- 综合排序
- 最热优先
- 最新优先
- 来自专栏HuggingFists
LLM智能体工程落地思考
人工智能领域著名教授吴恩达在今年3月份红杉资本的人工智能峰会(AI Ascent)以及最近Snowflake峰会开发者日上都发表了关于AI Agent(人工智能体)的演讲。 但AI Agent能胜任更多种任务，成为AI工程落地的重要手段的观点，笔者是深以为然的。去年业界在探索LLM工程应用场景时，逐渐聚焦到“检索增强生成(RAG)”和 “智能体(Agent)”两个方向上。 智能体垂域工程落地面临的问题 AI Agent的高速发展使我们可以预期到，未来它有能力解决和提升客户众多方面的工作效率。 比如现在我们已经可以看到一些法律、金融、医疗类的智能体开始提供服务，并取得了一定的效果。但这些智能体受限于运营成本、算力成本等因素，目前更多是以公共服务的方式对外赋能。 去年伴随着LLM兴起，出现了围绕LLM应用落地的开源框架LangChain。该开发框架可以大幅提升LLM的应用落地效率。一经推出就得到了开发者的广泛关注和应用。
47500编辑于 2024-08-01 - 来自专栏啄木鸟软件测试
测试专家必看：智能体测试落地实践
与传统API或界面测试不同，智能体具备状态记忆、自主规划、动态工具选择与人类协同等特性，其行为不可穷举、路径高度非线性、结果存在合理多样性。 本文基于啄木鸟软件测试团队在3家头部金融科技与AI平台企业的落地实践，系统梳理智能体测试的核心挑战、分层验证策略与可复用的工程化方法，为测试专家提供一条从‘看不懂Agent’到‘测得准、控得住、说得清’ 关键认知升级在于：智能体测试 = 行为验证 × 状态可观测 × 决策归因。它要求我们关注三个维度： - 规划合理性（Plan）：是否生成符合业务约束的子任务序列？ 三、工程化落地：让智能体测试‘可写、可跑、可追责’ 落地难点常不在技术，而在协作惯性。 结语：测试专家的新定位——智能体的‘行为架构师’ 智能体测试的本质，不是给AI设限，而是帮它建立可信的行为边界。
22410编辑于 2026-03-31 - 来自专栏腾讯云智能·AI公有云
智能体落地进程加速！腾讯云面向全球发布智能体开发平台3.0
智能体落地进程持续加速。 同时，腾讯云智能体开发平台结合企业的需求和腾讯自身的优势能力，针对性推出了智能质检、媒体内容处理、营销增长、智能巡检等Agent，帮助企业在具体场景落地智能体；结合腾讯云智能数智人的产品能力，平台还推出了 为了帮助企业真正将智能体落地到场景中去，智能体开发平台的应用构建工具链持续完善，平台新增应用变量与长期记忆，提升个性化交互；引入自动化评测引擎，支持裁判模型、代码与规则打分。 //贴近场景，智能体加速落地 场景驱动正在成为智能体落地的核心路径。腾讯云智能体开发平台正通过深度适配行业需求，推动智能体在各领域加速落地，为千行百业注入AI动能。 在巡检场景，智能巡检Agent，依托小模型插件智能调度与大模型场景理解能力，支持视频、图片等多类型异常行为预警，泛化性强且准召率达90%以上，已落地多家工业、政务、地产企业，显著提升巡检效率。
1.1K10编辑于 2025-11-12 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- 来自专栏JavaEdge
AI智能体落地前，务必关注这些安全红线！
