#智能体
共 485 篇相关文章
Vibe Coding入门：智能应用开发与智能体架构详解
本文系统讲解智能应用开发基础：从前端后端架构、Java/Python主流语言，到企业使用大模型的本地与云端方式，再到智能体（Agent）的感知、记忆、推理、工具调用五大核心模块，帮你理清Vibe Coding入门的知识框架。
AI Agent入门指南：为什么它是下一个技术风口
AI Agent是软件行业的下一个形态，正从「说什么」进化到「做什么」。本文结合B站课程讲解，梳理Agent的核心价值、市场数据、入门门槛与基于LangChain的实战项目设计，帮助新手理解并上手智能体开发。
Agent Skills入门详解：让AI大模型拥有无限能力的秘密
Agent Skills是扩展AI大模型能力的开源模块化架构。本文用通俗比喻讲解什么是Agent Skills、渐进式披露机制、如何定义与调用技能，以及它与Multi-Agent架构的核心区别，适合大模型初学者入门。
WorkBuddy入门指南：国内AI智能体如何替你干活
WorkBuddy是什么？这篇文章梳理了这款国内AI智能体的核心能力：自主操控电脑、多智能体协作、办公软件适配与安全授权机制，并对比Codex分析其对零基础职场人的价值。
从开发者到"操作员"：AI编程时代的角色悄然转变
AI编程工具普及后，开发者正悄然变成"操作员"。本文从一篇引发共鸣的Reddit帖子出发，解析多智能体协作、职责上移与形式化监督风险，探讨AI时代程序员的角色转变与核心价值。
AI Agent开发入门：企业级智能体学习路径全解析
一套面向零基础的AI Agent开发系统课程解析，涵盖基础原理、提示工程、工具调用、多智能体协同，以及LangChain、CrewAI、Dify等主流框架实战，帮助开发者系统入门企业级智能体开发。
AI Agent零基础入门：一张认知地图看懂智能体全貌
AI Agent零基础入门该学什么？本文用一张认知地图帮你理清提示词、RAG、MCP、工作流、多智能体等核心概念的分工与边界，看懂智能体能力范围，判断业务场景的真实需求，为后续LangChain、LangGraph实战打好基础。
一文读懂Agent Skills：从本质到自定义开发
Agent Skills不是一个MD文件，而是一个即插即用的能力文件夹。本文讲清Skills的本质结构、SKILL.md与description的作用、以及它作为AI智能体外挂技能包的革命性意义与上手建议。
AI Agent智能体从零搭建全攻略：知识库与工作流实战
一份AI Agent智能体零基础搭建全攻略，涵盖私有知识库、低阶与高阶智能体实现及工作流搭建。结合Cherry Studio、Coze/Dify、Cline等工具，帮你少走弯路，做出真正能用的智能体。
一个周末用AI智能体打造能赚钱的App：从代码到商业模式
一位B站UP主用AI智能体在一个周末打造出面向学生的学习管理App，并设计了终身买断、订阅和50%分成的商业模式。本文解析其零摩擦数据录入、简报驱动开发和商业化思路，探讨AI时代创业门槛的转移。
Coze（扣子）入门指南：AI智能体与工作流搭建全解析
Coze（扣子）入门教程全解析：从Agent产品三大分类到智能体搭建、工作流、技能商店与自定义编程，梳理八大学习模块与IT从业者学习路径，帮你快速上手这款国产AI智能体工具。
AWS九月更新盘点：Bedrock与AgentCore带来AI开发新能力
AWS九月对Amazon Bedrock、AgentCore和Strands进行集中更新，带来更广的模型选择、更快的无服务器智能体与内置评估，以及知识库自动同步和原生企业连接器，助力开发者构建生产级AI应用。
AI进入电脑：亚马逊、微软、谷歌的硬件新战争
The Vergecast解析亚马逊Alexa平板、微软Surface Laptop Ultra与谷歌Google Books三大新硬件，揭示它们共同的核心逻辑：为AI智能体提供运行表面。深度探讨本地AI、应用生态与智能体的现实局限。
Melete：拥有专属电脑的常驻型个人AI智能体
Melete是一款常驻型个人AI智能体，拥有专属电脑、持久记忆与自主执行能力，可在用户离线时推进任务并跨周期接续项目，同时提供团队工作区。本文解析其核心特性与AI Agent发展方向。
WorkBuddy实战指南：腾讯桌面AI员工搭建全解析
本文详解腾讯桌面AI员工WorkBuddy的核心能力、与CodeBuddy的区别及安装配置要点，涵盖本地化部署、连接器、远程调度与财务自动化应用，助你搭建24小时在线的数字同事。
开源AI工作空间：构建可自托管的智能体运行时环境
一位开发者分享其开源AI工作空间与运行时环境项目，涵盖AI桌面、智能体运行时、云控制平面、多云基础设施等五大模块，探讨自托管AI部署、互操作性与数据边界控制等核心议题。
智能体AI的验证与自我改进：理论边界在哪里？
arXiv新论文从计算复杂度角度剖析智能体AI的验证与自我改进：性能分数无法区分改进来源，多数投票保持能力边界而存在性接受可能出错，递归自我修改仍困于同一验证类。为AI能力声明提供严谨理论框架。
智能体变慢或出错时，用Traces在Foundry中精准排查
智能体响应慢或输出错误时该从哪排查？本文详解 Microsoft Foundry 的 Traces 追踪功能，涵盖连接 Application Insights、读懂 span 层级、查看元数据与多种视图，帮助开发者高效定位 AI 智能体问题。
