AI Agent标签_DAMO开发者矩阵

AI Agent

一线 AI 部署为什么发了账号却没人用：五个现场接口与一条采纳漏斗

企业 AI 落地到一线，最常见的失败不是模型不够好，而是账号发出去了，业务流程没变。沃尔玛 2025 年 6 月宣布计划向约 150 万名美国门店员工部署一组 AI 工具，这个数字很容易被读成把同一个聊天机器人一次性发给 150 万人。真正值得工程团队拆的，是它把 AI 接进门店已有运营系统的方式。先把两个数字的口径说清楚，否则后面的结论都站不住：150 万是计划面向的美国门店员工基数，不代表 1

Runwise创新咨询
20小时前

 66

 1

#人工智能 #AI Agent #系统架构
开源 AI Agent 中台 AgentOne(灵一)---私有部署、数据不出域的企业级 AI 助手

AgentOne 是一个开箱即用的 AI Agent 中台。它把构建 AI 助手所需的模型接入、知识库 RAG、Agent 编排、Skill 生态、MCP 集成、IM 接入、流式对话、多租户隔离和开放 API 等能力，封装成一套带完整管理后台的产品——不需要写一行代码，在页面上点一点，就能拥有自己的企业级 AI 助手，并通过 API / IM 机器人接入任意业务系统。

是Guava不是瓜娃
2026-09-14 21:45:16

 257

#AI Agent
清华 EMERGE-Policy 拆解：把 VLA 与世界模型都降级成技能，图结构 Agent 如何守住真机 94% 成功率

第一，技能按 Operational、Imagination、Evaluation 三类注册，职责不重叠。面对人为破坏、纸杯尺寸变化 5%-15%、颜色与相机视角突变时，成功率仍然守在 85%-94%。清华深圳国际研究生院的那台机械臂，把纸杯叠成 3-2-1 三层金字塔之后，被人从中间一把拆了。EMERGE-Policy 的做法不是再训一个更大的 Policy，而是在外面补一层显式编排。EMERG

deepseek23
2026-09-14 15:41:34

 236

#AI Agent
用 ReAct 框架打造一个具备实时搜索能力的 AI Agent（基于通义千问）

通过结合推理（Reasoning）与行动（Acting），AI 可以在回答问题前先分析是否需要查询最新信息，再通过工具获取外部数据，最后整合结果给出回答。然而，LLM 受限于其训练数据的时效性，无法获取最新信息。ReAct（Reasoning + Acting）是一种让 AI 既能思考（Reasoning）又能执行任务（Acting）的方法。这样，AI 具备了类似人类的思考 + 搜索 + 总结能

 天堂之静
2025-03-21 22:29:46

 1326

 16

#AI Agent
把企业手册变成会答话的机器人：知识问答怎么落地（AI 落地三形态·二）

企业里最值钱的知识锁在手册里——几百页设备文档、故障记录，平时没人翻、出事翻不到。本文讲一种生产环境验证过的落地形态：AI 执行体做入口与调度，Dify 承载知识库与问答应用，把「翻手册」变成「聊天里问一句」，答案带手册出处、置信度与示意图。为什么知识要放 Dify 不放 AI 执行体自己带（18 条用例双跑实测）、链路每个环节的设计取舍、三个生产里排过的坑——检索配置丢失、LLM 空输出、改写丢

 xluge248
2026-09-08 09:00:39

 557

 14

#AI Agent
2026上半年AI与计算机领域大事盘点：模型跃迁、Agent落地与算力博弈

凌晨两点，北京后厂村的一间办公室还亮着灯。做后端开发的陈川刚把公司客服系统的最后一个 Agent 接口调试完毕。他打开笔记本电脑，屏幕上同时开着四个窗口：一个在跑开源大模型的推理基准，一个在看国内某云厂商的 GPU 实例报价，一个在刷 arXiv 上刚出炉的多模态论文，还有一个是团队群里不断弹出的机器人评测数据。这是 2026 年上半年无数开发者的日常切片。落地、算力、智能体。大模型不再是实验室里

 weixin_56622231
2026-09-05 11:31:17

 324

 7

#人工智能 #AI Agent #算力
AI Agent不只是“回答问题”——它正在替你执行海外网红营销的全流程

2025年全球网红营销市场规模突破325亿美元，但品牌执行效率却跟不上——从策略制定到支付结算，每个环节都在消耗团队有限的人力。本文厘清AI Agent与聊天机器人的本质区别，拆解全流程自动化现状，以及对品牌人力配置的深远影响。

