- 综合排序
- 最热优先
- 最新优先
AI Agent 企业应用-入门指南
一、AI Agent 核心概念与能力AI Agent（人工智能代理）是一种能够感知环境、自主决策并执行动作的智能实体。 例如，客服 Agent 能根据用户情绪变化切换沟通方式。二、企业应用场景与价值AI Agent 已渗透至企业运营全链条，以下为典型应用场景及价值量化模型：1. 探索高阶能力：引入多 Agent 协作（如“谈判 Agent”调用“合规 Agent”校验条款）。输出：动态知识库更新机制（每周自动纳入新政策/案例）、Agent 性能周报（准确率、耗时、成本趋势）。 低代码/无代码平台Dify：开源智能体开发平台，支持快速搭建交互式、有记忆、能调用工具的 AI 应用，适合懂技术、想自定义产品逻辑的用户（如程序员、产品经理）。 七、未来趋势与展望多 Agent 协作：未来企业级应用将向多 Agent 系统演进，不同 Agent 分工协作完成复杂任务（如“市场调研 Agent”调用“数据分析 Agent”生成报告）。
54910编辑于 2026-04-27- 来自专栏喔家ArchiSelf
Agent 应用于提示工程
如果Agent模仿了人类在现实世界中的操作方式，那么，能否应用于提示工程即Prompt Engingeering 呢？ 这些模型的新兴智能以及它们在我们生活中的各个方面的应用，使它们成为一种非常受欢迎的工具，每家公司都想从中分一杯羹。 Agent 应用于提示工程示例——ReAct 与思维链推理一样，ReAct 也是一种提示工程方法，它使用少量学习来教模型如何解决问题。 此外，它具有可解释性，因为Agent在行动时输出其思维过程。 小结 作为Agent 应用于提示工程的一种具体实现，ReAct 迈出通往通用人工智能和具象语言模型的一步。 Reasoning and Acting in Language Models”,ICLR,2023 如何构建基于大模型的App Qcon2023: 大模型时代的技术人成长（简） 论文学习笔记：增强学习应用于
99920编辑于 2023-10-30 马虾Agent的驾驭实践（六）-- Agent演化和应用发展
，以及其在行业的应用发展。 趋势一：去中心化的Agent社会——从个体智能到集体涌现 未来的Agent不会孤立存在，而是形成去中心化的Agent社会。 想象一下：一场跨国救灾行动中，物流Agent、医疗Agent、交通Agent、物资Agent并不需要人类指挥。 这幅图为我们理解未来AI Agent的应用场景和发力的方向提供了清晰的路线图。 好了，整个系列已经连载完成。 如何想了解前面的内容： 马虾Agent的驾驭实践（一）-- 驾驭方法 马虾Agent的驾驭实践（二）-- 踩坑实践 马虾Agent的驾驭实践（三）-- 不可能三角 马虾Agent的驾驭实践（四）-- 框架
12210编辑于 2026-05-08- 来自专栏大数据杂货铺
AI Agent的类型、优势及应用
代理用于多种应用，包括机器人、游戏和智能系统。它们可以使用不同的编程语言和技术来实现，包括机器学习和自然语言处理。 人工智能被定义为对理性代理的研究。 4.5.3 优势 Agent 可以根据人工智能决策将想法转化为行动 学习代理可以遵循基本的命令，如：口头指令、执行任务 与执行预定义操作的经典代理不同，学习代理可以随着时间的推移而进化 AI 代理考虑效用测量 层次代理的应用场景如：机器人、制造、运输等。它擅长协调、处理多任务和子任务。 4.6.1 原理 层次代理的工作方式就像一个公司的组织。 由于其复杂性，应用标准的机器学习技术来提高性能变得更加困难。 总的来说，层级代理是人工智能中的一个强大工具，可以帮助解决复杂问题并提高各种应用的效率。 5. MAS 可用于多种应用，包括交通系统、机器人和社交网络。它们可以帮助提高效率、降低成本并提高复杂系统的灵活性。
96100编辑于 2024-05-27 - 来自专栏AIGC大模型应用
