2026年多智能体协作元年已至，办公与开发场景效率提升获实证_服务软件

1. #华为折叠屏首发A2A智能体协作# 华为 Mate X7 这波黑科技太炸了！作为首款实现 A2A 智能体协作商用的折叠屏，直接把人机交互拉到新高度～依托鸿蒙 OS 的底层优势，小艺智能体化身 “超级协调官”，能自主调度多种工具和三方智能体，彻底打破应用孤岛！以前需要手动切换多个 APP 的复杂操作，现在一句话就能搞定，这不仅是小艺智能体实力的彰显，更重新定义了下一代折叠屏的核心体验 —— 从被动响应升级为主动协作。大家一定要去线下体验一下A2A智能体协作，相信会更加惊喜!

2. 大模型更像人的大脑，智能体是大模型的手和脚。 #大咖观察 #红衣聊AI #智能体 #大模型

3. Agent Infra到底是什么？【AI基建】

4. #华为折叠屏首发A2A智能体协作#华为Mate X7智能体验迎来里程碑式升级，首次商用A2A智能体协作，小艺不再是简单的语音助手，而是能并行处理多个任务的“超级助理”，从“值机”到“买菜”甚至“理财”，一句指令，它就能为你搞定。随着越来越多的合作伙伴加入，小艺和TA的朋友们将持续为消费者提供更丰富，更个性的A2A智能体服务。

5. MIT（麻省理工学院）的报告带崩了纳指，这个报告到底说了啥？#纳斯达克指数 #AI #MIT报告 #AI企业落地 #人工智能

6. #华为折叠屏首发A2A智能体协作#华为Mate X7这次真的把智能交互玩出了新高度。看完发布会最让人印象深刻的是A2A智能体协作功能，小艺现在能直接和其他应用的智能体“对话”了。比如简单说一句“选个能看到日落的航班座位”，它就能自动调用深圳航空的智能体完成选座，完全省去了手动操作各个应用的麻烦。这种跨应用的无缝协作，确实解决了之前需要反复切换应用的痛点。目前这个功能已经覆盖了航旅、财经、音频、生活服务等多个领域，这种智能体之间的协同协作，很可能成为折叠屏设备体验的新标杆。随着更多应用接入，未来的智能交互体验确实很值得期待！

7. 「Github一周热点94期」开源AI渗透测试智能体、模块化智能镜子、开源AI Coding、多平台热点聚合、IPTV 频道集合和开源游戏合集

8. 探访云栖（二）：AI Agent元年，谁在打造“数字员工”？【101 Weekly】

9. TRAE中国版白送SOLO，一人指挥一支AI大军重磅消息！SOLO终于上线TRAE中国版了，Waitlist免费开放中本期视频实测TRAE的新版本，亮点很多 1、先规划再动手的 Plan 模式 2、带专家团一起干活的 Subagent 子智能体 3、DiffView 差异视图 4、多任务并行 5、上下文智能压缩长时运行不掉链子 SOLO终于把AI从“瞎干活的外包”变成了“懂协作的队友” #AI #人工智能 #TRAE #AI编程 #vibecoding

10. 全新旗舰折叠华为Mate X7这次真的把AI带进了新阶段！#华为折叠屏首发A2A智能体协作#首发搭载鸿蒙6和A2A智能体协作功能，让小艺能直接调动其他应用的智能体协同服务。比如出差时只需说一句"选个能看日落的位置"，小艺就会通过深圳航空智能体帮你搞定座位；想知道股市行情，东方财富智能体立刻就能把数据呈上。完全不用来回切换APP，一句话就能让多个智能体为你工作。这种无缝衔接的体验才叫真正的智能升级，已经有点迫不及待想上手试试了！

11. 想要张艺谋式色彩、诺兰式调度？如何靠智能体实现？ #大咖观察 #红衣客厅 #红衣聊AI #智能体

12. 开源是战略，生态是王炸，阿里千问入局AItoC #千问 #大模型

13. 乔布斯 19 年前的那个“咖啡梦”，今天被千问实现了 #千问APP#千问Qwen#阿⾥巴巴#科技改变生活#AI新星计划

14. #华为折叠屏首发A2A智能体协作#新一代的华为Mate X7又将折叠屏体验拉满！作为行业首个实现A2A智能体协作商用的机型，小艺不再是单一助手，而是能联动多个应用智能体的"超级协作中枢"。旗舰芯片的强悍算力加持，让智能体间的任务流转、数据互通零延迟，彻底解决了折叠屏多任务适配差、操作割裂的老问题。这不仅是小艺智能体的实力爆发，更给折叠屏定下了"智能协同"的新赛道，期待实际上手体验！