Nox聚星.
2026-09-04 10:47:10

 352

 10

#人工智能 #AI Agent
中科闻歌决策机 Decitron 拆解：MetaWorld 显式世界模型与 AutoABM 混合推理，AI 决策从「预测」走向「推演」

下面的程序实现了两个主体的重复博弈，用 SAO 结构记录每一轮的状态与结果。它们建模的是像素、空间、物理与机器人环境，输出是连续的视频或运动轨迹。MetaWorld 反其道而行，把推演所依赖的世界信息抽出来，整理成结构化、持久化、可计算的状态集合。每一轮模拟中，各主体基于当前状态评估自身目标，选择行动，产生 Outcome，MetaWorld 据此更新状态。MetaWorld 负责把现实世界转化为

 deepseek23
2026-09-03 16:58:49

 81

 1

#AI Agent
MHS 入门：AI Agent 如何用标准驱动安全操控实验室与制造设备

面向 Agent、机器人和实验室自动化开发者，拆解 Model Hardware Standard 的驱动、设备描述、MCP/CLI/代码控制与闭环执行架构，并借液体工作站案例说明物理世界中的模型局限。文章给出设备元数据、互锁、资源级授权、独立急停、异常接管和审计回放组成的六层安全控制面，同时明确 MHS 当前仍处于受限研究预览阶段。

naer_chongya
2026-09-03 11:51:06

 227

 7

#AI Agent #MCP #机器人
当AI Agent开始“记仇”：一个关于记忆、知识与技能的混乱现场

当AI Agent开始“记仇”，你的客服机器人会翻车吗？本文从真实项目事故切入，拆解AI Agent的“记忆、知识、技能”混乱现场，盘点Mem0、Qdrant、OpenViking等主流方案，并给出课程设计、求职、Demo三大场景的选型建议。

在水一缸
2026-09-01 07:14:54

 242

 4

#人工智能 #AI Agent #RAG
Agentic AI 实战：为什么团队协作总失控？

最近团队用 Claude Code 搞联调，连续翻车三次。表面看是模型能力不够，但实际排查下来，责任边界根本没理清楚。很多开发者有个误区：觉得 Agent 就是"更聪明的聊天机器人"。实际上，当系统开始自主决策时，传统的应用开发逻辑完全失效。先说清楚一件事：Agentic 不等于 RAG。RAG 解决的是"知识检索"问题，输入问题，输出相关文档。Agent 解决的是"任务执行"问题，输入目标，自主

 头像违规？？
2026-08-30 20:45:30

 342

 5

#人工智能 #AI Agent
Dify实战-Dify workflow的确定性与Hermes agent skill的“确定性”对比

上一篇文章说「门户机器人用 Dify 答，因为展示场景要确定性」。有读者问：Hermes 通过 skill 约束，不是也可以做到确定性吗？这篇文章正面回答这个问题：确定性分三层——流程、行为、输出。skill 约束能锁住行为层和部分输出层，但锁不住流程层，因为流程决策权始终在 LLM 手里。用我们自己的四个实测案例证明：文本约束是概率性服从，结构约束才是确定性执行。

xluge248
2026-08-30 09:18:44

 408

 15

#AI Agent #RAG
AI 终于“长出手”开始动机器？一篇看懂 Anthropic MHS 到底是什么

MHS 最值得关注的地方，不是它让一台机器突然听懂了聊天，而是它试图把最容易被忽略的基础层补上：设备怎样被发现，状态怎样读取，命令怎样受限，能力和安全信息怎样交给上层软件。对于实验室和先进制造而言，这种共同语言有机会减少重复的接口工程，让多台设备更容易协同。但“开始动机器”恰恰意味着更高的责任门槛。研究预览不是行业标准；可编程接口不是无限权限；能执行流程不是能解释物理世界；自动化更不是取消专家与安

