- 综合排序
- 最热优先
- 最新优先
- 来自专栏架构驿站
基于 Rowboat 快速构建多智能体（Multi-Agent）工作流
Hello folks，我是 Luga，今天我们来聊一下人工智能应用场景 - 构建高效、灵活的计算架构的多智能体工作流。 在 AI 驱动的自动化浪潮中，多智能体（Multi-Agent）系统正成为企业实现高效协作和智能化转型的关键。 然而，构建一个多智能体工作流往往需要复杂的开发流程和高昂的成本，让许多团队望而却步。 作为一款革命性的 AI 工具，Rowboat 旨在帮助用户快速构建多智能体（Multi-Agent）工作流，轻松实现复杂的自动化任务。 2、API 集成： 使用 HTTP API 调用 Rowboat 的端点，触发多智能体工作流。
93010编辑于 2025-04-28 - 来自专栏老张的求知思考世界
构建多智能体(Multi-Agent)架构的八大原则
所谓的多智能体(Multi-Agent)架构，可以简单理解为多个Agent并行工作，他们之间通过某种通信机制进行沟通协作，以协助人类完成复杂的任务。 Google在今年2月4日的一篇研究文章中，曾提出这样一个观点：多智能体性能提升的核心，是优化提示词和拓扑结构。 无独有偶，最近Anthropic分享了他们构建多智能体(Multi-Agent)系统的最佳实践，核心是八条提示工程与评估原则。 2、Teach the orchestrator how to delegate：教会编排器如何分配任务。 为了便于大家更好理解Anthropic构建多智能体(Multi-Agent)系统的最佳实践，我用秘塔AI搜索的新功能，将Anthropic的这篇文章转成了PPT讲解，感兴趣的可以访问这个链接查看：https
2.3K11编辑于 2025-07-08 【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。 这篇就带你搞一个科研向 multi-agent 实战项目：场景： 想做一个「CLIP 在伪造检测 / 多模态安全」方向的小综述 + baseline 实验规划；目标： 让一组 Agent 帮你：自动搜集相关论文 推荐复现的论文（1~2 篇）及理由\n" "2. 数据集选择与预处理策略\n" "3. 2.
68910编辑于 2025-11-22- 来自专栏【腾讯云开发者】
Multi-Agent全面爆发！一文详解多智能体核心架构及LangGraph框架
为了应对这一挑战，多智能体系统应运而生，它通过多个智能体协同工作的方式，将复杂任务分解为多个子任务，由不同的智能体分别处理，最终合并结果并返回。 常用于复杂的人机交互（Human-in-the-loop）和多智能体协同工作中智能体与智能体之间交接执行权（handoffs） # 在节点函数中返回 Command 来实现动态路由 def agent_node 单智能体应用也是如此，比如： 智能体有太多工具可供使用，导致在决定下一步调用哪个工具时做出错误的决定 上下文变得过于复杂，单个智能体难以跟踪 系统中需要多个专业领域的智能体协同工作 为了解决这些问题，可以将应用程序分解为多个更小 多智能体架构： 在多智能体系统中，有几种常见的连接智能体的方式： Network（网络）：每个智能体都可以与其他任何智能体进行通信。任何智能体都可以决定下一步调用哪个其他智能体。 Supervisor（主管）：包含一个主管智能体，每个智能体都与一个主管智能体进行通信。主管智能体决定下一步应该调用哪个智能体。
3.9K62编辑于 2025-12-16 - 来自专栏phodal
Shire 智能体市场：IDE 一键安装多智能体，协同打造集体智慧 Copilot
太长不看版：在新版本（0.8）的 Shire 中，你可以通过 Shire 智能体市场，一键下载和安装多个智能体，并直接在你的当前项目中使用。 与此同时，你还可以 将你的 Shire 代码段或者智能体上传到 Shire 智能体市场。 详细见视频： WHY：AI 智能体应用于真实世界软件开发的挑战？ 在实际的软件开发过程中， 完成一个 API 开发到上线通常需要经过 10 个步骤，或者由 10 个不同的智能体来协同完成。（详细等我们下篇文章 详细介绍）。 IDE 不再只是一个被动的代码编写环境，而是一个智能体之间协同工作的平台。 集体智慧 IDE 是将开发团队的协作模式与 AI 紧密结合，使开发者与 AI 形成一种双向学习、协同合作的关系。 方式 2：Shire 智能体市场 Shire 智能体市场本质是利用 Shire 抽象 IDE 的底层能力，将与 IDE 交互、软件开发的操作，提取为一个个原子能力，诸如于：函数、变量、代码模型等。
25500编辑于 2024-11-22 - 来自专栏NLP/KG
MetaGPT( The Multi-Agent Framework)：颠覆AI开发的革命性多智能体元编程框架