15. 华为新品发布会来了！这次折叠旗舰带来了颠覆性体验——小艺智能体首次实现商用A2A智能体协作！#华为折叠屏首发A2A智能体协作#通过Agent to Agent协议，小艺能和伙伴们协同处理工作生活需求，只需一句话指令，它就能联动多个智能体高效协同，处理工作生活需求简直一键到位。这次发布会着实让人大开眼界，个性化服务简直贴心到爆，折叠体验真的跨入新阶段。我已经迫不及待想上手体验了，华为这次对智慧生活的诠释又刷新了我的认知！新品必火！

16. github.com/Tencent/WeKnora 腾讯开源的RAG框架：WeKnora（维娜拉）这是一款基于大语言模型的文档理解与语义检索框架，专为结构复杂、内容异构的文档场景而打造。框架采用模块化架构，融合多模态预处理、语义向量索引、智能召回与大模型生成推理，构建起高效、可控的文档问答流程。核心检索流程基于 RAG（Retrieval-Augmented Generation）机制，将上下文相关片段与语言模型结合，实现更高质量的语义回答。核心特性 🤖 Agent模式：支持ReACT Agent模式，可调用内置工具检索知识库、MCP工具和网络搜索，通过多次迭代和反思给出全面总结报告 🔍 精准理解：支持 PDF、Word、图片等文档的结构化内容提取，统一构建语义视图 🧠 智能推理：借助大语言模型理解文档上下文与用户意图，支持精准问答与多轮对话 📚 多类型知识库：支持FAQ和文档两种类型知识库，支持文件夹导入、URL导入、标签管理和在线录入 🔧 灵活扩展：从解析、嵌入、召回到生成全流程解耦，便于灵活集成与定制扩展 ⚡ 高效检索：混合多种检索策略：关键词、向量、知识图谱，支持跨知识库检索 🌐 网络搜索：支持可扩展的网络搜索引擎，内置DuckDuckGo搜索引擎 🔌 MCP工具集成：支持通过MCP扩展Agent能力，内置uvx、npx启动工具，支持多种传输方式 ⚙️ 对话策略：支持配置Agent模型、普通模式模型、检索阈值和Prompt，精确控制多轮对话行为 🎯 简单易用：直观的Web界面与标准API，零技术门槛快速上手 🔒 安全可控：支持本地化与私有云部署，数据完全自主可控 #科技先锋官#

17. 这个对 Agent 的定义和归纳挺好！Agent 是一种能够自主决策、执行任务、并在过程中动态调整行为的智能体。它并不是简单的问答系统，而是能理解目标、规划行动、调用工具、记忆状态，并根据反馈优化策略的智能执行系统。关键特征：（1）自主性：Agent 不依赖固定流程，而是根据上下文和已学到的信息动态决定下一步行动。（2）记忆能力：能够在多轮交互中保持状态，记住过往的操作与结果，用以改进后续决策。（3）工具使用：可以选择并组合不同的外部工具或系统，灵活完成复杂任务。（4）自适应性：在策略失败或信息不足时，能尝试不同方法或补充信息，持续优化执行路径。架构形式：（1）单智能体（Single-Agent）架构：由一个 Agent 处理所有任务，适用于中等复杂度的流程。（2）多智能体（Multi-Agent）架构：不同的 Agent 负责不同子任务，能处理复杂工作流，但需要协调机制确保协同一致。工作方式：Agent 通常会将用户请求拆解为子任务，通过搜索、记忆和工具调用等过程生成最终响应，并在此过程中不断判断是否需要更多信息、是否已回答过类似问题、是否需要切换策略。归纳起来：Agent 是具备理解、规划、执行、记忆与自我调整能力的智能体，能够以动态和自适应的方式完成复杂任务。#ai创造营# #程序员#

