- 综合排序
- 最热优先
- 最新优先
- 来自专栏前行的CVer
大模型Agent
PanelGPT💡: 💁🏼🎤 (👾💬) (🤖💭) (🤯🗯) 受到“三个臭皮匠，赛过诸葛亮”启发，设计one-shot的例子，让多个LLM同时给出答案，然后再用一个LLM打分，做决定。他们使用的prompt：3 experts are discussing the question with a panel discussion, trying to solve it step by step, and make sure the result is correct and avoid penalty:，这个prompt的效果要优于Let's think step by step:。
33510编辑于 2024-05-15 - 来自专栏服务端技术杂谈
AI Agent：模型->工具->结果->模型
Reddit上有人说，AI Agent就是：模型->工具->结果->模型。 从程序员角度来说，就是拼接参数json，调用LLM，处理返回值json。 Agent不只是聊天机器人，还需要工具，所以要先告诉Agent，你有哪些API/工具，这些工具可以做什么。 不需要用什么复杂的框架，基本上只需要串联： 用户输入目标Prompt->将提示词传递给LLM->模型决定下一步->需要工具（API调用、爬取网页、操作API）执行->将结果反馈给模型进行下一步->直到任务完成 即：模型 → 工具 → 结果 → 模型 关于记忆，先用短期记忆，比如最近几条上下文消息。 如果需要跨会话记忆，可以从持久存储获取，比如向量数据库。
15010编辑于 2026-03-11 5种大模型Agent模式
大模型中的5种AI Agent模式在大模型中，AI Agent（人工智能代理）模式是一种重要的应用方式，可以从以下几个方面来理解：1. 在大模型的背景下，AI Agent 是基于大规模预训练模型（如 GPT 等）构建的智能代理，能够利用模型的语言理解和生成能力来完成复杂的任务。 智能性：它基于大模型的强大语言理解能力，能够理解自然语言指令，并生成自然语言响应。这种智能性使其能够处理复杂的语言任务，如对话、写作、翻译等。 工作原理感知与理解：AI Agent 首先通过输入（如用户指令、环境数据等）感知外部信息，然后利用大模型的语言理解能力解析这些信息，确定任务目标。 技术负责人（Tech lead agent）、开发运维（DevOps agent）、工程师（SDE agent）：各司其职，协作完成任务。
4.5K10编辑于 2025-05-07- 来自专栏玩转Lighthouse
玩转Hermes Agent｜云上Hermes Agent配置大模型指南
一篇文章搞懂并教你快速搭建属于自己的HermesAgent>>HermesAgent一键部署指南快捷配置（推荐）Lighthouse控制台现已支持快捷配置模型，进入应用管理页签即可快速配置主流大模型手动配置步骤一 ）获取APIKey：https://openrouter.ai/keysOpenRouter是一个模型聚合平台，通过一个APIKey即可访问200+个来自不同提供商的模型。 进阶配置配置备用模型（Fallback）当主模型遇到限流或故障时，HermesAgent可以自动切换到备用模型。 配置智能路由简单问题用便宜模型，复杂任务用主力模型，节省API开销。 Q：本地模型工具调用不生效怎么办？
2.2K65编辑于 2026-04-26 - 来自专栏自然语言处理
大模型 Agent 就是文字艺术吗？
最近在技术圈里有一个很有趣的争论：大模型 Agent 是不是就是各种 Prompt 的堆叠？ 像 Manus 这样看起来很智能的 Agent，本质上是不是就是用巧妙的 Prompt 约束大模型生成更好的输出？换句话说，这是不是一门文字艺术？ 这个问题引发了业内专家的激烈讨论，观点分化明显。 但关键是：Prompt 是 Agent 系统中大模型和其他各个组件的润滑油，而不是全部。 结论：既是也不是 回到最初的问题：大模型 Agent 是不是文字艺术？ 答案是：既是也不是。 从某种意义上说，所有与 LLM 的交互最终都要通过文字（Prompt）来实现，这确实是一门语言艺术。 你觉得大模型 Agent 是文字艺术吗？欢迎在评论区分享你的观点。
24301编辑于 2025-05-24 - 来自专栏技术汇总专栏
面向 LLM Agent 的组织模型设计：多 Agent 协同的新范式
