- 综合排序
- 最热优先
- 最新优先
Agents & Muti-Agents
Building effective agents Agent的定义有多种。一些客户将Agent定义为完全自主的系统，能够在较长时间内独立运行，使用各种工具完成复杂任务。 Agents, on the other hand, are systems where LLMs dynamically direct their own processes and tool usage node 时，state 会发生变化(携带上一个 node 的执行输出信息) ref： https://www.anthropic.com/engineering/building-effective-agents
25010编辑于 2025-06-23Craft Agents
Craft Agents 是（在 craft.do）开发的一款工具，用于高效地与代理进行协作。 Craft Agents 采用 Apache 2.0 许可证开源——这意味着你可以自由修改、重混任何东西。实际上，这完全是可能的。 我们自己就是用 Craft Agents 只用 Craft Agents 来开发 Craft Agents —— 没有使用代码编辑器 —— 所以，任何定制都只是一个提示的距离。 ）: irm https://agents.craft.do/install-app.ps1 | iex 从源代码构建 git clone https://github.com/lukilabs/craft-agents-oss.git 键盘快捷键 动作 https://github.com/lukilabs/craft-agents-oss?
37410编辑于 2026-03-13- 来自专栏CreateAMind
Building Agents with Imagination
Building Agents with Imagination https://github.com/createamind/Imagination-Augmented-Agents Intelligent agents must have the capability to ‘imagine’ and reason about the future. tutorial presents a new family of approaches for imagination-based planning: Imagination-Augmented Agents https://github.com/pathak22/zeroshot-imitation] https://github.com/createamind/Imagination-Augmented-Agents
62930发布于 2018-07-20 - 来自专栏信创系统开发
AI Agents 技术栈
那么什么是 AI Agents 呢？构成 AI Agents 的技术栈有哪些关键组成部分？本文参考了一些资料，尝试解释这一概念，主要参考了以下内容： AI Agents Stack. 网址：https://www.letta.ai/blog/ai-agents-stack AI Agents: Introduction (Part-1). 一、什么是 AI Agents？ AI Agents 是指能够感知环境、做出决策并执行任务的智能系统。 与传统 AI 系统不同，AI Agents 具有以下特点： 自主性：能够独立完成任务，无需人工干预。 交互性：可以与用户、其他 Agents 或环境进行交互。 学习能力：通过数据反馈不断优化行为。 二、AI Agents 技术栈的层级架构 AI Agents 的技术栈总体架构如上图所示。大体上可分为五个关键层级，从底层基础设施到上层应用逻辑逐层递进： 1.
1.6K11编辑于 2025-02-12 极客企业级Agents开发实战营-Agents入门指南
Agent 开发方法论2.1 确定应用场景和目标极客时间 企业级Agents开发实战营,在开发大模型 Agent 之前，首先需要明确应用场景和目标。 response = generate_response(prompt)print(response)3.4 构建 Flask API 服务极客时间 企业级Agents开发实战营创建一个 Flask 应用 response = generate_response_with_knowledge(prompt)print(response)3.7 实战案例：客户支持 Agent极客时间 企业级Agents开发实战营以下是一个构建客户支持
95600编辑于 2024-07-15AI Agents Masterclass 项目文档
项目标题与描述AI Agents Masterclass 是一个全面的AI代理开发教程项目，旨在展示如何利用大型语言模型(LLM)与外部系统交互，实现业务流程自动化。 LangGraph支持：使用LangGraph实现复杂的代理工作流安装指南系统要求Python 3.8+GitPip安装步骤克隆仓库：git clone https://github.com/coleam00/ai-agents-masterclass.gitcd ai-agents-masterclass创建虚拟环境：python -m venv ai-agents-masterclass激活虚拟环境：# Windows. \ai-agents-masterclass\Scripts\activateMacOS/Linuxsource ai-agents-masterclass/bin/activate安装依赖：pip install