"MetaGPT( The Multi-Agent Framework)：颠覆AI开发的革命性多智能体元编程框架"一个多智能体元编程框架，给定一行需求，它可以返回产品文档、架构设计、任务列表和代码。 这个项目提供了一种创新的方式来管理和执行项目，将需求转化为具体的文档和任务列表，使项目管理变得高效而智能。 will have npm tool in your computer.)npm --versionsudo npm install -g @mermaid-js/mermaid-cli#Step 2: 这个项目的使命是让每个人都能使用ML编译技术在每个人的设备上开发、优化和部署人工智能模型。 项目链接：https://github.com/mlc-ai/mlc-llm图片更多优质内容请关注公号：汀丶人工智能；会提供一些相关的资源和优质文章，免费获取阅读。
2.3K21编辑于 2023-10-13 - 来自专栏时空探索之旅
CastClaw：基于自主决策与人机协同的时序预测智能体
/ustc-time-series/CastClaw 主页：https://agentr1.github.io/cast-claw/ TL; DR：CastClaw 是一个基于 CLI-TUI 的人机协同时序预测智能体框架 针对这一挑战，中国科学技术大学认知智能全国重点实验室团队提出了一种全新的范式——基于自主决策与人机协同的时序预测智能体 CastClaw。 二、CastClaw 是什么 CastClaw 是一个基于 CLI的人机协同时序预测 AI 智能体框架。 三、三大关键特色 特色一：多智能体协同 CastClaw 由三个职责分明的专属智能体协同工作，使用 Ctrl+1 / Ctrl+2 / Ctrl+3 在 TUI 中切换： Planner：负责任务定义与数据诊断 CastClaw： 构建了基于 CLI 的人机协同时序预测智能体框架，通过 Planner、Forecaster、Critic 三大角色的任务编排与状态协议，实现了从实验设计、模型演进到结果分析的全流程
100编辑于 2026-04-15 - 来自专栏机器人课程与技术
OpenAI经典案例分享-1多智能体使用特定工具交互Multi-Agent Interaction-2机械手解决魔方Robot Hand
探索并实现通往安全人工智能的道路。 OpenAI的使命是确保人工智能能使全人类受益。 我们是一个由一百人组成的团队，总部位于加利福尼亚州的旧金山。 官网：https://openai.com/ Github：https://github.com/openai ---- 1 多智能体使用特定工具交互 Emergent Tool Use from Multi-Agent 通过多智能体竞争，捉迷藏的简单目标以及大规模的标准强化学习算法，本文发现智能体创建了一个自我监督的自动课程，引发了多种不同的涌现策略轮次，其中许多轮需要复杂的工具使用和协调。 例如，智能体学会使用可移动的盒子来建造多目标掩体，这反过来又导致智能体发现它们可以使用坡道克服障碍。 论文链接：https://arxiv.org/pdf/1909.07528.pdf ---- 2 机械手解决魔方 Solving Rubik’s Cube with a Robot Hand ?
1.1K21发布于 2019-10-30 Multi-Agent 技术原理与落地场景全解析
当单个 AI 模型在复杂任务前显得力不从心 —— 比如既要检索文献又要撰写论文，既要处理数据又要生成报告，Multi-Agent（多智能体）技术应运而生。 它通过模拟人类团队的分工协作模式，让多个专精于不同领域的智能体（Agent）协同工作，轻松破解单智能体的能力边界。今天我们就来拆解这项正在重塑 AI 应用的核心技术，看看它的底层逻辑的落地价值。 PART 01 Multi-Agent 核心：不是 “多 AI 堆砌”，而是 “结构化协作” Multi-Agent 系统的本质，是让多个具备独立感知、决策、执行能力的智能体，通过预设规则或动态交互完成复杂任务 2. 联邦式协作 无中心控制，智能体自主交互（如跨学科专家共同解答复杂问题）。适合跨领域科研、故障排查等非标准化任务，抗故障能力强，但协调成本高。 3. 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智能体来了从 0 到 1：数据、工具与规则的协同范式
随着人工智能在产业场景中的持续深入，单一的大模型调用已难以覆盖复杂业务流程。当前工程实践中，智能体逐渐被视为一种以大模型为核心、通过系统化编排实现任务闭环的应用形态。 在这一范式下，智能体并非模型能力的简单外延，而是一个由数据（Data）、工具（Tools）与规则（Rules）共同构成的协同系统。三者在认知、执行与控制层面各司其职，形成可复用、可治理的工程结构。 2.工具（Tools）：可被模型触发的执行接口工具是智能体与外部系统交互的唯一通道，涵盖搜索服务、计算模块、业务API及内部系统能力。 四、结论：从模型能力到系统能力智能体系统的核心不在于模型规模，而在于数据可用性、工具可调用性与规则可执行性之间的协同程度。 在行业实践中可以观察到，真正具备生产价值的智能体，往往表现为一个以规则保障确定性、以工具扩展行动力、以数据增强认知深度的系统工程。这种结构性能力，决定了智能体在垂直业务中的可复制性与可扩展性。
