- 综合排序
- 最热优先
- 最新优先
【Multi-agent实战】教你如何用Multi-agent分析开源Github项目
训练 + 验证 trainer.train() # 4. 下一步就是把它们塞进 Multi-Agent 工作流里。 四、用 LangGraph 搭一个 Multi-Agent Deepfake 实验流目标：给一个「自然语言实验需求」，例如：“帮我用 EfficientNet-B4 在 FF++ 上训练一个 baseline 用户需求如下（中文）：{state['user_request']}我们目前有如下可用配置模板（示例）：- configs/effb4_ffpp.yaml : EfficientNet-B4, 训练集 如果你把这套东西写进简历 / 博客，面试官很可能会问：你为什么要用 Multi-Agent / LangGraph，而不是一个脚本搞定？Multi-Agent 带来的真实价值是什么？
49720编辑于 2025-11-23- 来自专栏架构驿站
Multi-Agent ，知多少？
行为和推理之间存在着紧密的协同联系，这对于 AI Agent 快速学习新任务非常有帮助。此外，AI Agent 还需要推理能力来修改他们的计划，同时考虑到新的反馈或学到的信息。 此外，复杂环境下的决策往往需要各种异构智能算法模型的协同配合，而封闭的 Single-Agent 系统难以灵活整合不同AI范式，无法充分挖掘多元异质智能的协同潜能，解决复杂问题的能力相对有限。 Multi-Agent 系统灵活可扩展的特性，使其可以更容易地适应不断变化的复杂业务环境和需求。 Multi-Agent 系统系统固有的分布式特征还赋予了它天然的容错性和健壮性。 Multi-Agent 系统参考架构示意图 Multi-Agent 系统凭借其先天的分布式协作、异构智能融合、模块化扩展、容错鲁棒等独特优势，正逐步展现出在诸多传统行业和复杂应用场景中的革命性影响力和巨大变革潜能 具体： 在运输和交通管理领域，Multi-Agent 系统可将复杂的交通网络分解为多个可协作的代理模块，如交通流量代理、路径规划代理、事故预警代理等，通过彼此的紧密协同，实现对整个交通系统的精细化智能管控和动态优化
2K10编辑于 2024-11-01 【Multi-Agent实战】如何用 LangChain 打造一个 Multi-Agent 实战项目
【Multi-Agent】一、如何用LangChain打造一个Multi-Agent实战项目这篇就是给已经玩过LangChaintools+Agent的同学看的进阶篇：你已经玩过time/weather 这种自定义工具；也看过AgentType.CHAT_ZERO_SHOT_REACT_DESCRIPTION一路Thought/Action/Observation的DebugLog；但一到Multi-Agent
55710编辑于 2025-12-16【Multi-agent实战】LangGraph 实现可视化的科研 Multi-Agent实战项目
用 【Multi-agent实战】LangGraph 实现可视化的科研 Multi-Agent实战项目✍ 前言上一篇我们搞了一个「科研 Multi-Agent 小队」：Supervisor 当老板；PaperHunter 这一篇，我们就把上一篇的科研 Multi-Agent —— 迁移到 LangGraph 上，用“图”的方式组织 Agent。 一、为什么要用 LangGraph 来做 Multi-Agent？ 模型与关键超参数\n" "4. 预估训练时间（粗略即可）\n" "5. 六、面经角度：围绕 LangGraph + Multi-Agent 怎么吹？给你几段可以直接背的回答。Q1：你在项目里是怎么管理 Multi-Agent 的流程的？为什么选 LangGraph？ Q3：如果后续要在这个科研 Multi-Agent 里加入“在线强化学习 / 评分器调整策略”，LangGraph 还能 hold 住吗？
94210编辑于 2025-11-22- 来自专栏企鹅号快讯
VAIN：Attentional Multi-agent Predictive Modeling
VAIN: Attentional Multi-agent Predictive Modeling[J]. arXiv preprint arXiv:1706.06122, 2017.
1.3K70发布于 2018-01-09 【Multi-Agent实战】如何用 LangChain 打造一个 Multi-Agent 实战项目
【Multi-Agent】一、如何用 LangChain 打造一个 Multi-Agent 实战 ✍ 前言 这篇就是给已经玩过 LangChain tools + Agent 的同学看的进阶篇： 你已经玩过 “Multi-Agent 和平时的 Tools 调用有什么本质区别？” 1.2 Multi-Agent：拆成“调度员 + 专家小组” 更工程一点的想法是： 既然人类解决问题是「项目经理 + 各种专家」的协作，那 LLM 也可以这么玩。 这样既复用你对 tools + Agent 的理解，又自然过渡到 Multi-Agent 体系。 ), ) # ========= 4.