 THE_BULE_BOTTOW
2026-08-29 20:31:06

 366

 5

#人工智能 #AI Agent #MCP
Hermes Agent + Dify实战-我们的门户机器人为什么用Dify，而不是用Hermes？

我们门户有两个自用机器人（「知鱼」「AI 机器人」），用的是 Dify 回答，而不是把本机的 skill 复制到云端 Hermes Agent。很多人问：Hermes 不是更强吗？为什么不用？这篇文章复盘当时的决策：公开展示面要的是确定性（回答稳定、可审计、可发布），这是 Dify workflow 的结构优势；而 Hermes 的自主执行能力，留给内部交付场景。判断标准只有一条：这个场景要的是「

xluge248
2026-08-28 16:57:40

 170

 5

#AI Agent
Copilot 能审 Agent 大 PR 之后：别把“可审”误读成“可放行”

Copilot Code Review 对 Agent 和机器人 PR 的扩展，解决的是自动化变更缺少审查入口的问题；取消大 PR 限制，则让它能被带入更复杂的工程场景。但入口扩大并不改变合并的责任归属。最稳妥的升级路径是：将 Copilot 评论定位为候选问题和上下文证据，将 Lite/ Balanced 视为可计量的审查投入，将关闭原因作为反馈分类；再用策略、切片、预算、必需检查、人审和回放卡

 THE_BULE_BOTTOW
2026-08-28 09:36:03

 339

 6

#AI Agent
9.3 客户支持聊天机器人-项目关键技术

构建图结构-定义节点的逻辑包含两个部分：（1）节点函数的实现（即每个节点的具体逻辑）。（2）在图中注册这些节点（通过graph.add_node()。定义节点的逻辑，我们聚焦于节点函数本身的实现逻辑，即每个节点做了什么。节点定义逻辑代码（不含图注册、路由或边连接代码）："""节点1：识别用户意图"""你是一个客户支持意图识别助手，请分析用户的问题并归类到以下类别之一：- faq:常见问题（账户、产

 新知图书
2026-08-27 12:27:57

 14

#人工智能 #AI Agent
9.2 客户支持聊天机器人-项目架构设计

可观测性：LangChain Tracing V2 + LangSmith，自动记录完整执行链路，支持调试、监控、评估。大语言模型：DashScope + qwen-turbo，阿里云通义千问API，低延迟、低成本，适合客服场景。工作流引擎：LangGraph (v1.0+)，构建状态驱动的有向图（DAG），支持条件路由、节点编排。（3）可追踪、可审计：所有节点输入/输出、模型调用、意图分类结果均

 新知图书
2026-08-27 12:25:18

 94

 2

#人工智能 #AI Agent
9.1 客户支持聊天机器人-项目概述

本项目构建的是一个轻量级、可追踪、意图路由型客户支持工作流，完美展示了LangGraph的基础能力（节点+条件边+状态传递），并结合LangSmith实现了可观测性。若后续需要支持多轮对话或复杂协作，可在此基础上引入循环边（Conditional Loop）或多智能体协作模式（如Supervisor+Workers）。

新知图书
2026-08-27 12:23:43

 91

 1

#人工智能 #AI Agent
构建带工具与记忆功能的聊天机器人

状态定义：MessagesStateMessagesState是LangGraph内置的状态类型，专门为对话场景设计，内部结构为{"messages": [消息列表]}，自动管理用户消息与Qwen-plus的回复内容。MemorySaver会自动持久化该状态，实现对话记忆，无论大模型切换为哪种，该状态的管理逻辑完全不变。

新知图书
2026-06-25 10:21:16

 221

 3

#人工智能 #AI Agent
11.3 多模态电商客服机器人-完整代码及运行结果

这个简化版的多模态电商客服机器人使用Qwen-VL实现多模态问答与图像理解，整体设计兼顾了功能性和实用性，并提供了友好的用户交互界面和历史记录功能，适合作为电商平台的智能客服解决方案。”，客服机器人结合图像和问题生成合理回答，比如“该款连衣裙售价为299元。（2）真实电商场景：需接入真实商品数据库、图像检索系统（如FAISS）、对话状态管理（如Rasa）。（1）模型选择：本案例使用在线模型服务，读

 新知图书
2026-08-27 10:45:18

 194

 5

#人工智能 #AI Agent
11.1 多模态电商客服机器人-系统架构

该项目实现了一个基于Qwen-VL模型的多模态电商客服机器人，能够同时处理用户上传的商品图片和文本问题，实现商品识别、信息查询等功能。本章将从架构、实现及优化的角度对多模态电商客服机器人的实现进行详细讲解。该项目是一个基于多模态技术的电商客服机器人，整体框架采用模块化设计，通过整合图像识别、文本理解和商品数据管理，实现对用户上传图片和文本问题的协同处理。整体架构分为5个核心层次，形成“数据输入→处

