- 综合排序
- 最热优先
- 最新优先
- 来自专栏Go语言学习专栏
2 - AI 应用开发 - AI 超级智能体项目教程
2）对话型提示词（Conversational Prompts）：模拟自然对话，以问答形式与 AI 模型交互。 你认为人工智能会在未来取代人类工作吗？ 什么是人工智能？ 2）复合提示词（Compound Prompts）：包含多个相关指令或步骤的提示词。 分析下面这段代码，解释它的功能，找出潜在的错误，并提供改进建议。 请提供一个社交媒体营销计划，针对一款新上市的智能手表。计划应包含: 1. 目标受众描述 2. 三个内容主题 3. 每个平台的内容类型建议 4. 设计一个智能家居系统的基础架构: 1. 首先用文字描述系统的主要功能和组件 2. 然后创建一个系统架构图(用ASCII或文本形式表示) 3. 接着提供用户交互流程 4. - 智能答案生成 - 根据知识库动态生成结构化答案，突出逻辑性（如STAR法则）。 - 提供“极速模式”（秒级响应）和“精准模式”（联网校验信息准确性。 2.
39510编辑于 2026-03-17 - 来自专栏Go语言学习专栏
7 - AI 智能体构建 - AI 超级智能体项目教程
具体内容包括： AI 智能体概念与特点 智能体实现关键技术 使用 AI 智能体的多种方式 OpenManus 实现原理 自主实现 Manus 智能体 智能体工作流编排 A2A 协议 一、什么是智能体？ 比如可以在阿里云百炼、Dify 等平台上创建智能体 2、软件中使用 AI 开发工具 Cursor、tare 就集成了 AI 智能体，可以帮我们生成完整的项目代码、或者解释项目代码。 类 通用全能 Manus 智能体 是可以直接提供给其他方法调用的 AI 超级智能体实例，继承自 ToolCallAgent，需要给智能体设置各种参数，比如对话客户端 chatClient、工具调用列表等 而 A2A 协议则是 智能体之间的通信协议。它更像是让不同的 AI 角色之间可以直接对话、协作和分工。 实现 5）参考 OpenManus 的源码，实现更多功能，比如 “规划并执行” 模式的智能体工作流（参考 flow/planning.py） 本节作业 1）完成 AI 超级智能体的开发 2）理解 AI
64810编辑于 2026-03-17 - 来自专栏Go语言学习专栏
8 - AI 服务化 - AI 超级智能体项目教程
通过本节学习，你将掌握如何将 AI 智能体转变为可供他人调用的服务 具体内容包括： AI 应用接口开发 AI 智能体接口开发 在开始之前，先给大家提个醒，Spring AI 版本更新飞快，有些代码的写法随时可能失效 所以上述代码中我们使用 content 方法，只返回 AI 输出的文本信息。 2、开发同步接口 在 controller 包下新建 AiController，将所有的接口都写在这个文件内。 点击接口旁边的绿豆就能自动生成测试代码： 二、AI 智能体接口开发 由于智能体执行过程通常包含多个步骤，执行时间较长，使用同步方法会导致用户体验不佳。 因此，我们采用 SSE 技术将智能体的推理过程实时分步输出给用户。 ChatModel dashscopeChatModel; /** * 流式调用 Manus 超级智能体 * * @param message * @return */@GetMapping
14710编辑于 2026-03-17 - 来自专栏Go语言学习专栏
6 - MCP 协议 - AI 超级智能体项目教程
使 MCP 服务能够实现复杂的智能代理行为，同时保持用户对整个过程的控制和数据隐私保护。 如图，官方提供了很多现成的 MCP 服务： 让我们进入一个智能体应用，在左侧可以点击添加 MCP 服务，然后选择想要使用的 MCP 服务即可，比如使用高德地图 MCP 服务，提供地理信息查询等 12 spring-ai-mcp-client-spring-boot-starter</artifactId> <version>1.0.0-M6</version> </dependency> 2）在 1、引入依赖 Spring AI 提供了 2 种客户端 SDK，分别支持非响应式和响应式编程，可以根据需要选择对应的依赖包：9miz/ spring-ai-starter-mcp-client：核心启动器 2）如果你想利用 MCP 服务提供的工具来增强 AI 的能力，可以使用自动注入的 ToolCallbackProvider Bean，从中获取到 ToolCallback 工具对象。
