-
张鹏对谈李广密：Agent 的真问题与真机会，究竟藏在哪里？
本文是一篇关于 AI Agent 的深度对谈，邀请拾象科技创始人李广密和 AI Research Lead 钟凯祺，共同剖析 Agent 热潮下的真问题与真机会。讨论覆盖 Agent 的产品形态（通用与垂直、Model as Agent）、务实成长路径（从 Copilot 到 Agent，以 Cursor 为例）、Coding 作为通往 AGI 关键试炼场的逻辑、评估好 Agent 的标准（数据飞…- 0
- 0
-
Vercel AI SDK：构建现代 Web AI 应用指南
文章深入探讨了 Vercel AI SDK 6，这是一个旨在简化大语言模型（LLM）与 Web 应用集成的工具。通过统一 API、框架无关 UI 组件和多模型适配器，Vercel AI SDK 屏蔽了不同模型提供商和 Web 框架的差异，极大地降低了开发复杂度。文章重点介绍了 SDK 的核心模块 AI SDK Core、@ai-sdk/openai 和 @ai-sdk/react 的功能职责与适用…- 0
- 0
-
最权威 AI Agent 避坑指南来了！智能体越多死得越快，效率最高暴跌 70%
文章围绕 Google DeepMind 和 Google Research 的重磅论文《迈向 Agent 系统的扩展科学》展开，驳斥了“Agent 越多越好”的误区。通过对多种 Agent 架构的实验分析，得出了三个关键发现：任务越复杂 Agent 越多死得越快，3-4 个 Agent 是“黄金分割点”；Agent 存在边际收益递减，当单个 Agent 足够聪明时组团反而是负收益；多 Agent…- 0
- 0
-
吴恩达 Agentic AI 新课：手把手教你搭建 Agent 工作流，GPT-3.5 反杀 GPT-4 就顺手的事
文章详细介绍了吴恩达最新推出的 Agentic AI 课程，强调其核心在于将 Agentic 工作流开发沉淀为反思、工具、规划和协作四大设计模式。课程不仅教授如何让大模型像人类一样拆解复杂任务、反思结果、利用工具修正偏差，更首次强调评估与误差分析在智能体开发中的决定性作用。通过“分解-执行-评估-优化”的循环迭代，Agentic AI 能显著提升性能，甚至让 GPT-3.5 在特定编程任务中超越 …- 0
- 0
-
AI Agent 的「GPT 时刻」，Manus 炸醒整个 AI 圈！
文章介绍了 Monica.im 研发的全球首款 AI Agent 产品 Manus。Manus 强调直接交付最终结果的能力，通过模拟人类工作方式的多代理架构，在独立虚拟机中运行，可调用各类工具完成复杂任务。文章列举了 Manus 在旅行规划、股票分析、教育内容创建、保险政策比较以及 B2B 领域的应用案例，展示了其自主规划和执行任务的能力。Manus 像一个数字代理人或实习生，能根据用户需求进行自…- 0
- 0
-
如何让 Agent 更符合预期？基于上下文工程和多智能体构建云小二 Aivis 的十大实战经验
文章深入探讨了在构建和调优 AI Agent，特别是 Multi-Agent 数字员工“云小二 Aivis”项目中的实战经验。作者指出 Agent 不按预期输出的核心原因在于模糊预期和技术层面的上下文管理不足。文章重点聚焦于上下文工程和 Multi-Agent 架构优化，总结了十大实战经验，包括清晰化预期、上下文精准投喂、系统身份与历史执行清晰化、结构化表达逻辑、自定义工具协议、Few-Shot …- 0
- 0
-
当 AI 创业公司遇困境，能借“Agent 化”找到新出路吗？
文章探讨了 AI Agent 技术的发展现状和未来趋势。2023 年底斯坦福大学的 AI 实验项目引发了对 AI Agent 的期待，但一年后，许多产品仍停留在对话机器人阶段。2024 年，AI Agent 成为科技巨头竞争的新焦点，OpenAI、Anthropic、微软、谷歌等公司纷纷推出相关产品，国内大厂如百度、阿里、腾讯也积极布局。尽管 AI Agent 依赖 LLM 的“黑盒”特性，存在不…- 0
- 0
-
Java 正式进入 Agentic AI 时代：Spring AI Alibaba 1.1 发布背后的技术演进
文章深入解读了 Spring AI Alibaba 1.1 版本的核心能力，该版本旨在简化企业级、生产就绪的 AI 智能体（Agent）应用构建。其架构包含 Agent Framework、Graph 和 Augmented LLM 三层设计，以 ReactAgent 为核心，基于 ReAct 范式实现智能体的思考、行动和观察循环。文章详细阐述了“上下文工程”的重要性，并介绍了框架提供的消息压缩、…- 0
- 0
-