2.3K10编辑于 2025-11-23【Multi-agent】智能科研助手实战项目
从 0 组建你的 AI 科研小队：Multi-Agent 帮你做文献调研 + 实验规划✍ 前言很多科研工作者肯定都吐槽过：「文献太多看不完、实验方案想不清楚、写总结又很痛苦。」 但反过来想：这些事情，其实都可以拆成一堆「标准化的小任务」，非常适合交给 Multi-Agent AI 科研小队 来做。 模型结构（可以简述）与关键超参数（batch size, lr, epochs 等）\n" "4. 预估训练时间（粗略即可）\n" "5. 适合在我本地跑的 baseline 方案\n" "4. 后续可能的改进方向\n" "注意：风格稍微口语一点，就像在给未来的自己写备忘录。" frozen - classifier: 2-layer MLP on top of CLIP embedding - batch size: 64 (根据 24GB 显存估算) - lr: 1e-4,
68910编辑于 2025-11-22- 来自专栏人工智能与演化计算成长与进阶
16推荐系统3-4协同过滤算法
参考资料 斯坦福大学 2014 机器学习教程中文笔记 by 黄海广 16.3 协同过滤 Collaborative filtering 推荐系统有一个很有意思的特性就是 特征学习 ，即 自行学习所要使用的特征 Note 对于上述电影推荐系统的问题仅仅建立在每位用户都对数个电影进行了评价，并且每部电影都被数位用户评价过的情况下，这样才能重复这个迭代过程来估计出 和 协同过滤算法 指的是当你执行算法时，要观察大量的用户的实际行为来协同地得到更佳的每个人对电影的评分值 把这两个特点结合起来就能得到真正的协同过滤算法。 如果你有电影的特征，你就可以解出以下的最小化问题，找到用户参数 ? 协同过滤算法可以同时学习这两者。我们的优化目标便改为同时针对 x 和 θ 进行。 ? 协同过滤算法使用步骤： 初始 x(1),x(2),...,x(nm)，θ(1),θ(2),...
89711发布于 2020-08-14 【Multi-agent实战】 AI理财顾问实战项目
用 LangGraph 搭一个基金分析 Multi-Agent：给你打工人的「AI 理财顾问」✍ 前言上一篇我们用 LangGraph 搭了科研 Multi-Agent，这一篇换个更接地气的场景： “我每个月就能拿出 这就是一个很适合 Multi-Agent 的场景：把「信息搜集 → 指标计算 → 风险评估 → 资产配置建议 → 生成报告」 拆给不同的 Agent，最后 LangGraph 把流程编排成一张图。 先定一个非常具体的目标：输入：用户风险偏好（保守 / 稳健 / 激进）理财目标（教育金 / 退休 / 买房） 输出：一份 Markdown 基金分析报告（含候选基金列表、核心指标 & 一个简单定投建议）我们拆成 4 List[FundMetric], operator.add] # 3) 风险评估结果 risks: Annotated[List[FundRisk], operator.add] # 4) \n" "4. 用条目列出 3~5 条风险提示（比如：历史收益不代表未来，短期波动等）。\n" "5. 在最后强调：本报告仅为 AI 示例，不构成任何投资建议。
63200编辑于 2025-11-22Multi-Agent 技术原理与落地场景全解析
它的核心价值在于 “分工提效、协同补能”，而非简单将多个 AI 凑在一起。要实现高效协作，离不开四大核心机制： 1. 4. 4. 博弈式协作 智能体基于自身利益与全局目标动态博弈（如供应链中生产与库存 Agent 的产能协调）。适合资源分配、预算优化等决策类任务，优化效果好但建模复杂。 5. 工业制造 通过监测 Agent、诊断 Agent、规划 Agent、执行 Agent 协同，实现设备运维自动化。某汽车工厂应用后，设备利用率从 72% 提升至 89%，能耗降低 15%。 4. 自动驾驶 车、路、云智能体实时协同，百度 Apollo 框架让复杂路口通行效率提升 40%，紧急制动响应时间缩短至 0.2 秒。 6.