48810编辑于 2026-03-17 - 来自专栏Go语言学习专栏
5 - 工具调用 - AI 超级智能体项目教程
1）联网搜索 2）网页抓取 3）资源下载 4）终端操作 5）文件操作 6）PDF 生成 而且这些需求还可以进行组合 如果 AI 能够完成上述需求，就不再只是一个有知识的 “大脑”，而是有手有脚，会利用工具完成任务的 “智能体” 了。 文件操作 文件操作工具主要提供 2 大功能：保存文件、读取文件。 以下是各工具的测试结果： 1） 测试联网搜索 2）测试网页抓取 3）测试资源下载。 比如 “文件解析能力”，允许用户上传 PDF 文件，通过程序解析出来后提供给 AI 作为上下文 本节作业 1）实现本节代码，并自主实现 1 个教程中没讲到的工具 2）理解 Spring AI 实现工具调用的原理
24010编辑于 2026-03-17 - 来自专栏鱼皮客栈
鱼皮的 AI 超级智能体项目，新鲜出炉！
这是一套以 AI 开发实战 为核心的项目教程，将通过开发 AI 恋爱大师应用 + 拥有自主规划能力的超级智能体，带大家掌握新时代程序员必知必会的 AI 核心概念、AI 实用工具和 AI 编程技术，大幅增加求职的竞争力 此外，还会手把手带大家完成基于 ReAct 模式的 自主规划智能体 YuManus ，可以利用网页搜索、资源下载和 PDF 生成工具，帮用户制定完整的约会计划并生成文档： 当然，学会这个项目后，你不仅能开发 AI 核心特性：如自定义拦截器、上下文持久化、结构化输出 RAG 知识库和向量数据库 Tool Calling 工具调用 MCP 模型上下文协议和服务开发 AI 智能体 Manus 原理和自主开发 AI ⭐️ MCP 模型上下文协议 ⭐️ ReAct Agent 智能体构建 ⭐️ Serverless 计算服务 ⭐️ AI 大模型开发平台百炼 ⭐️ Cursor AI 代码生成 + MCP 第三方接口 智能体架构图
1.2K10编辑于 2025-04-26 超级智能体---codebuddy的Craft
此次分享的是专门针对codebuddy的智能体Craft写个使用感受.我将由浅入深的对Craft提出需求看看Craft的表现如何. 在AI普及的今天,也许我会有新的救赎 简单的功能 注意,在unity技术栈中使用codebuddy一定是要先有unity项目(或者说工程),并且项目中有一个空的脚本,比如GameController.cs ,能不能做出来.如果能.我愿称之为最强,如果不能,也没啥.毕竟国内的技术美术都在大厂.而且他们估计也不会把自己的项目放网上给AI训练.这块知识AI缺少我也能理解. _MainTex; sampler2D _BumpMap; sampler2D _EmissionMap; sampler2D _ThicknessMap ThicknessMap, IN.uv_ThicknessMap).r; } ENDCG } FallBack "Diffuse" } 总的来说,Craft是一个非常棒的智能体
48510编辑于 2025-05-29- 来自专栏科技云报道
个人AI时代，超级智能体如何真正为你而来？
联想集团副总裁、中国区战略及业务拓展副总裁阿不力克木·阿不力米提（以下简称“阿木”）认为，最终会走向每一个人都能拥有一个双胞胎般的超级智能体，它就是个人的一个分身，是一个伴侣和伙伴，甚至是个人的代表。 联想集团副总裁、中国区战略及业务拓展副总裁 阿不力克木·阿不力米提 “以人为中心”的 个人超级智能体 报告认为，个人AI作为“以人为中心”的个人超级智能体，要实现从“工具”到“伙伴”的跨越，不仅需要具备跨平台开放连接的能力 “一体”，是指以天禧个人超级智能体为核心的统一智能中枢，它打破了设备与平台的界限，承载用户的全时记忆与全域知识，具备多模态感知、全意图理解、自主规划执行等核心能力。 硬件层面，AIPC、AI手机等终端集成专属NPU与传感器，为智能体提供高效运行基础。 系统层面，通过超级互联技术与资源调度优化，实现跨设备无缝协同。 未来的个人AI不再是孤立的工具，而是以“一体多端”的超级中枢形态存在，通过智能体调度整合全场景资源，为用户提供“以人为中心”的个性化、安全化、无缝化智能服务。
