Type something to search...
to navigateto selectESC to close

Agentic

与我们不同：驾驭人工智能代理浪潮--焦虑与机遇

与我们不同：驾驭人工智能代理浪潮--焦虑与机遇

你到底有多少机会？我的意思是，选择实在太多了 2024年，ChatGPT如火如荼地登场，使“GenAI”成为家喻户晓的术语。到年底，“Agentic AI”无处不在——名字、地址、企业——一个流行词，象征着下一个大事件。但在这种炒作之下，一种更为隐秘的焦虑开始酝酿。 嘘：我看到死去的职业道路 认识一下莎拉，她是Notyourcompany Corp（随便

阅读更多
构建面向人类的代理系统：超级智能的心理学和社会学

构建面向人类的代理系统：超级智能的心理学和社会学

Soundcloud 播客 执行摘要“权力在于将人类的思想撕成碎片，然后按照你自己选择的新形状将它们重新组合。”

阅读更多
我如何为制药业打造更智能的人工智能工具：从生成式人工智能到代理式人工智能

我如何为制药业打造更智能的人工智能工具：从生成式人工智能到代理式人工智能

当我首次开始为制药行业开发AI工具时，我的想法很简单：解决现实中的日常挑战。我花了多年时间观察合规团队在文书工作中挣扎，医学写作人员努力向患者传达复杂信息，以及无数人在医疗旅程中迷失。生成式AI似乎是答案——在许多方面，它确实是。但随着我们看到这些工具的部署，我开始意识到它们的局限性。它们确实强大，但却是被动的——总是等待下一个命令，下一个提示。这个认识促使我探索自主AI

阅读更多
利用人工智能代理团队进行负责任的软件开发

利用人工智能代理团队进行负责任的软件开发

软件开发长期以来依赖于手动操作和孤立的工具链来构建产品。我们逐渐引入自动化来处理持续集成 (CI) 流程中的重复任务，并使用像 ReSharper 和 CodeRush 这样的代码生成工具来加速编码中的重复任务。然而，随着 AI 的发展，我们可以获得工具来帮助从提示中创建小型 POC，现在我们可以想象一个未来，在这个未来中，“自主 AI” 系统将在我们的软件开发生命周期 (SDLC) 中

阅读更多
人工智能代理、代理人工智能和自主人工智能：它们一样吗？

人工智能代理、代理人工智能和自主人工智能：它们一样吗？

几周前，我在Medium上发布了一篇题为“AI代理与代理性AI：有什么区别，为什么重要？”的文章，没想到引起了比我预期更大的反响。 这篇文章获得了超过17,000次的

阅读更多
为人工智能代理提供个性化用户体验

为人工智能代理提供个性化用户体验

基于用户角色的AI代理微调以满足企业用例 1. 引言 关于 ChatGPT（通常指生成式 AI）的讨论，现在已经演变为代理 AI。虽然 ChatGPT 主要是一个可以生成文本响应的聊天机器人，但 AI 代理可以自主执行复杂任务，例如：进行销售、规划旅行、预订航班、预定承包商进行家庭工作、点披萨。下图 1 说明了代理 AI 系统的演变。 比尔·盖茨最近[设想](htt

阅读更多
为什么人工智能代理是好软件

为什么人工智能代理是好软件

为什么（设计良好的）自主系统能如此有效 大约一个月前，我写了以下关于自主 AI 如何能够促进 AI 系统更好软件设计原则的文章。 这篇文章将更深入地探讨和扩展我在那篇文章中讨论的想法。我想这将是结束我们关

阅读更多
使用 Autogen 进行代理人工智能金融分析：比特币和特斯拉哪个更好？

使用 Autogen 进行代理人工智能金融分析：比特币和特斯拉哪个更好？

你是否曾经想过，NVidia 和特斯拉，哪个投资更好？但是如果你懒得自己去分析，或者甚至不知道该如何开始呢？ 这是个严肃的问题，我知道。如果我们能让 ChatGPT 来完成这个任务，那该多好，但如果你已经尝试过——你就知道它并不擅长这方面。你可以让它制定计划，但让它在多个步骤中坚持执行就很难。而且它在会计方面也不太擅长，所以分析财务数据并不是它的强项。有没有办法解决这个问题，还是说没有