面向LLMAgent的组织模型设计：多Agent协同的新范式一、引言：为什么多Agent系统需要“组织模型”随着人工智能系统从“单智能体”向“群体智能”演进，多Agent系统（Multi-AgentSystem 为了解决这些问题，组织模型（OrganizationalModel）被引入多Agent系统设计中，用于规范Agent的结构、职责与协作方式。 二、多Agent组织模型的核心要素一个完整的MAS组织模型通常包含以下三个关键维度：角色分配（RoleAssignment）权限管理（Authority&PermissionControl）任务协同策略 未来的Agent系统，不只是“更聪明”，而是“更有组织”。多Agent系统的复杂性本质上源于“多主体协作”本身，而组织模型正是将这种复杂性工程化、可控化的核心手段。 可以说，组织模型决定了多Agent系统是否具备规模化扩展与长期演进的能力，是多Agent从“概念验证”走向“工程落地”的关键基础设施。
47710编辑于 2026-01-12 - 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。 这种流程的潜在设计空间可能是巨大而复杂的，《如何构建基于大模型的App》一文给出了一种探索中的大模型应用开发基础框架，基本可以适用于RAG 和Agent。 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. agent program 是 agent function 的真子集 1.2 大模型领域中的Agent 在大模型领域，大模型替代了传统agent 中的规则引擎以及知识库，Agent提供了并寻求推理 小结 Agent 是与大模型主动交互的一种重要程序形式，而Multi-Agent则是多个Agent利用大模型完成复杂任务的系统机制。
8K33编辑于 2023-10-23 - 来自专栏AgenticAI
给LLM Agent应用插上视觉模型的翅膀：封装ONNX加载的头部姿态评估模型作为Agent的工具
如果将视觉模型按照LLM工具调用方式嵌入到大语言模型应用中，给大语言模型插上视觉模型必定能让你的LLM应用更为有趣。 在深入探讨ONNX如何赋能LLM Agent以视觉理解能力之前，如果您渴望更全面地理解这一领域的核心理论与实践，以下这部著作将是您不可或缺的伴侣： 话不多说，我们先看看看论文全称：6D Rotation the yaw of head"] Roll: Annotated[float, "the roll of head"] 然后通过autogen的register_function将函数注册到Agent 至此，我们已共同见证了ONNX如何为LLM Agent巧妙融入头部姿态评估模型，开启了多模态交互的新篇章。 在我们探索之旅的尾声，若您意犹未尽，渴望亲自操刀，将理论付诸实践，那么黄佳老师这本《大模型应用开发：动手做AI Agent》将是您理想的选择。 关注点赞不迷路哦！
51500编辑于 2025-03-18 - 来自专栏架构驿站
Deep Agent 是如何让大模型更“聪明” ？
它为大模型配备了“规划大脑”“分身助手”“文件记忆”和“详细指令”，让 AI 不再只是回答问题，而是能像一个真正的项目执行者那样——先想全局，再分解任务，最后一步步落地完成。 本文将带你深入解析 Deep Agent 的工作原理，并看看它是如何让大模型变得更聪明、更能干的。 —01 — 什么是 Deep Agent ？ 如果说，我们熟知的大语言模型（LLM）是一位学识渊博、对答如流的“金牌咨询师”，那么传统的 AI Agent，就是我们为这位咨询师配备的第一个“助理”。 , allowed_tools=[] # 它不需要外部工具，它的工具就是大模型本身的写作能力 ) # 将所有子智能体组合成一个团队 sub_agent_team = [researcher, 基于 Deep Agent 的特性，其神奇之处在于：只需要定义好函数的签名和文档字符串（docstring），大模型就能自动理解这个工具的用途和参数，并在需要时调用它。
2.3K10编辑于 2025-08-11 - 来自专栏深度学习自然语言处理
每日论文速递 | Agent-FLAN: Agent指令训练让开源大模型Agent能力更进一步
基于上述发现，我们提出了 Agent-FLAN 来有效地微调代理的 LANguage 模型。 实验设置：Agent-FLAN在开源的Llama2系列模型上进行了实验，这些模型在各种代理评估基准上的表现超越了以往的工作，特别是在一般代理任务和工具使用方面。 在Llama2系列模型上的微调：在不同规模的Llama2模型上应用Agent-FLAN方法，并在多个代理评估基准上测试模型的性能，包括一般代理任务和工具使用。 Agent-H基准测试：使用自建的Agent-H基准对模型的幻觉问题进行全面评估，包括格式级别和行动级别的测试。 Agent-FLAN方法：基于这些观察，论文提出了Agent-FLAN方法，旨在有效微调语言模型以适应代理任务。
