量文档中精准提取信息而头疼？是否因企业私有信息检索困难而苦恼？

大模型教程

GitHub 上 6 万人收藏！RAG 引擎让知识库活起来本文较长，建议点赞收藏。更多AI大模型应用开发学习视频及资料，在智泊AI。刚刚逛 GitHub 的时候，发现了一个超火的开源项目。

许泽宇的技术分享

微软Agent框架深度解析：重新定义AI应用开发的革命性架构当AI还在为"如何更好地聊天"而争论不休时，微软已经悄悄地构建了一个能让AI"干正事"的框架。这就像是给了AI一个"职业规划师"——不再只是闲聊，而是真正成为能解决实际问题的智能助手。

关于AI Agent处理大量第三方集成的思路在典型的AI Agent系统中，其工作流程是一个迭代循环(AI Agent参考)：LLM根据任务需求选择并调用一个工具，观察返回结果，然后基于新信息进行下一步思考和决策。随着一个AI Agent的功能(tools)越来越多，便会出现上下文压力：每一个工具的定义（包括其名称、功能描述、参数列表和格式）都需要在输入（Prompt）中详细说明，以便LLM能够理解和使用。当集成的工具从几个增加到几十甚至上百个时，上下文长度会随着增加，新增的tool还可能会影响现有的已经调优好的tool。

企业级Agent开发教程(三)基于LangGraph开发低代码 AI Agent 轻量级开发框架在企业级 AI Agent 开发的实践中，我们经常会遇到这样的困境：每个场景都需要编写大量的代码来定义工作流、配置节点、处理状态流转。即使是简单的聊天机器人，也需要几百行代码才能跑起来。当需求变更时，改代码、测试、部署的周期让人头疼。

数据智能老司机

建构 AI Agent 应用——保护代理式系统采用代理式 AI 带来了有别于传统软件的独特安全挑战。代理式系统具有自治、复杂推理、动态交互与复杂工作流等特征，显著扩大了威胁面。要有效保护此类系统，必须同时应对传统安全问题以及源自代理自治、概率决策以及对基础模型与数据高度依赖所带来的独有脆弱性。

大模型真好玩

大模型Agent开发框架哪家强？12项Agent开发框架入门与选型科技界永远不乏新概念，但真正能掀起变革浪潮的却屈指可数——2025年，这个角色属于 “大模型智能体（AI Agent）” 。如果说大模型的诞生让机器学会了“思考”，那么Agent就是让AI真正“行动”起来的钥匙，是从对话式问答走向具身智能与自主决策的必经之路。

数据智能老司机

建构 AI Agent 应用——Agentic 系统的学习机制本章介绍将“学习”引入智能体系统的多种方法与集成技巧。让智能体具备随时间学习与改进的能力非常有用，但在设计智能体时并非绝对必要。实现学习能力需要额外的设计、评估与监控工作，是否值得投入取决于具体应用。这里所说的“学习”，是指智能体系统通过与环境交互来提升其性能的过程。这个过程使智能体能够适应变化的条件，优化策略，并整体提升效能。

数据智能老司机

建构 AI Agent 应用——编排既然你的智能体已经具备一套可用工具，下一步就是将它们编排起来以解决真实任务。编排不只是决定调用哪些工具、何时调用；还需要为每次模型调用构建恰当的上下文，以确保行动有效且有依据。简单任务也许只需一个工具与极少上下文；但更复杂的工作流则需要周密规划、记忆检索与动态上下文拼装，才能在每一步都准确执行。本章将介绍编排策略、上下文工程、工具选择与执行、以及规划拓扑，以打造能够高效、可靠地处理真实多步骤任务的智能体。正如图 5-1 所示，编排就是系统如何利用手边资源来有效回应用户查询的核心机制。

SubAgent的“指令漂移 (Instruction Drift)“困境在构建高级 AI Agent 的道路上，我们不约而同地走向了“Subagent”或“专家代理”模式。这是一种强大的架构，它允许我们为系统配备各领域的专家，就像一个高效的人类团队。