18. 阿里王牌Agent横扫SOTA，全栈开源力压OpenAI！博士级难题一键搞定

19. 论文 Fundamentals of Building Autonomous LLM Agents，系统性地梳理 “如何构建一个真正具备自主性的 LLM 智能体”，也就是从「语言模型」走向「智能体」（而不仅仅是增强的聊天机器人／工具调用系统）。论文提出希望解答以下几个研究问题（RQs）：（1）设计空间（Design space）：核心子系统（感知／推理／记忆／执行）有哪些可选方案？如何系统化组织？（2）子系统整合（Integration）：在现实软件环境（比如 GUI、web 任务）中，这些子系统如何闭环协作？（3）推理效能（Reasoning efficacy）：不同推理策略（如 Chain-of-Thought、Tree-of-Thought、并行规划等）对任务成功率、效率、成本有什么影响？（4）记忆影响（Memory impact）：短期／长期记忆机制（例如 RAG、上下文管理）怎样提升模型在长时程任务或大上下文任务中的表现？（5）失败模式与缓解（Failures & mitigation）：代理在哪些方面容易失败（如幻觉、GUI误定位、重复循环、工具误用）？有哪些缓解技术？（6）评估与泛化（Evaluation & generalization）：有哪些基准／指标适用于评估此类代理？代理能在多任务、多界面条件下泛化吗？★ 核心架构论文将一个具备自主能力的 LLM 智能体拆解为以下四大模块：1. 感知（Perception）系统2. 推理／规划（Reasoning／Planning）系统3. 记忆（Memory）系统4. 执行（Execution）系统★ 感知系统感知系统是智能体“看／听／感知环境”的部分。论文提及四种主要方式：文本感知、多模态感知、结构化数据／信息树感知、工具辅助感知。- 文本感知（Text-Based）：环境以纯文本形式输入，LLM 直接处理。这种方式代价最低，但只适用于文本驱动的场景。- 多模态感知（Multimodal）：环境包含图像／视频＋文字，使用视觉‐语言模型（VLM）或多模态 LLM（MM-LLM）将视觉输入编码为与文本兼容的向量。- 结构化数据／信息树（Information Tree / Structured Data）：例如 GUI 的 Accessibility Tree、HTML DOM 树，将界面元素结构化地输入模型。- 工具辅助感知（Tool-based）：智能体调用外部 API／工具获取环境信息（如网页检索、数据库查询、传感器数据等）然后将结果反馈给 LLM。论文还指出感知系统的关键挑战：例如图像识别中模型可能“幻觉”对象、上下文窗口受限、高计算／延迟成本、数据收集困难等。★ 推理系统推理系统是智能体“思考／规划／决策”那部分。论文讨论了多种方法：- 任务分解（Task decomposition）：把大任务拆成子任务。包括“先分解再规划”（Decomposition first）和“交错分解”（Interleaved decomposition）两类。- 多方案生成与选择（Multi-plan generation & selection）：代理生成多个可能方案（如通过 Tree-of-Thought, Graph-of-Thought, LLM-MCTS 等）然后选择最优一个。- 反思（Reflection）：智能体在执行后或执行途中反思自己的决策／行动，识别错误并改进。甚至“预反思”（anticipatory reflection）在执行前预测失败。- 多智能体系统（Multi-agent systems）：将推理分为多个“专家”模块（Planning Expert、Memory Expert、Error Handling Expert 等），各司其职、协同完成。★ 记忆系统记忆系统使智能体不仅“即时反应”，还能“记住过去、用过去指导未来”。论文区分短期记忆与长期记忆。- 长期记忆（Long-term memory）：如将经验固化、使用 Retrieval-Augmented Generation（RAG）从外部知识库检索、将结构化数据（如 SQL 数据库）用于查询。- 短期记忆（Short-term memory）：通常是 LLM 的上下文窗口中的“当前任务状态”。- 应存储的数据类型：成功经验、失败经验、动作轨迹、环境反馈等。将“失败”经验也显式记录有助于避免重复错误。- 记忆系统的挑战包括：上下文窗口限制、检索噪声、长期记忆如何更新与维护、如何避免“记忆漂移”等。★ 执行系统执行系统是智能体“将内部决策落实为环境动作”的部分。论文谈到执行系统要支持工具调用、API／代码生成、物理操作、GUI 控制等。具体维度包括：- 工具与 API 集成（Tool and API Integration）- 多模态行动空间（Multimodal Action Spaces）——例如 GUI 控制、视觉界面操作、机器人控制、代码执行等。- 整合挑战（Integration Challenges）——例如如何让决策结果真正映射到动作、如何反馈结果、如何监控执行失败／成功。论文：arxiv.org/abs/2510.09244#ai创造营##程序员#

20. 99%的人都搞错了AI Agent？智能体该如何帮企业赚钱？

21. 回顾鸿蒙 AI 的发展，从一开始功能比较简单，#AI已经可以帮我养猫了#到现在鸿蒙 6 整合 80 多个鸿蒙应用智能体，真的能看出它一直在跟着消费者需求走。现在小艺能搞定生活、办公、娱乐各种事，就连AI养猫这种以前不敢想的事，小艺都能帮助完成。这种多智能体深度协同的模式，感觉会是科技企业 AI 发展的大趋势。毕竟现在大家都需要更全能的 AI 助手，鸿蒙 6 已经走在前面了。我觉得未来鸿蒙 AI 还能更厉害，期待后续升级！#鸿蒙上线超80个应用智能体#