AI Agent应用出路到底在哪？
1 Agent/Function Call 的定义Overview of a LLM-powered autonomous agent system：Agent学会调用外部应用程序接口，以获取模型权重中缺失的额外信息 3 模型 + 应用(模应一体)去年在海外验证 TC-PMF，以真实用户体验，和模型迭代形成正循环多模态理解与生成，结合真实场景，解锁2C应用的创新单一产品上线9月，用户近干万，收入1亿，ROI接近1使用量较大的 2C类AI应用聚集在欧美Saas profitability多模态 Vision 模型：结合LLM的读文档“截图提问”创新大模型赛道从狂奔到长跑，取决于有效实现 TC-PMF当前任何产品要实现大规模应用 需兼顾技术路径和推理成本基于 Scaling Law，大模型能力快速增长，超过任何技术大模型训练和推理的成本持续大幅下降(GPT价格年内多次下调)需要顶级模型推理能力，才能实践最佳 Al-First 应用但有些应用会先爆发 需建立基建到应用的良性 ROI双轨模型策略闭源探索商业化及 AI-First + 开源赋能生态
78821编辑于 2024-09-28 - 来自专栏程序员
ReAct Agent：原理、应用与实战指南
超越传统提示的局限性在早期的大语言模型应用中，提示工程是连接用户意图与模型输出的核心手段。然而，纯提示驱动的方案在多步推理、工具调用和动态环境交互中常显不足。 行动（Action）：基于思考结果，Agent调用外部工具执行操作，如调用搜索引擎API获取实时数据。观察（Observation）：Agent接收工具返回的结果，作为下一步决策的输入。 →FinalAnswer，使Agent能根据环境反馈动态调整策略。 这种设计使Agent能够突破自身知识局限，获取最新、最准确的数据。 对于开发者和企业而言，掌握ReAct原理与实践，意味着能够构建更加智能、灵活和实用的AI应用，在日益复杂的技术环境中保持竞争优势。
2K01编辑于 2025-09-25 - 来自专栏腾讯开源的专栏
tRPC-Agent-Go：构建智能AI应用的Go语言Agent框架
2023年起，LLM发展迅速，而Agent开发框架成为连接AI能力与业务应用的重要基础设施。 github.com/trpc-group/trpc-agent-go)如何构建智能AI应用。 一、技术选型和定位 1.业界框架技术路线分析 目前AI Agent 应用开发框架主要分为两大技术路线：自主多Agent框架和编排式框架。 3.tRPC-Agent-Go技术定位 行业与生态现状：随着LLM能力的持续突破，Agent开发框架正成为AI应用开发的重要趋势。 支持创建自主Agent和半自主Agent，具备推理能力、工具调用、子Agent协作和长期状态保持能力，为开发者提供构建智能应用的完整技术栈。
2.4K10编辑于 2025-10-20 - 来自专栏深度学习自然语言处理
Q-Learning 在 Agent 的应用
本文没有 Q* 的新料，但是会探讨一下 Q-Learning 在 Agent 方面的可能应用。 有趣的分享！ LLMs时代下，幻觉、对话、对齐、CoT、Agent和事实性评估等领域的前沿研究 实现 tool 自动选择和参数配置 经典文字模型 经典的文字模型我们已经很熟悉了：训练时，模型不停的预测下一个 token 之前 AutoGPT 即引入了动态拆分子任务，基于语言模型实现了一定的 Agent 能力。但是一直以来 AutoGPT 并没有通过“训练”来加强能力的方法。
31410编辑于 2023-12-04 - 来自专栏AI
AI 智能体（AI Agent）的应用
AI 智能体（AI Agent）的应用非常广泛，几乎涵盖了我们生活的方方面面。它们能够自主地感知环境、做出决策并执行行动，从而完成各种复杂的任务。以下是一些 AI 智能体的典型应用场景。 百度的文心一言 APP 上的智能体： 可以进行“视频对话”、背单词、纠正口语，还可以通过 AI 智能体模拟面试、与 AI 古人对话等，体现了 AI 智能体在内容创作和人机交互方面的应用。 随着技术的不断发展，AI 智能体的应用领域还将不断拓展，为我们带来更多的便利和创新。