31510编辑于 2026-01-16 医共体基层 AI 智能体：让基层医生有了 “超级大脑”
在县乡村的医疗诊室里，AI 智能体正在悄悄改变基层诊疗的模样。这个听起来高深的技术产品，其实就像给基层医生配了个 “超级大脑 + 得力助手”，用实实在在的技术手段破解人才短缺、资源不均的难题。 基层 AI 智能体的核心魔力，首先来自 “海量医学知识的数字化”。 AI 智能体通过标准化接口对接县乡村三级医院的信息系统，患者在村卫生室的检查数据、县医院的转诊记录能实时共享，不用重复检查建档。 更贴心的是，AI 智能体还能 “适配基层场景”。 这些技术细节，都是为了让 AI 真正融入基层工作流程，而不是增加额外负担。说到底，医共体基层 AI 智能体不是要取代医生，而是用数据和算法做支撑，让基层医生的诊疗更精准、更高效、更安全。
26610编辑于 2025-12-05- 来自专栏山行AI
crewAI—用于编排角色扮演的AI agent（超级智能体）
crewAI crewAI的标志，两个人在划船[1] 用于编排角色扮演的自治AI代理的尖端框架。通过促进协作智能，CrewAI使代理能够无缝协作，处理复杂任务。 AI协作的力量有很多可以提供的。CrewAI旨在使AI代理能够承担角色，共享目标，并像一个精密运作的团队一样运作 - 就像一支精心训练的船员。 无论您是在构建一个智能助理平台，自动化的客户服务团队，还是多代理研究团队，CrewAI都提供了复杂的多代理互动的支持。 AI进步。 verbose=2, # 您可以将其设置为1或2以获得不同的日志记录级别 ) # 让您的团队开始工作！
12.2K11编辑于 2024-01-12 - 来自专栏Go语言学习专栏
3 - RAG 知识库基础 - AI 超级智能体项目教程
标准化文本格式 文档切割：将长文档分割成适当大小的片段（俗称 chunks） 基于固定大小（如 512 个 token） 基于语义边界（如段落、章节） 基于递归分割策略（如递归字符 n-gram 切割） 2、 Embedding 模型是执行这种转换算法的机器学习模型，如 Word2Vec（文本）、ResNet（图像）等。 想要在程序中让 AI 使用知识库，首先建议利用一个 AI 开发框架，比如 Spring AI；然后可以通过 2 种模式进行开发 —— 基于本地知识库或云知识库服务实现 RAG。 下面分别讲解这 2 种模式。 大家在学习 RAG 的过程中，可以利用 AI 来生成文档 2、文档读取 首先，我们要对自己准备好的知识库文档进行处理，然后保存到向量数据库中。
26910编辑于 2026-03-17 - 来自专栏算法之名
AI智能体
langchain 概述 langchain是LLM与AI应用的粘合剂，是一个开源框架，旨在简化使用大型语言模型构建端到端应用程序过程，它也是ReAct(reason+act)论文的落地实现。 chains，langchain把提示词、大语言模型、结果解析封装成chain，并提供标准的接口，以便允许不同的chain形成交互序列，为AI原生应用提供端到端的chain。 content='Hi.'), SystemMessage(content='你的角色是一个诗人.'), HumanMessage(content='用七言绝句的形式写一首关于AI messages) print(response.content) 这里的 ZHIPUAI_API_KEY 需要你自己去智普网站 https://open.bigmodel.cn 去注册就有，运行结果 智能助手显神通 的诗')] streaming_chat(messages) 运行结果 智能助手显神通， 问答之间意无穷。
78010编辑于 2024-09-29 智能体成AI新焦点，腾讯预测“超级生产者”崛起