1.1K10编辑于 2024-03-26 - 来自专栏技术人生黄勇
小米提供免费模型 MiMo 接入 Agent 框架 Hermes Agent，限免两周到 22 日
使用 Hermes Agent 的朋友看过来，薅免费模型的羊毛了： https://platform.xiaomimimo.com/#/docs/news/hermes-free 限免周期：4 月 8 使用方式：更新 Hermes Agent 至最新版，通过 Nous Portal 即可免费调用 Xiaomi MiMo-V2 Pro、Omni、Flash 模型。 打开 https://portal.nousresearch.com/ 注册，选择小米模型。 Hermes agent 设置方式，在命令行执行下面命令 hermes setup 在向导中依次完成以下操作： 选择 LLM 提供商选择 "Nous Portal" 或 "Nous Portal OAuth
2.3K30编辑于 2026-04-17 - 来自专栏ceshiren0001
大模型堆到天花板，Agent 激烈竞争
2025 年，AI 行业表面上依旧喧闹： 新模型、新 Agent、新概念层出不穷。但如果你把视线从发布会、榜单和融资新闻上移开，会发现一个更重要的变化正在发生——行业评判标准正在整体迁移。 二、Agent 不再是 PPT，而是一种新软件形态如果说 2024 年的 Agent 更像演示视频， 那么 2025 年，Agent 开始真正进入生产系统。 Agent 带来的本质变化是：AI 从回答者，变成了执行者。 因为模型、框架、工具正在被快速开源， 真正值钱的，不是“会不会用 Agent”， 而是——能不能用 Agent 把事交付完。 结语：真正的洗牌，才刚刚开始回看 2025 年，一个判断越来越清晰：赢的不是最会讲故事的也不是模型最大的而是能把 AI 稳定嵌入现实系统的大模型正在退居底座， Agent 开始进入执行层， 系统工程能力决定体验与成本
26710编辑于 2025-12-30 - 来自专栏素质云笔记
大模型下的Agent、AIGC的商业案例集合
/s/YUvLHKLbJ6t6bK_1If6BNA 官方网址：https://www.tiangong.cn/chat/text_gen_image/004 可以理解多种语义，比如九宫格 完全免费 模型被养好图片大多数符合常规审美上的好看
47700编辑于 2024-05-24 - 来自专栏腾讯技术工程官方号的专栏
一文带你了解大模型——智能体（Agent）
作者：lucasgftang 大语言模型 vs 人类 大语言模型很强大，就像人类的大脑一样拥有思考的能力。如果人类只有大脑，没有四肢，没有工具，是没办法与世界互动的。 如果我们能给大模型配备上四肢和工具呢？大模型是不是就会打破次元壁，从数字世界走向现实世界，与现实世界实现梦幻联动呢？ 智能体是什么 智能体的英文是 Agent，AI 业界对智能体提出了各种定义。个人理解，智能体是一种通用问题解决器。 从软件工程的角度看来，智能体是一种基于大语言模型的，具备规划思考能力、记忆能力、使用工具函数的能力，能自主完成给定任务的计算机程序。 图 1. 图11 展望 随着大模型的百花齐放，LLM 会支持更长的上下文、更大的参数规模，其推理能力也会愈发强大。因此，基于大模型搭建的智能体（AI Agent）的能力边界也在不断突破。
46.2K1524编辑于 2024-05-29 - 来自专栏Datawhale专栏
一文带你了解基于大模型的Agent
LLM Agent 架构 一般而言，基于LLM的智能体框架包括以下核心组件： 用户请求 - 用户的问题或请求 智能体/大脑 - 充当协调者的智能体核心 规划 - 协助智能体规划未来的行动 记忆 - 管理智能体的过往行为 此外，基于自然语言的推理路径增加了模型决策过程的可解释性，使用户能够更好地理解和校验模型行为。ReAct设计亦注重模型行动的透明度与控制性，旨在确保模型执行任务时的安全性与可靠性。 函数调用（Function Calling）：这也是一种增强大型语言模型（LLM）工具使用能力的策略，它通过定义一系列工具API，并将这些API作为请求的一部分提供给模型，从而使模型能够在处理文本任务时调用外部功能或服务 具体来说，LLM在这里扮演着大脑的角色，一方面根据用户请求拆解任务，另一方面依据模型描述选择适合的模型执行任务。 Agent的挑战 构建基于大型语言模型（LLM）的智能体是一个新兴领域，面临着众多挑战和限制。
2.3K10编辑于 2024-04-24 - 来自专栏喔家ArchiSelf
10个构建Agent的大模型应用框架