31810编辑于 2025-07-24- 来自专栏服务端技术杂谈
Long-running Agents架构
Cursor和Claude Code的Long-running Agents的解决思路不一样。 Cursor的思路是：并行启动多个Agent来执行复杂长任务。
17010编辑于 2026-03-11 - 来自专栏衣谷鸽编程
(一)Logic Agents基本定义
引言 In which we design agents that can form representations of a complex world, use a process of inference
45320编辑于 2023-02-19 - 来自专栏设计模式
Anthropic：Agents 最佳实践指南
Anthropic 发布了一篇关于 Agent 的文章《Building effective agents》，这篇文章分享了 Anthropic 从与客户共建 agents 的过程中学到的经验，并为开发者们提供如何构建有价值的 agents 最佳实践与实用建议。 agents 的定义和分类 agents（智能体） 的定义 完全自主的系统：在扩展时间段内独立操作，使用各种工具完成复杂任务。 预定义工作流程的实现：遵循预定义的工作流程。 Agents（智能体）：大模型动态指导其自身的过程和工具使用，保持对任务完成的控制。 如何使用 agents ？ 总结 核心原则 保持 agents 设计的简洁性：避免不必要的复杂性。 透明性：展示 agents 的计划步骤。
77521编辑于 2025-02-26 - 来自专栏学海无涯
Xcode 26.3-Coding Agents
介绍 从 Xcode 26.3 开始，Apple 正式引入 Coding Agents（编码代理） 概念，目前 Xcode 内置支持的典型代表包括 Claude Agent 和 Codex。
68210编辑于 2026-02-06 - 来自专栏云上修行
LiveKit Agents 深度技术架构剖析
摘要：本文档以资深系统架构师的视角，深入剖析 LiveKit Agents 框架的设计哲学与实现细节。 LiveKit Agents是什么 LiveKit Agents 框架是一个基于 Python 的系统，旨在构建、部署和管理与 LiveKit WebRTC 基础设施交互的实时对话式 AI Agent。 架构设计哲学：稳定性与隔离性 LiveKit Agents 的核心设计目标是在不稳定的 AI 模型（可能产生 hallucinations 或 crash）与高实时性的 WebRTC 通信之间建立一道防火墙 LiveKit Agents 在架构上对此做了极致优化。 架构收益：这种分离计算与控制的模式，使得 Agents 框架不仅能做轻量级编排，也能承载高密度的本地模型部署。
64020编辑于 2025-12-30 - 来自专栏苏三说技术
2026 最强 Hooks、Skills、Agents 实战
三驾马车：Hooks、Skills、Agents 在具体配置之前，先把三者的定位说清楚。我喜欢用一个团队管理的类比： Hooks = 自动化守卫。它不做决策，只在特定时机执行检查。 Agents = 并行执行。当任务可以拆分成多个独立子任务时，你可以派出多个专职 Agent 同时干活。一个负责写代码，一个负责 review，一个负责写测试——就像技术团队里的角色分工。 三者的关系不是互斥的，而是分层协作： Hooks/Skills/Agents 三层协作架构 一句话总结：Hooks 管"不能做什么"，Skills 管"应该怎么做"，Agents 管"谁来做"。 Agents：一个人干三个人的活 如果 Hooks 是流程卫士，Skills 是知识库，那 Agents 就是你手下的"虚拟团队成员"。 CLAUDE.md 是它的长期记忆，Skills 是它的专业技能库，Hooks 是它的行为准则，Agents 是它的团队分工。把这四样东西配好，Claude Code 才算真正"上岗"了。
6710编辑于 2026-04-14 - 来自专栏AIGC新知
AI Agents: 如何构建数字员工
作者：Alfredo Sone 编辑&排版：Alex AI Agents是构建智能系统的一种新方式。 以下是 Google Agents 中目标和指令的定义方式： 3、定义记忆 记忆可以让agent保持一致并学习。
1.1K00编辑于 2024-12-25 AI Agents 的开发实践经验
随着人工智能技术的快速发展，AI Agent（智能代理）已经成为企业提升效率、优化流程的重要工具。AI Agent 不仅能够自动化执行任务，还能通过自主决策和工具调用，完成复杂的业务流程。本文将详细探讨 AI Agent 的开发实践经验，涵盖需求分析、技术选型、数据准备、模型训练、开发与集成、测试与优化、部署与推广等多个环节，并结合实际案例，分享从零到一打造商用 AI Agent 的全过程。