可解释 AI Agent：使用 Spring AI 捕获 LLM 工具调用决策逻辑
本文介绍了 Spring AI 创新性的工具参数增强器（Tool Argument Augmenter）功能，旨在解决理解 LLM 在工具调用期间决策过程的关键需求。通过添加自定义字段，如“内部思考”、“置信水平”或“记忆笔记”，它允许动态修改工具输入架构。LLM 会填充这些增强字段，从而为其决策过程提供宝贵的洞察。这些洞察随后可被应用程序层用于各种目的，包括记忆增强、改进可观测性、调试和分析，所…- 0
- 0
-
Manus 创始人手把手拆解：如何系统性打造 AI Agent 的上下文工程？
文章由 Manus 联合创始人兼首席科学家 Peak 撰写，深入剖析了构建高性能 AI Agent 的上下文工程核心实践。作者首先解释了选择上下文工程而非从头训练模型的原因，强调其迭代速度快且能保持与底层模型正交性。随后，文章详细介绍了六个关键实践：首先，围绕 KV-Cache 设计以优化延迟和成本，通过保持提示前缀稳定、追加式上下文和明确标记缓存断点。其次，通过掩码而非移除的方式约束行为选择，避…- 0
- 0
-
独家对话 OpenAI 姚顺雨：生成新世界的系统
文章独家对话 OpenAI 研究员姚顺雨，深入探讨 AI Agent（智能体）的演进历程与未来趋势。姚顺雨从个人经历出发，阐述了其从计算机视觉转向语言模型，并最终专注于 Language Agent 研究的非共识路径。他强调语言作为实现泛化通用系统最本质的工具，并指出 GPT 模型在开放行为空间决策上的优势远超 BERT。文章详细梳理了 Agent 从符号主义 AI 到深度强化学习，再到大语言模型…- 0
- 0
-
意大利勒令Meta暂停WhatsApp AI禁令！欧盟同步调查，Meta被指滥用市场支配地位打压竞品聊天机器人
全球科技监管再出重拳。意大利竞争管理局（AGCM）于 12 月 25 日宣布，紧急叫停Meta禁止第三方AI聊天机器人接入WhatsApp Business API的政策，理由是该行为涉嫌滥用市场支配地位，损害AI服务市场竞争与消费者利益。此举紧随欧盟委员会本月启动的同类调查，标志着欧洲正对Meta在AI入口布局展开系统性反垄断审查。政策核心争议：为何只禁ChatGPT，不禁客服机器人？2024 …- 0
- 0
-
Waymo车内将现Gemini AI助手！1200行指令曝光，定义“安全、简洁、不越界”的乘客陪伴者
自动驾驶的“沉默旅程”即将终结。知名科技研究员 Jane Manchun Wong 近日通过逆向工程发现，Waymo 正在测试将谷歌 Gemini 大模型深度集成至其无人驾驶出租车，打造一款名为 “Waymo 出行助手” 的车载AI伴侣。尽管尚未上线，但一份长达1200多行的内部系统指令（代号“Waymo 出行助手元指令”）已完整曝光，揭示了这款AI如何被精心设计为安全、克制、高度场景化的乘客服务…- 0
- 0
-
信息量很大！2025.10.2 硅谷内部关于 AI Agent 的讨论会实录
本文深度总结了硅谷一次关于 AI Agent 在生产环境中成功部署的关键因素的行业讨论会。会议指出，高达 95%的 AI Agent 部署失败并非模型智能不足，而是由于上下文工程、安全性、记忆设计等支撑体系的缺失。文章详细探讨了高级上下文工程的重要性，包括 LLM 特征选择、语义与元数据分层，以及处理 Text-to-SQL 挑战的方法。同时，强调了治理与信任在 Agent 落地中的核心地位，如溯…- 0
- 0
-
张涛首次回应争议，Manus 为什么没有被替代？｜清华校园行
文章记录了真格基金管理合伙人戴雨森与 Manus 联合创始人张涛在清华大学的深度对谈。张涛首次系统回应了围绕 Manus 的技术含量和营销方面的质疑。他详细阐述了 Manus 如何通过“Less structure， more intelligence”及“Zero Predefined Workflow”的核心技术理念，将任务决策能力完全交还给模型，使其在 Agent 基准测试中长期保持领先。他…- 0
- 0
-
【生成式人工智慧與機器學習導論 2025】第 2 講：上下文工程 (Context Engineering) — AI Agent 背後的關鍵技術
文章详细阐述了上下文工程（Context Engineering）这一概念，并将其与传统 Prompt Engineering 进行了对比，指出上下文工程更侧重于自动化和全面的输入管理。它强调语言模型本质是文本接龙，要获得理想输出，除了模型训练，优化输入（即上下文）至关重要。文章详细拆解了一个完整上下文的七大组成部分，包括用户 Prompt、系统 Prompt、对话历史、长期记忆、外部资料源（RA…- 0