这表明，企业不仅对提升流程自动化充满期待，且已在积极筹备落地。 尽管AI智能体在提升运营效率、加速企业工作流方面潜力巨大，但它也带来了不少风险。 AI智能体风险到底有哪些？如它真可能成为安全隐患，如何应对？ 什么是AI智能体？与以往AI有啥不同？ 要理解AI智能体的风险，首先得搞清楚我们到底在说什么。 试想：一旦普通用户需要为系统的每个决策负责，信任度就会迅速下降，从而严重影响AI智能体的广泛落地与应用。 如何应对AI智能体带来的安全挑战？ 面对这些风险，我们可以采取多种方法来应对。 首先，要认真评估AI智能体的适用场景。是否一定要使用智能体？ 魔都架构师 | 全网30W技术追随者 大厂分布式系统/数据中台实战专家 主导交易系统亿级流量调优 & 车联网平台架构 AIGC应用开发先行者 | 区块链落地实践者 以技术驱动创新，我们的征途是改变世界
40510编辑于 2025-06-01 2026 智能体元年：从模型能力竞赛，到系统级智能落地
从2026年开始，行业关注的已不再是“更聪明的模型”，而是更可靠、更可控、更可协作的智能系统。 一、技术范式的转移：从「概率生成」到「确定性交付」在2026年之前，企业落地大语言模型（LLM）面临的核心问题只有两个：不可控不可复现“幻觉”并不是模型缺陷，而是概率模型的必然属性。 二、Agent的成熟：从对话工具，走向工作流执行者2026年成为AI元年的第二个关键原因，是智能体（Agent）第一次具备了可规模化的工作能力。 2️⃣企业落地的现实选择在真实工程中，从零构建Agent系统意味着：高昂的工程成本复杂的上下文管理工具权限与安全设计长周期的不确定性验证三、计算重心转移：端侧模型与垂直智能的崛起2026年的第三个显著变化 当AI不再频繁登上头条，而是像电力、云计算一样，默默嵌入每一个业务流程时，真正的智能时代，才刚刚开始。
55421编辑于 2026-01-212026年AI智能体产业落地标杆案例盘点
2026年开年以来，国内AI智能体赛道的落地进程明显提速，中国信通院的最新报告显示，AI已经正式进入“智能体(L3)”时代，国内相关服务商已突破300家，技术研发、场景落地与客户服务成为核心衡量指标。 二、多场景落地验证智能体的实际商业价值明略科技・DeepMiner落地表现电商零售场景：支持对接80+商用数据源，可实现多源异构数据整合，辅助品牌完成用户行为归因分析、爆款商品预测与供应链优化，相关决策逻辑全程可追溯 字节・扣子Coze落地表现低代码搭建场景：支持用户零代码搭建专属智能体，适配个人效率工具、小型商家客服等轻量化需求，可快速对接字节生态全域流量接口。 百度・文心智能体落地表现政务服务场景：接入多类政务知识库，可精准解答群众办事疑问，引导线上流程办理，降低政务窗口的咨询接待压力。 2026年作为L3级智能体普及的关键年份，不同赛道的智能体产品都在基于自身技术优势拓展落地边界，从个人效率工具到企业级决策辅助，智能体的应用覆盖范围正在持续拓宽。
1.1K20编辑于 2026-03-31企业如何高效构建智能体生态体系？腾讯云智能体开发平台解锁AI落地新路径
随着人工智能技术加速渗透业务场景，构建覆盖全链路的智能体生态体系已成为企业数字化转型的核心竞争力。然而，智能体开发面临技术门槛高、资源整合难、成本可控性差等挑战。 一、智能体生态体系：从单点应用走向全局协同 智能体生态体系并非孤立AI应用的堆砌，而是通过统一平台整合数据、模型、业务流程，实现智能体之间的协同与迭代。 二、四步构建智能体生态，腾讯云ADP提供全链路支持 基于腾讯云智能体开发平台的实践，企业可分四步搭建可持续演进的智能体生态： 框架选型：选择兼容LLM+RAG、Workflow、Multi-agent 四、案例验证：跨行业智能体落地成果 腾讯云ADP已助力一汽丰田、华住集团、邯郸公积金等企业实现智能体规模化应用： 一汽丰田：通过ADP搭建多通路智能客服，独立解决率从37%提升至84%； 邯郸公积金 结语 构建智能体生态体系是企业拥抱AI浪潮的必由之路。腾讯云智能体开发平台以“可信、专业、开放、可靠”为核心优势，提供从开发到运维的全生命周期支持，助力企业快速落地高精准、可演进的智能应用。