1.4K10编辑于 2025-12-31- 来自专栏码
传统Workflow与Multi-Agent workflow的区别
这也就意味着，我们需要让我们的工作系统，既支持multi-agent workflow模式，也支持在传统workflow模式中把agent作为节点的能力。 multi-agent本身实际上也是一个复合agent，因此，也可以作为传统workflow的节点。
1.1K10编辑于 2024-06-12 Multi-Agent 系统正在杀死传统产品经理
他接着说："我们刚上线的Multi-Agent系统，8个AI智能体协作，15分钟就能完成一个产品经理一周的工作量。" ！ 可见，Multi-Agent系统正在重塑整个产品开发生态，而大多数产品经理还浑然不觉。 它们之间的协作不是简单的任务分发，而是基于深度理解的智能协同！ 当AI开始质疑人类的专业性 Multi-Agent系统的核心武器是知识库，但这也是最让专业人士不安的地方。 某互联网公司的产品总监告诉我一个细思极恐的细节："我们的Multi-Agent系统最近开始主动优化产品功能。 越来越多的企业发现，Multi-Agent系统不仅能提高工作效率，还能带来质的提升。
14710编辑于 2026-02-02【Multi-agent实战】 AI论文秘书实战项目
这篇文章，我们不谈「怎么读论文」， 而是带你 从零搭一个论文精读 Multi-Agent 系统，让 LangGraph 来做这些事：帮你筛论文：从一堆候选中选出“值得精读 / 有复现价值”的；帮你结构化做笔记 我们先把「论文精读」拆到 Multi-Agent 的粒度：PaperCollector Agent（论文收集）输入：研究方向（例如 “generalizable deepfake detection” PaperTag], operator.add] # 3) 精读总结 summaries: Annotated[List[PaperSummary], operator.add] # 4) ChatOpenAIdef build_llm(): # 这里按你自己的环境来填 key / base / model return ChatOpenAI( model="gpt-4o-mini \n" "4. 假设读者是已经有深度学习基础的研究生，不用讲太基础的概念。
64000编辑于 2025-11-22- 来自专栏菩提树下的杨过
LangGraph4j 学习系列(9)-人机协同(human_in_the_loop)
) 结束 [N/B/Q]: B node-1->3 请输入 N(next) 继续到 node-2，B(back) 退回到 node-1，或 Q(Quit) 结束 [N/B/Q]: Q node-1->4 按N后，从保存的checkpoint中恢复，继续执行 按R后，将loopCount恢复初始值，同时清空checkpoint历史记录 /** * 人机协同（Human-in-the-Loop）示例：在图执行到指定节点前中断 * * @see org.bsc.langgraph4j.CompiledGraph#stream * @see org.bsc.langgraph4j.CompileConfig.Builder# Thread.sleep(20); } System.out.println("done"); } /** * 构建人机协同的循环图 /src/main/java/org/bsc/langgraph4j/agent/_09_human_in_loop at main · yjmyzz/langgraph4j-study · GitHub
20710编辑于 2026-03-02 Multi-Agent系统Harness Engineering架构的思考与实践
本文基于agent技术论文，社区agent工程分享，结合笔者近期multi-agent项目实践，提出一套“知识—编排—门控—治理”四层解耦设计、经验沉淀、持续治理的MASHarness设计架构,整理成文 从2025年下半年gpt-5，opus-4系列开始，前沿模型迭代加速，agentic能力成为了模型发布时重点突出的一等公民。 能力在增长，但增长的方式是模型能力与agent能力的协同进化，模型的推理能力是agent驱动的核心，但是推理能力得以产生价值需要结合对应的harness来提供发挥的环境和良好运行保障。 所我们可以看到强如opus4.6这样的模型，在使用multi-agent架构完成复杂任务上，也需要投入大量精力在Harness上。 agentharnessengineering的核心架构设计为四层，将MASharness分解为知识供给、执行编排、风险门控、治理运营四个职责边界清晰的功能层，以全链路观测采集信号，以经验通道将轨迹沉淀定向反哺，三者协同发挥作用