22. #华为折叠屏首发A2A智能体协作# 语音助手和AI是智能手机的标配，但真正好用，又非常智能，还会自己思考的智能体非常少见。华为Mate X7折叠屏首发A2A智能体协作，这引发了又一轮升级。具体来说，小艺不再是简单的语音助手，而是能并行处理多个任务的“超级助理”，从“值机”到“买菜”甚至“理财”，一句指令，它就能为你搞定。比如，我想买机票，直接告诉小艺订票。出差前一天，小艺会提醒你设置闹钟，甚至会帮你叫车，给我提供全方位的智能服务，这才是用户需求的AI智能体。

23. 华为Mate X7这次首发的A2A智能体协作真的太懂用户需求了，直接把折叠屏智能体验拉满到新高度，用一次就彻底上瘾～以前喊AI助手办事总卡壳，要么只能单步操作卡半天，要么来回切APP越用越烦，效率低到爆炸~而现在用Mate X7随便说句值机选靠窗座、买数据线，小艺直接自动联动多APP跑通全流程，全程零手动操作，省心到飞起！#华为折叠屏首发A2A智能体协作#

24. 阿里千问与“AI Layer”崛起：一场重塑互联网的“操作系统”生态战【硅谷101】

25. 谁懂跨APP切换的繁琐？#华为折叠屏首发A2A智能体协作# 华为Mate X7首发A2A智能体协作，直接终结传统操作痛点！工作上，一句指令就能联动邮件、日程、文件、数据智能分析，自动完成分析；生活里，喊一声“规划周末亲子游”，订票、订酒店、查路线智能体无缝协同，甚至复购猫粮都不用翻订单。无需手动切换系统，多个应用智能体自动分工协作，个性化需求精准响应。从值机选座到行程规划，从办公协同到生活琐事，Mate X7化身全场景智能中枢，让每一次指令都直达结果，高效又省心～

26. #华为折叠屏首发A2A智能体协作# 华为Mate X7智能体验再升级，小艺智能体首次商用A2A智能体协作，小艺也变得更聪明更智慧了，它不再是简单的语音助手，而是可以帮你完成多种指令的超级助手，一句话就能帮你轻松搞定多个任务，实现了智能体间的任务流转、数据互通，彻底解决了折叠屏多任务适配差、操作割裂的问题，华为Mate X7重新定义高端折叠屏的智能体验天花板

27. #英伟达发布旗舰模型Nemotron 3#Nemotron 3的核心野心，是用“开源+高效”打破AI智能体的技术壁垒，一边巩固英伟达在AI硬件的霸权，一边通过软件生态渗透，倒逼行业从“单模型聊天”转向“多智能体协作”。对企业而言，这是降本增效的利器；对行业而言，一场由硬件巨头主导的AI生态革命，才刚刚开始。

28. 吴恩达DeepLearning AI 新课程：Design, Develop, and Deploy Multi-Agent Systems with CrewAI可以浏览器装一个沉浸式翻译插件，实时英文字幕转中文。主要介绍了如何设计、开发与部署多智能体（multi-agent）系统，重点在于掌握代理式 AI 工作流（agentic AI workflows）的思维方式与工程方法。将学会如何把复杂任务分解成由多个专门智能体协作完成的子任务，从而高效构建复杂的 AI 应用。1. 掌握构建多智能体系统的基本概念：agent、task、crew、flow、state 等。2. 理解智能体的核心组成：记忆（memory）、工具（tools）、模型上下文协议（MCP）、执行钩子（execution hooks）与防护机制（guardrails）。3. 学会通过 CrewAI 框架将这些要素组合，构建具有可观测性、可控性与可扩展性的系统。4. 了解如何通过指标（metrics）与人类反馈（human feedback）对智能体进行评估与持续改进。访问：learn.deeplearning.ai/courses/design-develop-and-deploy-multi-agent-systems-with-crewai

29. 看了华为Mate X7的发布内容，我觉得这次亮点的除了硬件，还有鸿蒙AI助手#小艺#。这次#华为折叠屏首发A2A智能体协作#，看介绍是把鸿蒙应用智能体之间给打通了。比如说你想买菜或者订机票，以前是人去操作APP，现在是小艺直接调动叮咚买菜或者深圳航空这些应用智能体去干活。除了协同鸿蒙应用智能体，小艺的AI能力也升级了，尤其那个再来一单的功能，我看介绍说只要讲一句帮我在京东再买一单猫粮，小艺就能自动分屏去跑下单流程，这对于咱们这种经常复购日用品的人来说，绝对是懒人福音。还有办公场景里那个文档对比，直接扔给小艺去找不同，这确实切中了很多打工人的痛点。感觉华为Mate X7这次通过分屏和AI协作来提升效率，这思路确实走在前面了。#华为Mate80##华为MateX7#