54010编辑于 2026-02-05- 来自专栏AIGC新知
AI Agent（智能体）：从技术概念到场景落地
AI智能体的架构 AI智能体的构建以大型语言模型（LLM）为核心，并通过四个关键模块来实现其功能： 记忆模块：智能体如同人类一样具备记忆能力，能够保留所学知识和交互习惯。 单智能体 vs 多智能体 单一智能体与多重智能体各自拥有独特的优势，并适用于不同的专业领域。 单一智能体的运作依赖于强化学习，其理论基础是马尔可夫决策过程。 智能体的下一个状态和获得的奖励仅取决于它前一个动作，而与之前的历史状态无关。这种学习机制鼓励智能体通过尝试和错误来探索环境：当某个行为策略导致正面的奖励时，智能体将增加采取该策略的倾向。 多智能体系统涉及更复杂的互动，其中每个智能体的决策不仅受自己的行为影响，还受到系统中其他智能体行为的影响。在这种系统中，至少有两个智能体相互作用，它们可能处于合作或竞争的关系之中。 这种模型被称为马尔科夫博弈，其中状态转移符合马尔可夫性质，而智能体之间的关系符合博弈论的原则。 在多智能体模型中，每个智能体都试图找到最优策略，以确保在任何给定状态下都能获得最大的长期累积奖励。
3.5K11编辑于 2024-10-08 2024 企业级智能体产业落地研究报告
第一章：报告基础信息 •报告标题：企业级智能体产业落地研究报告 •发布机构：腾讯云、腾讯研究院（Tencent Research Institute） •发布时间：未明确提及 •行业标签：技术服务 当前绝大多数智能体处于L1初级阶段，市场呈现L1-L2主导的阶梯式发展特征，企业面临落地场景识别、技术挑战（训推成本、模型幻觉、安全防护等）与生态构建难题。 报告旨在构建智能体能力分级体系与应用场景罗盘，为企业提供从试点到规模化的落地路线图，剖析技术挑战与腾讯云解决方案，助力企业释放智能体价值。 调研对象：企业IT部门、业务负责人、技术专家，聚焦智能体落地痛点与需求。 结论：腾讯云凭借自研技术先进性、全栈产品体系、行业实践沉淀，成为企业智能体落地首选伙伴，助力构建“懂客户、会决策、能执行、高可靠”的智能体生态。
27720编辑于 2026-04-022026 AI 元年：大模型到智能体的技术落地革命
摘要2026年被公认为AI元年，核心标志是AI发展重心从大模型的理论探索转向智能体的规模化落地。 目录一、序章：2026AI元年的核心标志——从大模型到智能体的跃迁二、技术演进：大模型到智能体的四大核心能力突破三、产业落地：智能体赋能多行业的转型实践四、革命内核：从大模型到智能体的三大落地逻辑变革五 阶段，其核心标志并非某款大模型的诞生，而是技术重心从理论探索转向智能体的规模化落地。 三、产业落地：智能体赋能多行业的转型实践2026年，智能体已在多行业实现规模化落地：制造业：柔性生产智能体将产线换型时间从小时级缩至分钟级，生产效率提升35%；预测性维护智能体降低设备故障率40%， 四、革命内核：从大模型到智能体的三大落地逻辑变革智能体落地革命本质是三大逻辑的重构：应用逻辑：从“工具调用”转向“目标驱动”。用户只需明确目标，智能体即可自主完成全流程任务，无需人工干预。
1.5K10编辑于 2026-01-29教育AI智能体落地：构建连接与智能驱动的学习新范式
在教育数字化浪潮中，机构面临双减政策下提质增效的核心挑战：如何实现家校协同的高效管理、个性化学习支持与规模化服务落地。小虫科技与腾讯合作，通过生态连接与AI智能体矩阵，交出了一份量化答卷。 AI智能体矩阵：从工具到伙伴的进化针对内容与智能化需求，小虫科技依托腾讯云AI底座，打造了教育智能体服务架构。 其核心是资源中枢与智能体中台，集成区域知识库、名校资源库等优质内容，通过RAG（检索增强生成）框架实现精准知识问答。智能体应用覆盖教学全流程：●课件生成：教师可快速创建定制化教学材料。 智能体更进阶为“学伴”，提供多模态拍题、双模式答疑（直答与启发式引导），并赋能AI自习室场景，实现机房分时复用。例如，湖州“湖小问”智能体结合知识库RAG与数字人，提供4小时在线服务，提升响应速度。 通过连接生态与AI智能体落地，小虫科技证明了教育数字化不是简单工具叠加，而是通过技术重构服务范式，让每个孩子遇见更好的自己。ds