1.3K10编辑于 2025-03-25- 来自专栏AI
原来这就是 MoA(Mixture-of-Agents)
今天看到一个项目，Mixture-of-Agents (MoA)，打开了一个新思路。 介绍Mixture-of-Agents (MoA) 是一种新颖的方法，它利用多个 LLMs 的集体优势来增强性能，实现最先进的结果。 # Mixture-of-Agents in 50 lines of codeimport asyncioimport osfrom together import AsyncTogether, Togetherclient
1.1K10编辑于 2024-07-10 Agent 系列（四）：聊聊 Anthropic Managed Agents
Claude Managed Agents 架构图 Anthropic 在发布 Managed Agents 公测时，核心不是再造一个 “更会聊天的 Agent”，而是把 Agent 运行时拆成稳定层。 换句话说，Managed Agents 不是替我们做产品决策，而是把我们从重复造轮子的泥潭里拉出来。 Managed Agents 的价值，就在这个分水岭上。 参考资料： Claude Managed Agents: get to production 10x faster Claude Managed Agents overview (Docs) Effective harnesses for long-running agents Harnessing Claude’s intelligence
28310编辑于 2026-04-13- 来自专栏Michael阿明学习之路
LangChain学习：通过Agents自动查询天气
api_base, api_version, model_name from langchain.chat_models import AzureChatOpenAI from langchain.agents.agent_toolkits import create_python_agent from langchain.agents import load_tools, initialize_agent from langchain.agents 自定义工具 3.1 查询日期 from langchain.agents import tool from datetime import date @tool def time(text: str , 'output': 'The weather in Beijing today is rainy.'} agents 通过拆解问题 找当前日期 确定城市 写了段代码，在数据里获取天气 最后，成功获取到了正确答案
3.4K30编辑于 2023-07-21 - 来自专栏架构驿站
一文读懂 AI Agents 技术
通常来说，不同类型的 AI Agents 旨在解决特定的挑战并完成特定的任务。对于构建有效且高效的人工智能系统来说，更深入地了解 AI Agents 的不同类型便显得至关重要。 通过了解各种 AI Agents 类型，我们可以更好地理解它们的功能和应用领域，并根据具体需求选择最合适的 AI Agents。 AI Agents 可以是专门针对某个任务设计的，例如图像识别、语音识别或自然语言处理。这些 Agents 利用先进的算法和模型来解析输入数据并生成准确的输出。 — 01 — 什么是 AI Agents & Autonomous AI Agents ？ 这反映了大家对开源 AI Agents 项目的广泛兴趣和支持。 不仅如此，我们几乎每周都能看到新的公司成立，专注于 AI Agents 的开发和应用。
7K53编辑于 2023-11-22 - 来自专栏机器之心
快手Agents系统、模型、数据全部开源！
7B 大小的模型也能玩转 AI Agents 了？近期，快手开源了「KwaiAgents」，问它周末滑雪问题，它不但帮你找到场地，连当天的天气都帮你考虑周到了。 AI Agents 就是解决这个问题的道路之一，通过激发大模型任务规划、反思、调用工具等能力，使大模型能够借助现实世界工具提升生成内容的准确性，甚至有能力解决复杂问题。 通过引入这些多元的模板，能够显著降低模型微调时对模板的依赖，提纯更本质的 Agents 在任务规划、工具使用、反思等能力，从而提高模型的泛化性和有效性。 评测 KAgentBench 通过人工精细化标注的上千条数据，做到了开箱即用，让大家能够用一行命令评测一个大模型在不同模板下各方面的 Agents 能力。 团队表示，AI Agents 是一条非常有潜力的道路，未来一方面会在这个方向持之以恒地沉淀核心技术，并为整个社区不断地注入新的活力；另一方面也会积极探索 Agents 技术与快手业务的结合，尝试更多有趣
76810编辑于 2023-12-28 - 来自专栏架构精进之路
系统解读：AI Agents 时代的 Memory 技术
分享今年看到最系统&最新的 Agents Memory 综述，NUS&人大&复旦&北大&同济等联合出品：《Memory in the Age of AI Agents: A Survey》 用 “形态-
38010编辑于 2026-03-25
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