阅读更多
HuggingFace smolagents：迄今为止最好的多代理框架？

HuggingFace smolagents：迄今为止最好的多代理框架？

比较 Autogen、Langraph、CrewAI、Magentic-One 等 正如你在多个地方所读到的，2025 年是 AI Agents 的年份。马克·扎克伯格甚至公开表示，Meta 将会有中高级工程师担任 AI Agents。 从过去几次发布中可以清楚看出，微软现在拥有 3 个多智能体编排框架（AutoGen、Magentic-One、Tiny-Troupe），Op

阅读更多
使用人工智能代理进行数据探索：使用 SmolAgents 探索泰坦尼克号数据集

使用人工智能代理进行数据探索：使用 SmolAgents 探索泰坦尼克号数据集

十年前，当我开始我的机器学习之旅时，和许多人一样，我是从泰坦尼克号数据集开始的。我清晰地记得进行第一次探索性数据分析（EDA）的兴奋，发现模式和关联。快进到今天，数据分析的格局已经以我无法想象的方式演变。在这个智能AI的时代，我们现在可以将大部分的EDA委托给智能代理。问题不再是我们能否自动化EDA？而是我们能将这些能力推向多远？ 简短的回答是：相当远。借助由尖端AI模型驱动的

阅读更多
2025:人工智能代理年--利用 CrewAi 和 Gemini 1.5 构建多代理系统

2025:人工智能代理年--利用 CrewAi 和 Gemini 1.5 构建多代理系统

正如许多专家预测的那样，2025年将成为自主人工智能的年份。这个新兴领域有望通过引入高度自主的系统来重新定义我们与技术的互动，这些系统能够在最小的人类干预下做出决策并执行复杂任务。受到这一理念的启发，我开始构建一个多智能体系统，该系统不仅执行特定任务，还能根据用户定义的主题创建有意义的内容。 在这篇文章中，我将带您了解我构建的系统、我面临的挑战，以及自主人工智能所蕴含的激动人心的未来。

阅读更多
如何用Agentic AI颠覆医疗支持？探秘Doctolib的高效智能系统！

如何用Agentic AI颠覆医疗支持？探秘Doctolib的高效智能系统！

在 Doctolib，我们的使命不仅仅是构建我们所梦想的医疗体系——我们正在改变健康专业人员与技术之间的互动方式。两个雄心勃勃的目标驱动着我们：让使用我们解决方案的健康专业人员感到满意，并加快我们的创新步伐。但雄心壮志伴随着巨大的责任，尤其是在支持我们的用户方面。 随着我们平台的增长，支持请求的数量也在增加。传统的方法是简单地根据需求线性扩展我们的支持团队。然而，我们看到了不同思考的机会：

阅读更多
搜索的未来：人工智能搜索引擎的工作原理

搜索的未来：人工智能搜索引擎的工作原理

厌倦了 Google 的错误答案？了解 AI 如何让网络搜索更智能、更好！ 想象一下：你在 Google 中输入一个问题，但得到的却不是正确的答案，而是点击了一堆无关的链接。令人沮丧，对吧？搜索引擎确实已经通过机器学习和自然语言处理等工具取得了长足的进步，帮助它们提供更好的结果。但即便有了这些改进，它们仍然主要是被动的，等待你提出问题。它们是反应式的，仅在你输入查询时才作出回应，并

阅读更多
Claude MCP引领智能代理时代的变革与应用

Claude MCP引领智能代理时代的变革与应用

最近我们听到了很多关于 AI 代理的消息，我也在测试其中的许多工具。兴奋感实际上始于几年前，像 AutoGPT 和 CrewAI 这样的工具。虽然它们的方法各不相同，但通常涉及 LLM 之间的相互通信以及使用外部工具。这些 **“工具” 本质上是