在世界人工智能大会期间，时代周报记者实地探访了腾讯展位。此次，腾讯带来了AI“全家桶”，包括腾讯元宝APP、腾讯元器智能体平台和面向各类场景的智能应用。 而今年以来，智能体已成为中国AI大模型领域的新焦点。百度、字节、腾讯等公司纷纷基于自身AI大模型发布智能体平台，为开发者、创作者提供更为便捷的操作应用路径。 今年5月，腾讯在腾讯云生成式AI产业应用峰会上发布智能体平台“腾讯元器”。腾讯混元模型应用负责人张锋指出，智能体仍是时代前沿产品，市场的接受需要一个过程。同时，智能体的流行与否和模型基础能力息息相关。 “伴随着基础模型能力的提升，智能体的构建也会更加满足用户需要。” 而在今年的WAIC产业发展主论坛上，百度董事长李彦宏再次明确表示自己未来最看好的AI应用方向是“智能体”。 图源：时代周报记者摄 AI“智力外挂”成就“超级生产者” 当今世界人口数量已到达80亿，AI技术的应用何时能达到“普惠”，仍然有待商榷。
52110编辑于 2024-07-11- 来自专栏算法之名
AI智能体(四)
接AI智能体(三) memory工具使用 以往，我们都是直接跟大模型进行交互，没有办法系统的实现记忆。 在上图中，用户在向大模型问问题时会首先读取记忆体，查看以往是否回答过相同的问题或者相关的文档可以参考。 如果有就会返回并添加到提示词模版中，再通过大模型的处理得到答案，得到答案之后再将答案反写回记忆体，这是一个循环的过程。 **智能合约和应用生态**：以太坊拥有强大的开发者社区和丰富的应用生态，这推动了其需求的增长，并对价格产生积极影响。 2. **跨链技术的进步**：随着跨链技术的发展，以太坊能够与其他区块链网络进行互操作，这可能会扩大其生态系统，并增加其作为价值转移和智能合约平台的吸引力。 5.
1K00编辑于 2025-02-06 - 来自专栏算法之名
AI智能体(六)
接AI智能体(五) Dify Dify是一个开源的Agent开发平台，使用Dify有两种方式，一种是使用Dify的在线平台。https://cloud.dify.ai。 一种是进行私有化部署。 DEPLOY_ENV: ${DEPLOY_ENV:-PRODUCTION} CHECK_UPDATE_URL: ${CHECK_UPDATE_URL:-https://updates.dify.ai TENCENT_VECTOR_DB_SHARD: ${TENCENT_VECTOR_DB_SHARD:-1} TENCENT_VECTOR_DB_REPLICAS: ${TENCENT_VECTOR_DB_REPLICAS:-2} true} WEAVIATE_AUTHORIZATION_ADMINLIST_USERS: ${WEAVIATE_AUTHORIZATION_ADMINLIST_USERS:-hello@dify.ai restart: always environment: XPACK_ENCRYPTEDSAVEDOBJECTS_ENCRYPTIONKEY: d1a66dfd-c4d3-4a0a-8290-2abcb83ab3aa
1.1K00编辑于 2025-02-06 - 来自专栏算法之名
AI智能体(二)
我是人工智能助手智谱清言，可以叫我小智，很高兴见到你，欢迎问我任何问题。' model_name': 'glm-4', 'finish_reason': 'stop'}, id='run-b982480c-39d9-4445-8888-62a10339ef86-0')]} 状态持久化 许多AI
64010编辑于 2024-10-05 - 来自专栏算法之名
AI智能体(五)
接AI智能体(四) MetaGPT 环境装配 metagpt下载地址：https://github.com/geekan/MetaGPT conda create -n metagpt python= gpt-3.5-turbo api_key: "******" 测试： 在终端命令行中进入Meta-GPT-main目录中执行 metagpt "Write a cli snake game" 单动作智能体 ") # Test case 2 assert sum_function([-1, 0, 1, 2, 3]) == 5 print("Test case 2 passed.") ``` 2024-12 ") # Test case 2 assert sum_function([-1, 0, 1, 2, 3]) == 5 print("Test case 2 passed.") 多动作智能体 import asyncio import sys import subprocess from metagpt.llm import LLM from metagpt.actions import