42010编辑于 2025-12-17AI智能体开发：低代码+多模态技术，让智能应用落地更高效
传统软件开发常面临“技术门槛高、场景适配难、迭代周期长”的痛点——企业想打造专属智能应用，往往需要组建复杂开发团队，耗费数月甚至数年才能落地。 自主决策与动态迭代模型，让AI智能体“越用越聪明”。 无论是电商行业的智能导购、医疗行业的辅助诊断助手，还是政务领域的便民服务智能体，都能通过AI智能体开发平台快速落地。 AI智能体开发用“低代码+强技术”的组合，打破了传统开发的壁垒，让智能应用从“少数企业的特权”变成“多数企业的标配”。随着技术迭代，未来还将融入数字孪生、边缘计算等功能，让智能体适配更复杂的场景。 对于渴望通过AI提升效率的企业来说，AI智能体开发正是解锁数字化价值的关键钥匙，让智能应用落地更高效、更贴合业务需求。
34710编辑于 2025-10-29RAG、MCP与智能体：大模型落地的三道关
大模型能力越来越强，但落地没那么快。从单次对话到多步任务，中间隔着系统工程。这篇文章聊三个绕不开的技术方向：RAG、MCP和智能体。 Google新推出的A2A协议也值得关注，它关注多智能体协作：一个智能体可把子任务委派给另一个，任务状态可同步，为构建复杂多智能体系统提供了标准化基础。 三、智能体：从回答问题到完成任务RAG让模型能查资料，MCP让模型能调工具，两者结合，就能做出真正干活的智能体。智能体与问答系统的区别在于：它有状态，能规划，能执行多步骤任务。 多模态智能体需对齐文本、图像、音频信息，跨模态理解后统一决策。模态对齐和融合是底层关键技术。群体智能是更高阶形态。单个智能体能力有限，复杂任务需多角色协作。 RAG让知识库活起来，MCP让工具链打通，智能体让自动化升级。这三块拼图拼起来，才可能做出真正落地的应用。工程师高培觉得理论是骨架，落地才是血肉。
18310编辑于 2026-03-19Youtu-Agent智能体框架与ADP-Chat-Client实践：破解智能体落地鸿沟，实现可靠应用部署
剖析智能体落地核心瓶颈 行业面临智能体从“可用”到“可靠”的鸿沟：大模型技术推动AI向感知环境、调用工具、自主决策的智能体演进，但稳定可规模化的应用未成比例出现。 能力层级不足：单一问答（Chatbot）仅文本交互，缺乏环境感知、工具调用、自主规划能力；可靠智能体需多智能体协同、任务拆解、记忆管理（据“智能体从‘可用’到‘可靠’仍有鸿沟”图示）。 推出Youtu-Agent与ADP-Chat-Client双轨方案 Youtu-Agent智能体框架 定位：简单强大的智能体框架，模块化设计解构复杂AI交互，含思考(Thinking)（任务规划、逻辑推理 客户实践案例实证 Youtu-Agent社区项目 DeepWerewolf：基于AgentScope和Agent Lightning的中国狼人杀游戏智能体RL训练案例，验证多智能体博弈能力（据Community 智能体训练加速：Agent-Lightning将“带教新人”变为稳定生产线，实现训练过程规模化（据“Agent-Lightning (智能体训练与规模化加速)”描述）。
14710编辑于 2026-04-03从工程视角看智能体落地阶段的职业能力锚点