1.6K10编辑于 2024-12-23 - 来自专栏AI理论与前沿
AI大模型应用开发实战-Agent应用对话情感优化
1 使用prompt设计agent性格与行为添加系统 prompt：self.SYSTEMPL = """你是一个非常厉害的算命先生，你叫JavaEdge人称Edge大师。 "), ],)重启应用，postman 调试运行：用户情感 # 定义运行方法 def run(self, query): emotion = self.emotion_chain (query) print("当前用户情感： ", emotion) # 调用代理执行器并获取结果 result = self.agent_executor.invoke 初始化记忆存储 self.memory = "" # 初始化工具列表 tools = [test] # 创建OpenAI工具代理 agent , ) # 创建代理执行器 self.agent_executor = AgentExecutor( agent=agent,
1.3K00编辑于 2024-08-07 - 来自专栏码
基于Workflow的Agent应用设计与实战
第2.0阶段，单体Agent模式，基于Chat模型做应用开发，让应用可以在完成某个目标时智能化自主完成，代表框架LangChain，典型产品AutoGPT。 最后，coze提供了个人空间和团队空间，其中特点是团队空间支持多人一起做一个Agent项目。 在一个空间中，用户可以开始开发自己的Agent应用。 Dify Dify本身是以创建Agent应用为目标的平台。 对于用户而言，可以在dify上开发Agent应用、知识库、自定义工具。 其中Agent应用可以分为聊天助手、文本生成应用、Agent，文本生成应用可以引用知识库，Agent在此基础上可以引用工具，它们都无法使用workflow进行编排。
3K10编辑于 2024-04-26 - 来自专栏张善友的专栏
使用C# 构建AI原生Agent应用
AI原生Agent应用架构正是在这一背景下应运而生，它能够将AI的智能决策、自主学习能力与Agent的自主性、协同性相结合，为应用系统赋予更高级别的智能化特性。 二、 构建AI原生Agent应用平台 2.1 C# 在AI原生Agent中的应用 C# 作为一种面向对象的编程语言，在AI原生Agent应用架构中发挥着重要作用。 k8s与Dapr的集成在AI原生Agent应用平台中发挥着举足轻重的作用。它们共同为构建一个高效、稳定、可扩展的AI原生Agent应用环境提供了强大的技术支持。 五、结论 本文深入探讨了AI原生Agent应用架构的多个方面，从平台构建到具体架构的实现，再到多Agent协作的应用，均进行了详细的分析和研究。 在AI原生Agent应用平台的构建部分，我们着重探讨了C#语言的应用，以及Kubernetes（k8s）与Dapr的集成方法和应用成效，揭示了这些技术在构建高效、稳定的AI原生Agent平台中所发挥的关键作用
1.4K10编辑于 2024-12-24 - 来自专栏喔家ArchiSelf
基于大模型（LLM）的Agent 应用开发
目前，业界一般认为基于大模型的应用集中在两个方向上：RAG 和 Agent，无论哪一种应用，设计、实现和优化能够充分利用大模型(LLM)潜力的应用都需要大量的努力和专业知识。 但是，对于面向Agent的大模型应用开发，有没有其独特之处呢？有没有聚焦于Agent的大模型应用开发框架呢？ 那么，什么又是Agent 呢？ 1. 在了解了Agent 和 Multi-Agent 的基本概念以及常见系统之后，如何开发一个基于大模型的Agent应用呢？ 上个月（2023年9月），微软提出了一个Autogen 的开源框架，为开发LLM的Agent 应用提供了有价值的参考。 4. 例如，要构建一个基于代码的问答系统，可以设计Agent及其交互，这样的系统可以减少应用程序所需的手动交互次数。