阅读更多
解开复杂的人工智能任务：使用 Gemini 2.0、LangGraph 和 Grounded Responses 的多步骤代理

解开复杂的人工智能任务：使用 Gemini 2.0、LangGraph 和 Grounded Responses 的多步骤代理

如何构建不仅理解复杂请求而且能够执行必要步骤以满足这些请求的 AI？ 本文探讨了一种强大的解决方案：由 Gemini 2.0 和 LangGraph 框架驱动的多步骤 AI 代理。这些代理协调复杂的工作流程，并通过基于实际数据的响应增强其推理能力，从 Google 搜索、BigQuery 和第三方 API 获取真实世界的数据。 今日的挑战 第一个重大突破是 LLM。想象一下一

阅读更多
从知识到行动：为什么特定领域的法律硕士需要代理人工智能？

从知识到行动：为什么特定领域的法律硕士需要代理人工智能？

在人工智能不断发展的领域中，有两股强大的力量正在塑造未来：领域特定的大型语言模型 (LLMs) 和 自主 AI。虽然它们各自带来了显著的能力，但当它们协同工作时，其真正潜力得以释放。这种协同作用将 AI 从一个被动的知识库转变为一个能够做出明智决策和采取自主行动的积极问题解决者。 在本文中，我们将探讨为什么单靠领域特定的 LLM 是不够的，并探讨将其与自主 AI 结合如

阅读更多
代理人工智能：从零开始构建自主系统

代理人工智能：从零开始构建自主系统

在生成式人工智能时代创建多智能体框架的逐步指南 本文由Rafael Guedes共同撰写。 介绍 生成式人工智能的崛起是数字时代的新平台转变。它解决了从大型企业的自动化到各种类型的研发和创意等问题。预计到2024年，全球市场将超过650亿美元，86%的IT领导者预计将发生重大组织变革[1]。到目前为止，最大的收益来自于聊天机器人（更为通用且广泛的应用案例）、代码助

阅读更多
使用 Llamaindex 和 AI ChatBot 构建可投入生产的 Agentic 人工智能聊天机器人的简单分步指南。

使用 Llamaindex 和 AI ChatBot 构建可投入生产的 Agentic 人工智能聊天机器人的简单分步指南。

介绍 在本文中，我们将了解如何使用 Llamaindex 和 Groq-Llama 3.3 构建一个端到端的代理型 AI 聊天机器人。 在本文的课程中，您将学习：拨开代理型 AI 和代理的神秘面纱：消除围绕代理型 AI 的炒作 了解 Llamaindex 中的 ReActAgent 和 FunctionCallingAgent 以及如何添加工具/函数 一个简

阅读更多
揭开人工智能代理框架概念的神秘面纱

揭开人工智能代理框架概念的神秘面纱

在生成性人工智能领域，这一年可谓风起云涌。随着OpenAI、Google和Apple等公司继续争相构建更复杂的大型语言模型，我们看到了一种新的**“代理人工智能”**范式的兴起，期望解锁人工智能系统的自主决策功能。 代理人工智能是指能够独立操作的系统，能够根据上下文和推理进行适应和战略规划，而无需直接的人类监督。这些框架为创建这样的人工智能代理提供了基础。与依赖人类指导和干预的

阅读更多
Agentic RAG 如何解决当前 RAG 限制的问题

Agentic RAG 如何解决当前 RAG 限制的问题

在本卷咖啡休息概念的第 4 期中，我们将了解 AgenticRAG 如何帮助解决传统 RAG 的限制。 RAG框架 RAG（检索增强生成）框架按特定顺序操作： 文档 -> 片段 -> 向量数据库 -> 片段检索（前K个） -> LLM 然而，这一顺序在处理某些类型的查询时会遇到障碍。 问题 1：摘要 考虑一个查询，比如“总结文档”。传统

阅读更多