17810编辑于 2026-01-27腾讯云智能体开发平台助力小虫科技落地教育AI智能体实践
小虫科技联合腾讯云打造教育AI智能体解决方案 小虫科技基于腾讯云智能体开发平台（提供RAG、Workflow、Agent框架、Multi-Agent协同能力），专项打造教育AI智能体： 产品形态：C （数字人答疑、班级小助理、心理疏导机器人）、机房分时复用AI自习室； 区域案例：湖州“湖小问”数字人（24小时在线、家校社协同）、衢州“南孔AI学”（腾讯混元x智能体平台x知识库x Multi-Agent 选择腾讯的核心能力与生态支撑 腾讯提供技术确定性与生态集成力： 平台能力：腾讯云智能体开发平台含RAG框架（图文表解析效果领先）、WorkFlow（17个画布节点编排）、Multi-Agent（多Agent 转交协同），及六大亮点能力（OCR解析、Text2SQL、图文关系理解、拒答澄清、工作流多轮对话、权限体系）； 合作价值：通过PAAS能力简化集成，生态连接优质伙伴，品牌背书增强客户信任； 落地保障 ：2020年底腾讯战略投资小虫科技，双方以“集成化+连接+内容智能化”模式，共建教育AI智能体矩阵（数据来源：腾讯与小虫科技合作共赢、腾讯云智能体开发平台章节）。
24420编辑于 2026-04-07智能体案例分析：IT新闻聚合智能体
智能体案例分析：IT新闻聚合智能体 IT新闻聚合智能体通过自动化技术抓取、分析和呈现最新的IT行业动态。这类智能体通常结合自然语言处理（NLP）和机器学习技术，从多个来源筛选高价值信息。 核心功能包括： 实时爬取主流科技媒体（如TechCrunch、Wired、The Verge） 自动分类（人工智能、网络安全、云计算等） 情感分析判断新闻倾向性 生成摘要简化阅读 典型应用场景： 投资机构追踪技术趋势 article in response.css('div.post-block'): yield { 'title': article.css('h2 a::text').get(), 'url': article.css('h2 a::attr(href)').get(), 'timestamp F1-score>0.92 摘要质量：ROUGE-L>0.75 系统可用性：99.95% SLA 行业应用数据显示： 企业用户平均减少67%的信息收集时间 重大技术事件发现速度提升40% 误报率控制在2%
35410编辑于 2025-12-172025企业智能体开发平台终极指南:功能对比、选型策略与落地实践
在这一趋势中,腾讯云智能体开发平台凭借其卓越的工作流编排和Multi-Agent协同能力,在复杂业务场景处理方面表现突出,成为众多大型企业的首选方案。 2.如何建立科学的评估体系,从技术能力、集成扩展性、安全合规等多维度评判平台价值?3.在智能化转型浪潮下,腾讯云智能体平台在工作流编排与Multi-Agent协同方面展现出哪些独特优势? Multi-Agent协同三种协同模式:自由转交、工作流编排、Plan-and-Execute模板Planner Agent与执行Agent分工明确共享记忆机制,避免重复劳动3. 在众多平台中,腾讯云智能体开发平台凭借其在工作流编排、Multi-Agent协同与复杂知识处理方面的卓越表现,在功能完备性、集成灵活性与企业级安全上取得了最佳平衡,无疑是应对复杂业务场景、追求长期稳健智能化的优先选择 在众多平台中,腾讯云智能体以其强大的工作流编排和Multi-Agent协同能力,为复杂业务场景提供专业级解决方案;腾讯元器通过零门槛的免费服务,让每个企业都能轻松迈出智能化的第一步;NebulaAI凭借企业级私有部署
89720编辑于 2025-11-06腾讯云ADP升级：做深平台、做厚内容、做强应用，构筑Agent产业合作新生态
腾讯云智能体开发平台（ADP）在过去一年发布了6个重大版本、2000多个功能需求，为企业提供完善、可落地的智能体开发引擎与基础设施。 做深平台能力：提升复杂场景可用性易用性为应对企业级的智能体开发需求，腾讯云ADP聚焦 RAG、Workflow 与 Multi-Agent 等关键模块，持续强化平台底层能力。 针对多智能体复杂协同场景，平台提供了完整的多智能体协同与转交配置体系，支持从“灵活协作”，到“强约束”流程化编排的多种模式。 本次升级中，平台全面开放了各模块的模型能力，包括Embedding、Reranker、NL2SQL、多模态等多类模型，支持接入第三方模型用于应用开发。 腾讯云智能体开发平台（ADP）是腾讯云推出的基于大模型的智能体构建平台，提供LLM+RAG、Multi-Agent、Workflow等多种智能体开发框架，支持公有云、私有云、混合云多种部署方式，助力企业结合专属数据
