- 综合排序
- 最热优先
- 最新优先
- 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？ 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 注意，由于 AI 是存在随机性的，执行的步骤数也不固定。经过测试大家会发现，拥有自主规划能力的超级智能体虽然能够完成复杂的任务，但缺点是 非常浪费 tokens，并且可能陷入无限循环。 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 超级智能体的实现原理和架构设计，要求能够口述讲清楚 3）尝试自主阅读 OpenManus 的源码，思考如何进一步优化我们的程序，建议多利用 AI 工具辅助学习理解
64810编辑于 2026-03-17 - 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？ 小明买了7件T恤，他需要支付多少钱？ 请一步步思考解决这个问题: 1. 首先计算7件T恤的原价 2. 确定是否符合折扣条件 3. 如果符合，计算折扣后的价格 4. 通勤居民视角 对每个视角: - 提供支持该提议的2个论点 - 提供反对该提议的2个论点 - 分析可能的折中方案 7、多模态思维 结合不同表达形式进行思考，如文字描述、图表结构、代码逻辑等。 初始提示: 谈谈人工智能的影响。 [收到笼统回答后] 改进提示: 分析人工智能对医疗行业的三大积极影响和两大潜在风险，提供具体应用案例。 三、迭代与扩展方向 7. 短期MVP - 聚焦实时问答+简历定制题库。 8. 中期扩展 - AR面试助手：结合眼镜设备实现第一视角辅助。
39510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 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。 } catch (Exception e) { state = AgentState.ERROR; log.error("执行智能体失败 Resourceprivate ToolCallback[] allTools; @Resourceprivate ChatModel dashscopeChatModel; /** * 流式调用 Manus 超级智能体
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
本节重点 学习 AI 应用开发的高级特性 —— MCP 模型上下文协议，打通 AI 与外部服务的边界。 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 服务器主动去调用 MCP 服务，而是告诉 AI “MCP 服务提供了哪些工具”，如果 AI 想要使用这些工具完成任务，就会告诉我们的后端程序，后端程序在执行工具后将结果返回给 AI，最后由 AI 总结并回复 MethodToolCallbackProvider.builder() .toolObjects(imageSearchTool) .build(); } } 7）
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
本节重点 以 Spring AI 框架为例，学习 AI 应用开发的核心特性 —— 工具调用，大幅增强 AI 的能力，并实战主流工具的开发，熟悉工具的原理和高级特性。 “智能体” 了。 目前工具调用技术发展的已经比较成熟了，几乎所有主流的、新出的 AI 大模型和 AI 应用开发平台都支持工具调用。 反之，如果把爆破工具植入给 AI，AI 觉得自己能炸了，就炸了，不需要再问你的意见。而且这样也给 AI 服务器本身增加了压力。 三、Spring AI 工具开发 首先我们通过 Spring AI 官方 提供的图片来理解 Spring AI 在实现工具调用时都帮我们做了哪些事情？
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 - 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 耐着性子学到了矩阵.我就彻底歇菜了.那么今天,我就给Craft说个技术美术的需求,看它,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. 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。 •为什么选择CrewAI[2]•开始使用[3]•主要特性[4]•示例[5]•本地开源模型[6]•CrewAI x AutoGen x ChatDev[7]•贡献[8]• CrewAI Discord 社区 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。 joaomdmoura/crewAI#examples [6] 本地开源模型: https://github.com/joaomdmoura/crewAI#local-open-source-models [7]
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
本节重点 通过为 AI 面试助手应用添加知识问答功能，入门并实战企业主流的 AI 开发场景 —— RAG 知识库，掌握基于 Spring AI 框架实现 RAG 的两种方式。 具体内容包括： AI 面试助手问答需求分析 RAG 概念（重点理解核心步骤） RAG 实战：Spring AI + 本地知识库 RAG 实战：Spring AI + 云知识库服务 友情提示：由于 AI 一、AI知识问答需求分析 AI知识问答应用场景 随着 AI 技术的快速发展，越来越多的公司开始利用 AI 重构传统业务，打造全新的用户体验和商业价值。 其中，AI 知识问答是一个典型应用场景，广泛运用到教育、电商、咨询等行业，比如： 教育场景：AI 针对学生的薄弱环节提供个性化辅导 电商场景：AI 根据用户肤质推荐适合的护肤方案 法律咨询：AI 能解答法律疑问 其中，知识的来源可能来源于网络，也可能是自己公司私有的数据，从而让 AI 提供更精准的服务。 AI 面试助手应用的潜在需求 对于我们的AI 面试助手，同样可以利用 AI 知识问答满足很多需求。
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
腾讯集团副总裁蒋杰透露，腾讯长期结合需求场景推动AI的研究与落地。经过近一年的迭代升级，腾讯混元大模型参数量已达到万亿级别，tokens数量超过7万亿，稳居国内大模型第一梯队。 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。 FLASK_DEBUG: ${FLASK_DEBUG:-false} SECRET_KEY: ${SECRET_KEY:-sk-9f73s3ljTXVcMT3Blb3ljTqtsKiGHXVcMT3BlbkFJLK7U DEPLOY_ENV: ${DEPLOY_ENV:-PRODUCTION} CHECK_UPDATE_URL: ${CHECK_UPDATE_URL:-https://updates.dify.ai true} WEAVIATE_AUTHORIZATION_ADMINLIST_USERS: ${WEAVIATE_AUTHORIZATION_ADMINLIST_USERS:-hello@dify.ai ssrf_proxy_network # ssrf_proxy server # for more information, please refer to # https://docs.dify.ai
1.1K00编辑于 2025-02-06 - 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 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。 智能体的核心功能包括" input_ids = tokenizer.encode(input_text, return_tensors="pt") output = model.generate( 测试显示新版本准确率下降超过5%时 联邦学习实施方案： 采用安全聚合协议(Secure Aggregation)保护参与方数据 支持横向联邦(相同特征空间)和纵向联邦(不同特征空间)两种模式 典型应用案例：医疗AI
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 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 2.4ChatMemory特性 这个主要就是实现的用户的历史记录的存储，对于用户的提示词进行保存，历史信息的清空之类的，反正就是针对于用户的输入的prompt以及这个输出结果进行数据库之类的操作； 3.AI
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