2.7K41编辑于 2026-03-13- 来自专栏开源能源管理系统
MyEMS 4G 网关：打造高效协同的能源管理中枢
突破连接边界：全域网络通信能力作为设备的核心通信引擎，MyEMS 4G 网关搭载 4G LTE cat.1 模块，实现了电信、移动、联通三大运营商 4G 网络的全域覆盖，无论在繁华都市还是偏远厂区，都能稳定接入网络 精准捕捉数据：全方位现场采集能力在工业数据采集层面，MyEMS 4G 网关展现出卓越的兼容性与扩展性。 云端协同桥梁：灵活高效的 MQTT 通信为实现与云端系统的无缝对接，MyEMS 4G 网关采用行业通用的 MQTT 通信协议，无论是公有云还是私有云环境都能稳定适配。 便捷运维体验：全周期无忧管理设备部署与运维的便捷性是 MyEMS 4G 网关的另一大亮点。 从车间厂房到商业楼宇，从市政设施到能源站场，MyEMS 4G 网关与 MyEMS 开源能源管理系统的完美配合，构建起 "云 - 边 - 端" 协同的能源管理体系。
21100编辑于 2025-07-09 - 来自专栏菩提树下的杨过
Agent设计模式学习(基于langchain4j实现)(9) - 人机协同
从系统设计角度来说，整个AI智能体环节中，要预留人工干预的能力，也称为"人机协同"（human_in_the_loop) 示例代码： 1 @SpringBootApplication 2 public class _9a_HumanInTheLoop_Simple_Validator { 3 4 public static void main(String[] args) throws 4 似乎是快速独立学习者。文化契合度良好。 5 工作许可可能存在潜在问题，但似乎可以解决。 6 薪资期望略高于计划预算。 7 决定继续进行现场面试。 招聘流程暂缓 时序图（简化版) - AI生成 时序图（详细版) - AI生成 文中示例代码： https://github.com/yjmyzz/agentic_turoial_with_langchain4j \ Anthropic [译] AI Workflow & AI Agent：架构、模式与工程建议（Anthropic，2024） Agents and Agentic AI | LangChain4j
17410编辑于 2026-02-01 - 来自专栏AIGC新知
Multi-agent mode实践 | 用coze手捏一个bot
开发 AI chatbot（短视频爆款案例）初探 从0到1 | 使用coze国内版部署飞书bot机器人、豆包智能体 使用coze国内版部署企业微信客服【方舟智能】 今天这篇文章着重学习一下coze的Multi-agent Multi-agent概述 Agent（此处翻译为智能体）是可以独立执行任务的智能实体。在 Coze 中开发机器人时，默认使用单agent模式。 与单代理模式类似，该页面分为以下 4 个主要面板： 面板 1：在顶部区域，您可以查看机器人的基本信息，包括它所属的团队、发布历史。 面板 4：右侧是“预览”面板，可在其中测试机器人是否按预期运行，并检查运行详细信息以进行调试。
3.3K10编辑于 2024-10-08 - 来自专栏前端达人
第11课：Multi-Agent 实战，并行编排的5种模式
这就是为什么并行能快4倍。 并行的前提条件（快速复习） 第06课讲过并行的判断标准。 数据库和数据模型：分析 schema、model 定义、表关系 (thoroughness: medium) 4.
500编辑于 2026-04-15 腾讯云智能顾问：全球首款卓越架构AI治理平台概要
核心技术属性：深度融合腾讯云卓越架构理念与大模型技术，通过卓越架构三层六支柱量化评估体系、Multi-Agent智能体协同框架，构建AI原生治理应用，实现从规划到部署到治理的全链路架构管理。 三、应用框架和功能介绍 · 功能框架 产品架构以卓越架构三层六支柱量化评估体系为核心，通过Multi-Agent智能体协同框架整合以下功能模块： 架构可视化：资源扫描与发现功能，推理上下游链路，一键生成架构图并绑定资源 AI深度协同：Multi-Agent智能体协同（如混沌演练Agent、预案管理Agent），实现隐患发现-修复-验证全链路闭环。 4. 重大活动护航保障 背景：企业新业务上线、重要运营活动等高峰期，需保障关键节点平稳运行。 解决方案：使用云护航重保（智能播报推送、双端协同）、智能治理大屏（实时感知业务状态）。 五、总结 腾讯云智能顾问作为全球首款卓越架构AI治理平台，通过“量化评估+Multi-Agent协同+专家经验沉淀”核心能力，为企业提供从架构规划到治理的全链路智能化解决方案，已在电商、游戏、软件服务等多场景验证价值
11410编辑于 2026-04-13
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