 新知图书
2026-08-27 10:42:42

 160

 7

#人工智能 #AI Agent
明略科技携手海康机器人亮相世界机器人大会，以“Agent+具身“联合进入商业机器人场景

明略科技聚焦VLM/VLA（视觉语言模型/视觉语言动作模型），针对商用服务机器人在非结构化场景中的作业难点，构建多模态感知、智能推理规划与多智能体协同的核心智能能力，旗下明胜品智深耕线下餐饮场景营运智能多年，积累大量数据与行业knowhow，对企业实际运营流程和需求有深刻理解；未来，明略科技希望打造AI Native的组织智能——让每一个智能体、每一台机器人，都成为会思考、能协作、有共同记忆的组织

 Mininglamp_2718
2026-08-26 18:37:47

 262

 8

#科技 #机器人 #人工智能 +2
一文讲清！AI智能体到底是什么？从Agentic AI到AI Agen，核心架构、技术实现与业务应用，建议收藏！！

本文详细解析了AI智能体(Agent)的核心概念、技术架构与应用场景。与传统AI不同，AI Agent具有自主性、目标导向和环境交互能力，由规划、记忆、工具调用、行动和反思五大模块构成。文章对比了AI Agent与聊天机器人的本质区别，介绍了个人助理、企业智能体和行业专用三大落地场景，并探讨了当前挑战与未来趋势，强调AI Agent将引领"数字世界的新人类"时代。

上马定江山
2025-10-14 11:23:46

 834

 10

#人工智能 #架构 #AI Agent +1
AI编程工具从个人试用到团队协作：权限和日志才是真正瓶颈

最近面试了几个转大模型的开发者，聊到 Agent 项目时经常出现一种情况：Demo 跑得很顺，一放到团队协作环境就崩。问他们崩在哪，十有八九是权限和日志。这不是模型能力的问题，是工程化思维的问题。很多人对 Agent 的理解还停留在"聊天机器人加工具调用"。这没错，但不完整。真正的 Agentic 系统，核心是自主决策循环：感知环境 → 规划任务 → 执行动作 → 观察结果 → 调整策略。每一步都

 技术琐事
2026-08-25 12:58:47

 279

 12

#AI Agent
Agent 工具调用很顺，团队协作却崩了？从三个核心组件看维护成本

摘要：最近把 Agent 从个人项目搬到团队协作，踩了一堆坑。模型调用和工具注册看着都没问题，但协作效率反而下降了。复盘后发现，问题不在模型能力，而在工具调用、记忆管理和任务规划这三个核心组件的设计取舍。本文用一次真实踩坑记录，拆解 Agent 底层机制，以及团队落地时需要补的工程能力。---目录Agent 的本质：不只是调 API 的聊天机器人规划能力：从串行执行到可恢复的任务图工具调用：注册容

 学习实战派
2026-08-25 11:09:42

 501

 17

#java #开发语言 #AI Agent
2.1 智能体开发环境安装《AI Agent智能体开发实践》

Python与AI Agent（人工智能智能体）之间有着密不可分的关系。作为当前人工智能领域主流的编程语言，Python凭借其简洁的语法、丰富的科学计算库（如NumPy、Pandas）以及强大的AI框架支持（如TensorFlow、PyTorch、Hugging Face），成为开发AI Agent的首选工具。AI Agent是能够感知环境、进行决策并采取行动的智能实体，广泛应用于智能对话系统、自

 新知图书
2026-08-24 15:27:40

 113

 2

#人工智能 #AI Agent
Agent Demo能跑团队却不敢接？权限日志和交付文档才是真正的门槛

前阵子我带团队把一个 Claude Code 接进内部项目，单人跑 Demo 确实丝滑，结果团队接手第二天就翻车了。不是模型能力不够，是权限越界、日志缺失、交付文档缺失，三个人对着满屏报错互相甩锅。这件事让我意识到一个问题：现在 AI 编程工具从个人试用走向团队协作，真正卡脖子的不是"Agent 能不能干活"，而是"团队能不能接手并维护"。很多人对 Agentic AI 的理解还停留在"能对话的机

 技术琐事
2026-08-22 11:15:10

 204

 6

#log4j #AI Agent