Tag
第 16章 多智能体 Multi-Agent 常见痛点: 1️⃣ 上下文串扰导致错误结果;2️⃣ 调试成本飙升,3️⃣ Token 成本暴增;4️⃣ 任务冲突导致流程失控。怎么说呢, 本章要解决的问题 章节大纲 主从/对等/流水线拓扑 Sub-Agent 与角色分工 智能体间通信与任务编排 主流框架对照 🔧 方法:上下文串扰与任务冲突解决 模式原理这方面。多人协作 vs 一个人硬扛 一句话定义
查看更多 2026-09-08
Claude Code 之前分享了安装使用,这次则是分享一下工作流。 目前已有不少 AI Agent 工作流可以自主完成软件工程。 Vibe Coding ────► Agentic Engineering / Coding 这篇文章是想分享怎么在 Claude Code 中使用它们,还有一个正在实践的、想博采众长的工作流。 工作流 目前在实践的工作流结构。分为四个层次: 行为准则层 定义
查看更多 2026-08-15
大家好,我是双越。前百度、滴滴资深前端工程师,慕课网金牌讲师,PMP。我的代表作包括: wangEditor 开源 web 富文本编辑器,GitHub 18k star。npm 周下载量 20k 划水AI Node 全栈 AIGC 知识库,包括 AI 写作、多人协同编辑。复杂业务,真实上线, 前端面试派 程序专业的面试导航,刷题、写简历、看面试技巧、内推工作。开源免费, 开始 痛点:
查看更多 2026-08-15
你是不是也听过这些词:Agent、智能体、自主决策…,听起来很高级,但总觉得离实际代码有点远? 如果你正面临这样的问题:想把AI落地到业务,却被繁琐框架吓退;或者需要快速验证思路,却没有一份完整可直接跑通的代码;这篇文章,说白了就是为你量身定制。 一、智能体的大脑:一个“思考‑行动‑观察”的死循环 在写代码之前,我们先理解一个最简单、也最主要的模型——ReAct 范式 。 Thought
查看更多 2026-08-11
In traditional internet advertising partnership, 360 Wisdom Commercial uses a variety of business models through secure operation services, AI technology empowerment, and urban industry cooperation
查看更多 2026-08-10
编码智能体的生产化元年:从演示到公司级部署的全景工程 团队普遍面临三大痛点:一是能力上限不可见 ——模型在公开基准上表现优异,但在真实仓库中的可行性无法预估;二是推理成本居高不下 ——每一次会话都可能消耗数十万 token,导致预算飙升;三是组织流程没人接手 ——缺少专门岗位来管理模型路由、评测与回滚。正是这三堵墙把“从演示到实际交付”拆分成四条主线:评测程序、路由与并行、成本控制、组织形态。
查看更多 2026-08-08
. 背景 使用者痛点: 市面上已有的 Agent 框架往往「开箱即用」却缺乏安全防护和可 性,导致公司在实际落地时面临「AI 越权执行」和「难以维护」的风险。 去年开始 AI Agent 概念大火,各种框架层出不穷。但与其直接用现成的 Agent 框架。不如亲手从零搭建一个——既能 AI Agent 的工作原理,又能把控安全、 性等工程细节。说起来, 这个项目是个人的练手项目。基于
查看更多 2026-08-05
SpringBoot自动配置不是你以为的那样的智能 自从 SpringBoot 出现以来“约定比更好配置”还有自动配置成了开发者手中的“魔法”工具。只是真正投入生产后很多人会发现这套程序并不像想象中那么完美无缺。 A) 仅仅是条件判断,而非人工智能 自动配置依赖一系列预设好的条件注解:@ConditionalOnClass 。@ConditionalOnProperty
查看更多 2026-08-04
其实, AI Agent 组成:像人一样思考的智能体 全局架构图 在展开各层之前,先给出一张全局架构总览 ——以 MLLM 为中心,把感知、大脑、思考方式、记忆、动作、能力协作、Skill 全部画在一张图上。看清它们如何连接成一个像人一样思考的智能体: 读图指引 中心是大脑 : MLLM 作为"CPU",承担推理与规划,是一切的中枢。 认知闭环 : 外部世界 → 感知 → 大脑 → 动作 →
查看更多 2026-08-04
当下AI技术已从「被动问答」迈入「主动执行」的全新阶段,AI Agent成为大模型落地公司业务、自动化复杂场景的主要载体。怎么说呢,不同于传统聊天机器人。AI Agent具备自主感知、逻辑规划、工具调用、闭环执行 的完整能力,能够独立完成多步骤复杂任务。 开发者常见痛点: ①缺乏程序化的Agent认知程序;话说回来,②框架选型与环境搭建杂乱无章;③难以在实际业务中落地并保证安全合规
查看更多 2026-08-03
Demand feedback