8K33编辑于 2023-10-23 - 来自专栏DotNet NB && CloudNative
使用C# 构建AI原生Agent应用
AI原生Agent应用架构正是在这一背景下应运而生，它能够将AI的智能决策、自主学习能力与Agent的自主性、协同性相结合，为应用系统赋予更高级别的智能化特性。 二、 构建AI原生Agent应用平台 2.1 C# 在AI原生Agent中的应用 C# 作为一种面向对象的编程语言，在AI原生Agent应用架构中发挥着重要作用。 k8s与Dapr的集成在AI原生Agent应用平台中发挥着举足轻重的作用。它们共同为构建一个高效、稳定、可扩展的AI原生Agent应用环境提供了强大的技术支持。 五、结论 本文深入探讨了AI原生Agent应用架构的多个方面，从平台构建到具体架构的实现，再到多Agent协作的应用，均进行了详细的分析和研究。 在AI原生Agent应用平台的构建部分，我们着重探讨了C#语言的应用，以及Kubernetes（k8s）与Dapr的集成方法和应用成效，揭示了这些技术在构建高效、稳定的AI原生Agent平台中所发挥的关键作用
59920编辑于 2025-02-25 AI Agent 企业应用全能实战学习笔记
AI Agent 企业应用全能实战学习笔记：突破海量数据瓶颈，掌握亿级架构核心写在前面： 当大模型从"聊天玩具"进化为"数字员工"，真正的战场不在参数规模，而在架构设计与数据治理。 接入层：Nginx（limit_conn 限连接数 + limit_req 漏桶限流）应用层：LVS / F5 硬件负载均衡算法：轮询、加权轮询、最少连接、一致性哈希② 分布式缓存：扛住读压力的"第一道防线 key-value、速度极快、无持久化数据量不大、不需持久化EhcacheJava 生态、本地+分布式缓存Java 环境首选Couchbase兼具 Memcached 易用性 + MongoDB 灵活性大型分布式应用 （购物车、结算）→ 不可降级非核心服务（推荐、评论）→ 自动/人工降级，保证核心可用即使有损⑤ 微服务 + 容器化：架构的"乐高积木"拆分原则：按业务闭环拆分（康威定律：架构是组织的映射）无状态设计：应用无状态 AI Agent 不是替代人类，而是让人类从"执行者"升级为"管理者"——你负责设计流水线、设定规则、监控质量，Agent 负责具体的加工与产出。
15410编辑于 2026-05-29- 来自专栏AI Agent技术、应用与商业
【愚公系列】《AI Agent技术、应用与商业》003-Al Agent 的分类方式
适用场景：适用于需要部分环境感知和预测的应用，如自动驾驶系统、智能家居管理系统等。案例：Amazon Bedrock平台可以看作是基于模型的反射Agent的典型应用。 2.4 延伸：自动化与拟人化成为AI Agent的两大应用方向结合目前学术界和产业界基于LLM开发的AI Agent的应用情况，AI Agent可以分为两大类：自主Agent和Agent模拟。 从Agent系统的数量、实际部署及协作应用角度，Agent可以分为单Agent系统与多Agent系统。 应用领域：单Agent系统广泛应用于个人助手、自动化工具、在线客服等领域。这些系统通常需要执行明确的任务，并且能够高效地提供解决方案。 5.根据功能、任务与应用场景划分根据Agent的功能、任务和应用场景，AI Agent可以进一步划分为以下几类，每类Agent都有其特定的应用领域和任务目标。
1.7K01编辑于 2025-03-12 - 来自专栏AI Agent技术、应用与商业
【愚公系列】《AI Agent技术、应用与商业》004-Al Agent 的技术基础
