#Agent编排框架
共 46 篇相关文章
·7 分钟
Cohesor：企业AI Agent中立成本控制中枢，降低60%-90%账单
Cohesor是一款中立的企业AI Agent成本控制平台，通过Token压缩50%、智能模型路由和按用户支出治理，帮助企业降低60%-90%的Agent账单，零代码改动即可接入。
阅读全文 →
·16 分钟
大模型学习路线：三阶段进阶实战指南
系统梳理大模型学习路线，从Python基础到LangChain、LlamaIndex两大框架，再到RAG、Agent、模型微调三大核心技能，最后通过实战项目完成闭环，助你三个月内掌握大模型应用开发能力。
阅读全文 →
·10 分钟
Aquifer开源：为突发GPU推理负载削峰填谷的流量平滑方案
Aquifer是一个开源流量平滑运行时，通过持久化队列缓冲和后端反压闭环机制，解决GPU推理服务面临的突发流量冲击问题，帮助自托管推理和模型服务实现削峰填谷，降低成本并提升稳定性。
阅读全文 →
·6 分钟
将状态移出框架内存：多智能体架构重构实践
探讨多智能体系统中70%内存被非推理状态占用的问题，介绍用邮件线程替代框架内存管理状态的重构方案，实现Token效率提升、原生可审计性和天然弹性恢复。
阅读全文 →
·12 分钟
Conduit：酒店业AI智能客服，从对话到执行的全链路自动化
Conduit是专为酒店业打造的AI客服智能体，支持140+语言、全渠道覆盖，已服务万豪、希尔顿等300+品牌，处理5000万次对话。通过主智能体+子智能体架构，实现从客人咨询到预订管理、保洁调度的完整闭环执行，而非简单聊天回复。
阅读全文 →
·12 分钟
Agent开发实战指南：从零基础到商业落地的完整路径
系统讲解AI Agent开发从入门到落地的全流程，涵盖任务规划、工具调用、记忆管理等核心能力构建，以及零基础学习路径和商业变现的现实考量，助你快速掌握Agent开发实战技能。
阅读全文 →
·12 分钟
零基础学AI Agent开发：三步实战路径快速入门
零基础如何学AI Agent开发？本文梳理一条清晰的三步学习路径：从Python基础速成，到大模型理论与实操，再到LangChain框架项目落地，帮助初学者系统掌握智能体开发，少走弯路快速入门。
阅读全文 →
科技前沿
GitHub趋势·07月20日：AI Agent基础设施集中爆发
·1 分钟
GitHub趋势·07月20日：AI Agent基础设施集中爆发
今日GitHub新上榜10个项目深度解读
阅读全文 →
·7 分钟
AI Agent失控烧光API预算：成因分析与防护方案
一个后台Agent陷入错误处理循环，数小时内发起数千次LLM调用，吞噬数周运营预算。本文深度拆解AI Agent失控的核心成因——语义循环、多Agent死锁、预算上限滞后——并提供运行时熔断、分层预算告警、迭代上限等可落地的防护体系，帮助AI工程团队规避高额意外账单。
阅读全文 →
·12 分钟
Modox智能体更新：HTML流程图、软著文档与Web应用一键生成
B站UP主自研学术智能体Modox迎来重磅更新，新增HTML流程图生成、软著文档支持、Word格式稳定性加强及一键生成Web全站应用四大核心能力，从学术写作走向通用AI写作工具。
阅读全文 →
·12 分钟
AI自动化OSINT实战：CS背景者的学习路径与工具选择
拥有CS背景的OSINT从业者如何用AI实现情报自动化？本文详解计算机视觉、多模态大模型与Agent框架的学习路径，涵盖YOLO、SAM、Grounding DINO等核心工具，助你快速构建AI驱动的OSINT系统。
阅读全文 →
·12 分钟
职场IT人如何高效学AI？从零到实战的学习路径指南
时间有限却想系统学习AI？本文为在职IT人梳理从AI应用工程、Prompt工程到RAG、Agent的实用学习路径，推荐DeepLearning.AI等高性价比资源，帮你用最短时间构建可落地的AI工程能力。
阅读全文 →
·8 分钟
MiniMax能当Hermes Agent主脑吗？V0.18实测完整评估
基于Hermes V0.18框架实测MiniMax作为AI Agent主脑的真实表现：推理速度快、成本低、长任务稳定，但复杂推理和工具调用存在明显缺陷。本文详解三大优势、三大缺点及适用工作流场景，帮你判断MiniMax是否适合你的自动化架构。
阅读全文 →
·11 分钟
AI Agent主动监控：告别被动救火，让Bug先于客户被发现
一个真实案例：团队打造AI Agent「Oogway」，在每个任务完成后自动巡查异常、自主调查并创建工单，还能持续更新知识Wiki。从「客户先发现Bug」到「Agent先发现Bug」，这场主动监控的转型如何重塑运维工作模式？
阅读全文 →
·13 分钟
嵌入式Linux vs AI Agent开发：薪资、岗位与职业稳定性全面对比
嵌入式Linux与AI Agent开发怎么选？本文从薪资水平、岗位数量、职业稳定性三大维度深度对比，帮助开发者找到最匹配自身目标的技术路线，告别选择困境。
阅读全文 →
·18 分钟
LangSmith Engine：自动诊断并修复Agent故障的智能运维工具
LangChain推出的LangSmith Engine是一个专门用于追踪Agent失败、优先级排序并自动起草修复方案的智能体工具。本文深入解析其三大核心能力、沙箱隔离与子Agent架构设计，以及持续运行Agent评测的行业难题。
阅读全文 →
·6 分钟
7个Agent构建AI舆情监测平台：LangGraph全栈实战解析
深度解析一套基于LangGraph与LangChain的AI舆情监测平台，涵盖7个协同智能体的架构设计、ES向量检索、邮件预警、自动报告生成等核心模块，适合AI应用开发求职者参考。
阅读全文 →
·14 分钟
Gas Town：Go语言构建的多智能体工作区管理器
Gas Town是一款用Go语言开发的开源多智能体工作区管理器，已获超16,000个GitHub Star。本文解析其核心架构、技术选型优势及多智能体协作的典型应用场景，适合关注AI工程化与Agent编排的开发者参考。
阅读全文 →