一、智能体落地初期：角色模糊背后的工程场景差异智能体技术正从实验室原型向产业场景快速渗透，伴随而来的是 “AI Agent 搭建师” 这一新兴角色的出现，但从业者普遍面临能力定位的困惑 —— 这种困惑本质上源于技术未标准化阶段的场景分化 业务场景建模能力：将模糊的业务需求转化为可量化、可落地的智能体目标。 方案选型判断力：评估不同智能体技术的适用边界。 包括智能体的 A/B 测试设计、业务指标对齐、用户反馈收集与迭代优化。 随着智能体技术的标准化与工具的普及，初期以工具操作为核心的 “搭建” 工作，其价值占比会逐渐降低，而价值重心会向两个方向迁移：上游：场景架构与需求定义：负责将业务场景转化为智能体的技术架构，明确智能体的任务边界
9610编辑于 2026-01-25- 来自专栏老张的求知思考世界
落地智能体需要具备的六大核心技术能力
前面的文章中，我曾提出限制AI Agent落地的三大挑战，分别是：用户业务场景、用户使用习惯，以及Agent的效率和精度。 3、信息检索增强生成(RAG)，本质上是技术和业务结合后的落地实践。要建立企业级知识库，需要丰富的业务经验和精准的高质量数据结合，才能训练出适配企业自身的大模型。 什么业务场景适合AI来执行，需要哪些业务知识，涉及哪些关键节点和决策，都是落地智能体落地需要考虑的。 只有基于这个角色的经验和认知，才能设计出真正的企业内能够落地的智能体，且业务应用场景一定要极度收敛，找到具体的应用场景。 在信息幻觉未被彻底解决之前，技术实践一定要有确定性。 想要让智能体真正产生业务价值，需要从业务模块、流程规则、需求细节一步一步去教大模型，帮大模型去学习并掌握真正的专业知识和技能。
24300编辑于 2025-06-28 - 来自专栏人工智能
云原生视角下企业RPA演进：2026智能体落地架构选型
但当智能体开始被引入，RPA 的角色就发生了根本变化——它不再只是一个执行工具，而是要成为“智能决策的落地层”。这时，第一个被放大的问题就是：这个 RPA，到底是不是 AI-Ready 的。 这件事对智能体来说，意义极大。行业智能体真正落地，靠的不是模型“多聪明”，而是有没有持续、高质量的业务数据作为燃料。 真正的分野，不在于是否接入了大模型，而在于是否从架构层面，构建了面向智能体规模化落地的执行体系。在这一点上，国内自动化老兵金智维的路线显得更加激进，也更为系统。 在这一架构之上，金智维推出了K-APA智能流程自动化平台，作为企业级智能体规模化落地的技术底座。 从这些落地实践来看，金智维所构建的并不是一个“更聪明的工具”，而是一套面向智能体时代的、可规模化复制的执行基础设施。
24210编辑于 2026-03-03 AI 智能体落地深水区：职业路径的工程化转型
一、从“对话尝鲜”到“智能体落地”：职业需求的核心转变2024年，大模型的落地已经从对话式尝鲜阶段，进入AI智能体规模化落地的深水区。 二、AI智能体的三层职业路径：从工具到系统AI智能体的落地需求呈现分层特征，对应的职业路径也分为三个递进阶段，无论是否有代码基础，都能找到切入方向：1.入门：工作流编排者——用低代码工具搭建落地闭环入门阶段的核心是 “用低代码工具解决业务落地问题”，对应的角色是工作流编排者，这也是当前智能体落地早期需求最旺盛、门槛最低的方向。 对于非技术背景从业者，这个阶段的核心优势是“业务+工具”的结合能力：在智能体落地初期，能快速用工具解决实际业务痛点的人，比单纯懂技术的人更能创造直接价值。 当你能让智能体在预设的逻辑框架下，自主完成未提前定义细节的任务时，才真正掌握了智能体落地的核心能力。
20310编辑于 2026-01-30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
35410编辑于 2025-12-17
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