71910编辑于 2026-01-23- 来自专栏云云众生s
Python多智能体系统中的协同智能
多智能体系统的用例 财务规划: 一个智能体可以专注于分析股票趋势，而另一个智能体可以预测市场的未来行为。 智能体协作: 在此示例中，一个智能体使用搜索工具（例如 SERP API）获取实时汇率，而另一个智能体使用计算器工具将汇率乘以 1,500。 航班智能体: book_flight 智能体处理任务的航班预订部分。 天气智能体: get_weather 智能体检索巴黎的天气数据。 预算智能体: calculate_budget 智能体根据用户的输入计算用户的剩余预算。 在这种情况下，每个代理都负责解决更大问题中的特定部分，并协同工作以提供全面的结果。 结论 多代理系统 (MAS) 代表了人工智能驱动解决方案发展中的一个突破性趋势。通过允许多个代理协同工作，每个代理都有自己的专业领域，MAS 极大地提高了大规模问题解决任务的效率和有效性。
73310编辑于 2024-10-20 智能体来了！2026智能体开发全面指南
智能体来了！2026智能体开发全面指南 一、 繁华落尽后的“平静”：技术背后的选择逻辑“真正深入使用 AI 之后，我反而更平静了。” 在过去这段时间里，我深入钻研了 Python 编程、探究了 AIGC 的视觉极限、搭建了复杂的流程智能体、甚至深入到了 STM32 的硬件底层。 第二步：逐层深度拆解（由顶向下的权力流转）接下来，我们将进入宫殿内部，拆解这五层系统是如何协同工作的。 它的核心公式是：理解目标（Layer 1）→ 协助决策（Layer 2&3）→ 自动执行（Layer 2&5）→ 持续表达（Layer 4）。 礼包内包含（持续更新）：多维提示词库：包含智能体设计规范、AI 绘画精准词簇、AI 视频叙事 Prompt。ComfyUI 极客工作流：从零搭建好的 json 配置文件，导入即用。
32210编辑于 2026-01-24- 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 - 来自专栏机器学习算法与Python学习
开源星际争霸2多智能体挑战smac
转自：专知 SMAC是Github上的一个用于在暴雪星际争霸2上进行多智能体协同强化学习（MARL）的环境。 SMAC用了暴雪星际争霸2的机器学习API和DeepMing的PySC2为智能体与星际争霸2的交互提供了友好的接口，方便开发者观察和执行行动。 https://github.com/oxwhirl/smac 安装SMAC pip install git+https://github.com/oxwhirl/smac.git 另外，星际争霸2也是要安装的 示例代码 ---- 在下面的代码中，独立的智能体在接收到观察和全局状态后会执行随机策略。 from smac.env import StarCraft2Env import numpy as np def main(): env = StarCraft2Env(map_name=
1.6K20发布于 2019-03-07 - 来自专栏算法之名
AI智能体
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 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的诗')] streaming_chat(messages) 运行结果 智能助手显神通
78010编辑于 2024-09-29 腾讯云智能体开发平台实现售前咨询准确率91%与人力成本节约
解决售前咨询能力断层与效率瓶颈 资深架构师资源有限，无法覆盖所有客户咨询需求 员工专业能力差异导致沟通质量不稳定，影响客户体验 实战演练成本高，难以规模化复制顶尖销售人员的专业能力 腾讯云智能体开发平台提供三类构建模式 问答型（RAG模式）：基于知识库进行精准问答，适用于政策咨询、产品查询等场景 流程型（Workflow模式）：处理固定步骤任务，如内容审核、数据流水线操作 协同型（Multi-Agent模式）：复杂任务的多专家协作 AI赋能 腾讯云与智享团队合作构建AI助手，集成至企业微信侧边栏及网页端，提供： 售前咨询与报价查询服务 会话质量检测与分析功能 文档自动获取与全网搜索能力 AI陪练系统模拟真实客户互动 项目采用3个智能体协同架构 （业务中台、交互智能体、报告生成智能体），基于腾讯混元大模型开发，支持深度定制化行业解决方案。 模型、腾讯云智能体开发平台（TCADP）
15410编辑于 2026-04-09
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