数据智能老司机

建构 AI Agent 应用——工具调用虽然基础模型（foundation models）擅长长时间对话，但工具才是赋能 AI 智能体去检索额外信息与上下文、执行任务、并以有意义的方式与环境交互的基石。在 AI 语境中，工具可以被定义为：智能体为达成特定结果而可执行的某项能力或一组动作。工具的复杂度从简单的单步任务到需要高级推理与问题求解的多步操作不等。尤其当你希望智能体真正做出改变（而不仅是搜索与提供信息）时，工具就是执行这些改变的方式。

大模型真好玩

深入浅出LangGraph AI Agent智能体开发教程（九）—LangGraph长短期记忆管理本系列前八篇文章：通过前几期的分享我们掌握了LangGraph 高阶预构建图API和底层图语法API创建智能体的基本方法并部署上线了多款智能体。细心的同学有没有发现目前的智能体在需要记忆的多轮对话场景中使用的是对Python列表增删改查的手段，这种方式低效且数据无法持久化保存（应用一旦关闭数据消失）。古希腊先哲埃斯库罗斯说过“记忆是所有智慧的母亲”，LangGraph提供了更好的记忆解决方法，本期分享就让我们一起走进LangGraph长短期记忆管理的世界，掌握智能体由临时保障向持续发展进化的技巧~

Langchain+Neo4j+Agent 的结合案例-电商销售目录项目简介一、构建知识图谱：二、 Cypher工具的开发1、链接数据库：2、Langchain 与 Neo4j 结合测试：

JoyAgent-JDGenie深度评测：从开箱到实战，多智能体框架的工业级答卷本文较长，建议点赞收藏，以免遗失。更多AI大模型开发学习视频/籽料/面试题都在这>>Github<< >>Gitee<<

不懂编程也能开发出自己的扣子AI智能体与工作流同学们，大家好，我的新课《扣子AI智能体与工作流开发实战》上线了！这是一套用Coze搭建多场景AI智能体与自动化工作流的精品课，手把手带领大家搭建智能体，用Agent重塑我们的生产力。我们已经进入到了一个与Agent一起工作的时代，如何搭建自动工作智能体和构建批量处理工作流，已成为一项必备技能。接下来，我把这套课程系统的给同学们介绍下。

构建可用于生产环境的 RAG 智能体：开发者完整指南本文较长，建议点赞收藏。更多AI大模型应用开发学习视频及资料，在智泊AI。你有没有纳闷过，为什么你的 RAG 系统总是返回一堆无关的结果，或者漏掉显而易见的答案？你不是一个人！很多开发者一开始用 vector search，然后一脸懵地发现，他们的“智能”AI 连一个简单的产品代码都找不到。

别再把RAG当记忆：这5个开源引擎让AI真正会记住本文较长，建议点赞收藏。更多AI大模型应用开发学习视频及资料，在智泊AI。大家老爱说“RAG给AI装上了记忆”。但说实话：它并没有。

大模型教程

彻底搞懂大模型“预训练”和“微调”本文较长，建议点赞收藏。更多AI大模型应用开发学习视频及资料，在智泊AI。让AI从一个“通才”变成“专才”的魔法钥匙！

Agent发展趋势？信通院发布“2025智能体十大关键词”本文较长，建议点赞收藏。更多AI大模型应用开发学习视频及资料，在智泊AI。人工智能正从“工具”进化成“数字员工”，2025年智能体（AI Agent）的发展趋势已清晰可见，一场人机协同的革命正在开启。

袁庭新解读国务院发布的《国务院关于深入实施“人工智能+”行动的意见》文件2025年08月26日，国务院发布了《国务院关于深入实施“人工智能+”行动的意见》文件。从过往实践来看，国家专门为某项技术发布行动纲领的情况并不常见。这标志着国家层面对AI战略的全面升级，更预示着一场十年难遇的重大发展机遇已悄然到来。