- 0
-
Spring AI 1.1 GA 版本发布
Spring AI 1.1.0 正式版发布是 Spring AI 的一个重要里程碑，丰富了用于 AI 应用程序开发的 Spring 生态系统。主要进展包括模型上下文协议 (MCP)，它提供了一个基于注解的编程模型、自动配置和灵活的通信，以实现无缝的 AI 集成。针对 Anthropic Claude 和 AWS Bedrock 的 Prompt 缓存功能，可降低高达 90% 的成本，并显著缩短响应…- 0
- 0
-
深入 AI Agent 内核: Google gemini-cli 源码深度解构
文章深度解构了 Google 开源命令行 AI 工具 gemini-cli 的源码，系统分析了其作为 AI Agent 的核心设计与实现。首先通过文件处理、代码分析和设计图转代码三个典型场景，展示了 gemini-cli 作为自动化 Agent、代码分析师和跨模态创造者的强大能力。随后，文章详细剖析了其分层架构、ReAct 推理行动循环、工具调用与扩展机制（包括安全确认和 MCP 协议），以及多层…- 0
- 0
-
从上下文工程到 AI Memory，本质上都是在「拟合」人类的认知方式
本文由 AI 语音产品创业者撰写，从现象学视角深入剖析了从上下文工程（Context Engineering）到 AI 记忆（AI Memory）的技术实践与哲学思考，核心在于 AI 如何拟合人类的认知与存在方式。文章首先定义了上下文工程，强调其超越提示词工程，是构建 AI Agent 动态记忆系统的核心，旨在模拟人类的注意力与记忆机制。随后，通过对比 LLM 有限上下文窗口与人类注意力机制的相似…- 0
- 0
-
单个 4090 就能跑，Mistral 开源多模态小模型，开发者：用来构建推理模型足够香
Mistral AI 发布了 Mistral Small 3.1，一个 24B 的多模态小模型，该模型在多个基准测试中胜过 Gemma 3 和 GPT-4o Mini 等模型，并具有 150 token / 秒的推理速度。该模型可以在单个 RTX 4090 或具有 32GB RAM 的 Mac 上运行，并采用 Apache 2.0 开源协议。Mistral Small 3.1 基于 Mistral…- 0
- 0
-
OWL 团队万字分享：复现 Manus 最好的团队，如何看待 Agentic AI 的落地现状？
文章是 CAMEL-AI 创始人李国豪对 Agentic AI 落地现状的万字分享，讨论了 OWL 项目与 Manus 的区别，Agent 技术浪潮的推动因素，并深入探讨了 MCP 的应用前景。文章还分析了垂直领域 Agent 的发展方向，强调了在特定领域深入研究和解决核心痛点的重要性。此外，还讨论了 Agent 产品与普通 AI 工具在人机交互方面的差异，以及 Agent 系统在 AI for …- 0
- 0
-
Spring AI 1.0 初探：构建您的首个应用
本文介绍 Spring AI 1.0 框架，重点介绍其将 AI 模型集成到 Spring Java 应用的核心功能。文章强调，AI 工程通常涉及集成代码，因此 Spring AI 是现有 Spring 工作负载的自然选择。作者讨论了 AI 集成中常见的挑战，如无状态、有限上下文和幻觉，并展示了 Spring AI 模式（如系统提示、聊天记忆（使用 JDBC）、工具调用和检索增强生成 (RAG)）如…- 0
- 0
-
智谱发布首个具备深度研究和操作能力的 AI Agent
智谱发布了 AutoGLM 沉思，这是一款具备深度研究和实际操作能力的 AI Agent。例如，AutoGLM 沉思能够模拟人类在面对复杂问题时的推理与决策过程，像人一样获取并理解环境信息，调用和操作工具完成复杂任务，推动 AI Agent 从单纯的思考者进化为能交付结果的智能执行者。该智能体融合了 GLM-4 的通用能力、GLM-Z1 的反思能力、GLM-Z1-Rumination 的沉思能力以…- 0
- 0
-
从代码生成到自主决策：打造一个 Coding 驱动的“自我编程”Agent
文章深入探讨了阿里云团队如何从传统的 JSON 调用模式进化，构建一个“代码驱动”的 AI Agent，使其能够通过生成和执行 Python 代码来实现自主决策和复杂任务处理。该 Agent 基于 ReAct 模式深度优化，引入 Py4j 实现 Java 与 Python 间的泛化调用，并采用 Spring Boot 构建后端。其核心创新在于 Agent 能够“自我编程”，不仅调用外部工具，还能利…- 0
- 0
AI
扫码打开当前页
-
✈优惠劵使用时效：无法使用使用时效：
之前
使用时效：永久有效优惠劵ID：×