同时，我们也将讨论这些技术在实际应用中的挑战与发展方向。一、Al Agent 的技术基础1.当前的主流 AI 技术人工智能技术发展迅速，目前有几种主流的技术被广泛应用于各个领域。 它们是AI Agent的基础技术，提供了丰富的功能和能力，并且构成了AI技术的多样化应用场景。 2.2 AI Agent的应用场景AI Agent的应用场景非常广泛，涵盖了多个领域，机器学习、深度学习、自然语言处理、计算机视觉、语音识别等技术也都有着广泛的应用场景。 图像和视频分析：计算机视觉技术使得AI Agent能够分析图像或视频数据，应用于安防监控、人脸识别等领域。 2.4 多种技术融合提升AI Agent能力AI Agent通常基于LLM构建，但根据不同的应用场景，可能会选择一些领域专用的小型模型或功能性模型。
56700编辑于 2025-03-14 - 来自专栏AI Agent技术、应用与商业
【愚公系列】《AI Agent技术、应用与商业》002-Al Agent的发展历程
☀️2.2.7 1993-2011：AI Agent的蓬勃发展与应用从1993年到2011年，AI Agent得到了长足的发展，并且衍生出了许多令人印象深刻的项目和应用。 ChatGPT的爆火为AI Agent的多元化应用提供了新的契机。 LLM的技术发展，并加速了AI Agent的商业化应用。 2023年8月，随着更多组织进入AI Agent的开发与应用领域，越来越多的AI Agent在不同的业务场景中得以应用。AI Agent的快速发展标志着人工智能技术的广泛应用进入了一个新的阶段。 实际应用：基于LLM的AI Agent已经广泛应用于软件开发、科学研究等多个领域。自然语言理解和生成能力使它们能够与用户无缝交互，并通过多个Agent之间的协作与竞争来提升效率和创新。
1.4K00编辑于 2025-03-11 - 来自专栏设计模式
2025 年 Agent 关键数据与应用趋势总结
本报告由 index.dev 发布于 2025 年 8 月，聚焦 AI Agent领域，通过 50 余项经验证的统计数据，系统梳理了 AI Agent的采用率、生产力影响、行业应用场景、市场规模及新兴趋势 ，清晰呈现了当前企业对 AI Agent的应用现状、技术架构及未来发展方向。 数据显示：64% 的 AI Agent部署以 “工作流自动化” 为核心，覆盖客户支持、HR、销售运营等领域；35% 的应用组织通过该层实现成本节约；88% 的高管正探索或扩大 AI 驱动的工作流应用；同时 ；71% 的员工期望 AI 生成内容经人工审核后使用，27% 的 AI 输出需手动签批方可执行，该层是 AI Agent规模化应用的核心保障。 三、企业采用与用户行为趋势 企业应用特征 覆盖全规模企业：不仅大型企业，中小企业也积极部署轻量 AI Agent，以降低运营成本、提升效率，AI Agent已嵌入 HR 技术、客服、项目管理及软件工程平台
3.1K10编辑于 2025-10-20 - 来自专栏AI Agent技术、应用与商业
【愚公系列】《AI Agent技术、应用与商业》006-Al Agent的架构和组成
本节将从AI Agent的结构、主流架构和主要模块三个方面阐述AI Agent的架构和组成，以期为AI Agent的研究和应用提供参考与指导。 自主Agent可以广泛应用于多个领域，如医疗保健、金融和银行等行业，以提高效率和顺畅运行。自主Agent可以适应新情况，并通过自身的内部系统做出决策。 该架构属于四模块结构，能够更直观地体现Agent的运作机制，通过“类人”思考与工作的形式，让以AI Agent为代表的人工智能应用更加直观。 ☀️3.3.1 Agent 工具使用模块Agent 工具使用模块结合了 MRKL（模块化推理、知识和语言）和 TALM（工具增强语言模型）等技术的应用。 应用场景：开发者支持：对于自动化操作或构建应用程序的开发者来说，Gorilla 是一个有用的工具。
1.6K22编辑于 2025-03-15
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