* 关于Autogen的更多内容，可以参考《基于大模型（LLM）的Agent 应用开发》一文。 5. 对于那些希望在云环境中构建Agent，或者倾向于零代码或低代码方式构建Agent的用户来说，AutoGPT无疑是一个理想的选择。 Agno一个轻量级框架，专门用于构建多模态Agent。 Bee Agent Framework一个开源的TypeScript库，适合构建生产级的多智能体系统。 由于目前对“Agent”这一概念的理解还不够清晰，甚至存在滥用（比如把简单的Bot当成Agent），导致市面上的Agent框架良莠不齐。如果你有其他喜欢的Agent框架，欢迎留言补充！ 此外，基于大模型的应用，尤其是通过框架构建的Agent程序，本质上都属于分布式软件系统。如果你对如何优化分布式系统的性能感兴趣，推荐你阅读《性能之道》这本书。
12.4K30编辑于 2025-03-24 认识大模型时代AI Agent技术（文末送书）
行业需求变革： 业务复杂化：从标准化流程到个性化服务 响应实时化：毫秒级决策需求增长300%（2020-2024） 成本结构化：运维人力成本 vs 智能体训练成本交叉点已至 技术突破点： 大模型涌现的上下文理解能力 execute_action(tool, params) else: return generate_response(context) 2.2.2 记忆管理系统 设计必要性： 解决大模型
32410编辑于 2025-04-09- 来自专栏DeepHub IMBA
Agent = Model + Harness：模型决定上限Harness 决定下限
编码 Agent 的 Harness 是模型完成结构化、可重复工作所需要的一整套基础设施：上下文加载、工具访问、编排（Orchestration）、执行钩子（Execution Hooks）、权限范围、 Agent = Model + Harness 每一个 AI 编码 Agent 都是同样的两部分结构： Agent = Model + Harness 模型是认知基础：处理文本、生成 Token 的神经网络 Harness 是除此之外其他东西，可以把一个无状态的语言模型，变成一个能持续产出工作的编码 Agent。 Harness 负责派生子 Agent —— 拥有独立上下文的独立模型实例 —— 在它们之间路由任务，并安排工作顺序。 5、 权限层 Harness 定义模型能做什么、不能做什么：可以写入哪些目录、可以执行哪些命令、能不能访问网络。这是运行边界。一个能不受限制删掉生产文件的模型，不是一个安全的编码 Agent。
17610编辑于 2026-05-20 - 来自专栏Zabbix中国官方
Hermes agent+本地大模型，让Zabbix听懂人话
agent是一款开源的智能化运维代理工具，能够对接本地或云端的大语言模型（LLM），通过自然语言交互自动执行监控配置、数据查询、性能分析等任务。 格式的 API 端点，记录该链接，后续用于 Hermes agent 配置，如下图： 后台操作系统请求LM Studio中提供的本地模型接口，获取支持的大模型信息，如下图： 三、Hermes agent 四、大模型配置 4.1 配置命令 执行Hermes agent模型配置命令： hermes model 选择“Custom endpoint（enter URL manually）”，手动输入对应信息 ，如下图： 配置对接LM Studio中提供的本地大模型，如下图： 执行Hermes agent配置查看命令： hermes config Hermes agent配置信息如下图： 4.2 测试连接 更换其他大模型：Hermes agent支持 OpenAI API 格式的任何模型（包括 GPT-4、Claude、本地 Ollama 等）。
35810编辑于 2026-05-13 AI agent 的安全模型：现在终于有标准了
这份文档的核心价值在于：它把 coding agent 的安全边界抽象成了五个可配置接口。 Pod 想用 host network 就用，想 mount /etc 就 mount，权限模型一片混乱。 AI coding agent 现在走的就是这条老路。一年前大家比的是"哪家模型写代码更聪明"，OpenAI 这份文档已经把焦点从"模型聪不聪明"挪到了"它跑起来时的边界"。 价值在于它建立了 AI coding agent 的安全模型：sandbox、approval、network、credential、rules。 AI coding agent 这一波，五个槽位就是它的 PSP。
23810编辑于 2026-05-14
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