76000编辑于 2025-02-06 - 来自专栏人工智能
Notion AI 智能体
NotionAI智能体Notion3.0的AI智能体通过自动化流程实现复杂任务闭环。其核心能力包括智能搜索、数据分析、决策制定和执行操作。 零一万物万智2.5平台解析万智2.5平台采用多智能体协作架构，每个角色对应特定职能：市场智能体：自动生成营销方案并执行投放HR智能体：处理招聘全流程，包括简历筛选和面试安排财务智能体：实时监控预算并生成分析报表平台通过智能体间的通信协议实现协作 例如启动新项目时，系统自动组建包含产品、设计、开发智能体的虚拟团队，各角色通过API交换数据并同步进度。 ：知识库建设：结构化企业数据供智能体调用权限管理：设置不同智能体的数据访问层级验证机制：关键决策需加入人工审核环节典型部署流程包括POC测试阶段，先选择单一业务场景验证，如自动生成周报，再逐步扩展至复杂业务流程 监控系统需记录智能体的决策路径和执行效果，便于持续优化。
24010编辑于 2026-01-07 【AI智能体创作】
AI智能体创作思路 AI智能体的核心在于模拟人类思维和行为模式，通过算法和数据处理实现自主决策。创作思路通常包括目标定义、数据收集、模型训练、评估优化等环节。 目标定义阶段明确智能体的功能边界，比如聊天机器人、游戏NPC或自动化工具。数据收集阶段获取相关领域的语料、图像或其他输入数据。模型训练阶段选择合适的算法架构，如深度学习、强化学习或规则引擎。 案例分析 以智能写作助手为例，分析其设计流程。需求分析阶段确定用户需要语法检查、内容生成或风格转换等功能。技术选型阶段可能采用GPT-3等大语言模型作为基础架构。 = GPT2Tokenizer.from_pretrained("gpt2-medium") model = GPT2LMHeadModel.from_pretrained("gpt2-medium" ) input_text = "AI智能体的核心功能包括" input_ids = tokenizer.encode(input_text, return_tensors="pt") output
36510编辑于 2025-12-17- 来自专栏学习成长指南
AI超级智能体教程（四）---多轮对话机制的原理和实现
如果可以，我们在这个基础上面进行完善和开发； 如果刚开始就搞得很复杂，这个时候如果发现不符合用户的体验，这个时候就是浪费资源，因此这个MVP最小可行性产品是我们进行这个项目学习的时候需要理解的； 具体到这个AI 超级智能体项目里面，就是我们的这个项目需要生成恋爱文档之类的都不是我们的原型产品，而是先让这个用户可以和AI大模型聊起来，然后我们再去增加其他的复杂的功能，这个满足聊天的功能的产品就是最小可行性产品，也就是我们的这个里面提到的 MVP规则； 2.多轮对话机制的原理说明 这个部分主要是介绍相关的对轮对话里面的原理，主要来自于程序员鱼皮的项目，我自己也是听老师讲了两遍，因为这个原理对于我们后续对于程序的编写以及这个过程的理解很重要 进行调用的，也就是阿里里面的这个灵积大模型，不知道大家是不是还有印象，和chatmodel相比，这个chatclient可以让我们的这个调用更加的灵活方便； client就可以理解为一个客户端，就是我们和AI 进行聊天的时候使用的这个客户端，chatclient支持更加复杂灵活的链式调用 我们创建chatclient的方式有两种： 1.使用自动注入的方式； 2.通过构造器，传入大模型作为参数，进行创建chatclient
1.6K10编辑于 2025-05-03
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号