30. #华为折叠屏首发A2A智能体协作#折叠旗舰华为Mate X7携鸿蒙6与首发A2A智能体协作重磅登场。小艺智能体解锁跨应用协同新姿势，一句指令就能召唤TA的朋友们联手办事。出差时对小艺说“选能看日落的深航座位”，办公时喊“整理Q3销量数据做可视化”，下班随口一句“帮我再来一单上次买的菜”，分屏多任务与跨设备流转无缝衔接，复杂事务一键搞定。从工作高效协同到生活随心掌控，华为Mate X7让全场景智能体验更懂你、更省心！

31. Google 刚宣布要做 AI 购物，阿里千问就已经给大家安排上了

32. AI智能体如何改变自媒体创作者的工作环境？HarmonyOS 6工作场景体验

33. 随着AI智能体的发展，能做好决策、持续创新的人，会拥有独特的竞争力。#大咖观察 #红衣聊AI #行业研究

34. #华为折叠屏首发A2A智能体协作# 华为Mate X7首发的这套智能体功能确实挺强挺实用啊！对于日常使用来说，这样的Ai智能才是我们需要的。小艺智能体首次商用A2A智能体协作，实现与第三方软件平台的协同：只需要说一句话，小艺就能无缝串联其他APP智能体，轻松实现AI订票、AI复购、AI理财建议等等各种需求和体验。华为Mate X7在智能体验这块确实做得不错，平时繁琐复杂的操作，直接一句话就搞定了。

35. #华为MateX7的大屏AI有多强# 华为Mate X7首发搭载鸿蒙6，以A2A智能体协作引领折叠屏AI体验！全方面展现“越展开越心动”的实力，如今的小艺早已不止解答，更能实打实帮你做事。办公时，分屏联动让左屏看邮件、右屏生成文档大纲同步进行，小艺慧记实时转写会议要点并智能标注，跨应用复杂操作效率倍增；旅行中，一句指令即可调度深航智能体完成订票选座，分屏导航同步呈现攻略与路线；金融场景里，东方财富智能体秒解行情动态，大屏多维度同步监控数据。生活中，叮咚买菜智能体推荐食谱一键加购，小艺修图、方言交互更贴心。鸿蒙6打破应用壁垒，让小艺成为超级服务枢纽，覆盖生活、学习、金融等全场景。周五首销开启，放心冲！！！

36. #华为折叠屏首发A2A智能体协作#就我本人来说，除了最关注的Mate 80之外，最感兴趣就是华为Mate X7它首度实现A2A智能体协作商用，这标志着折叠屏手机进入智能化新纪元。华为A2A（Agent-to-Agent）智能体协作技术，突破了传统设备操作方式，实现设备间无缝互动与协作，为用户提供了更高效、智能的使用体验。这一技术的发布，不仅提升了华为Mate X7的多任务处理能力，也深度展示了小艺智能体的强大实力，进一步推动智能设备的互联互通。凭借A2A智能体协作，华为Mate X7可在多个设备间实现无缝切换，提升工作与娱乐的效率，同时使折叠屏的使用体验更加流畅、灵活。这一突破性功能，将为未来折叠屏手机的应用场景带来更大想象空间。

37. Effective Agent Design概述了高效AI智能体（Agent）设计的核心原则，强调上下文管理是提升自主性的关键挑战。1. 现代智能体正趋向于采用类Unix架构，通过赋予模型访问文件系统与命令行（CLI）的权限，来扩展其行动空间并减少对模型内置窗口的依赖。2. 详细讨论了上下文工程的多样化策略，包括利用渐进式披露来优化工具调用、通过缓存技术降低成本，以及利用子代理隔离来处理复杂任务。3. 文章预判了持续学习与自我进化的趋势，即智能体能反思过去经验以更新记忆或技能。4. 展望了多智能体协作与长期运行任务的基础设施建设将成为未来的重要演进方向。访问：x.com/RLanceMartin/status/2009683038272401719#ai创造营# #程序员#

38. 什么是 AI 智能体？

39. 电子书《Patterns for Building AI Agents》（构建 AI Agent 的模式），地址： mastra.ai/book-2（注意需要填邮箱才能下载），本书由 Mastra 的联合创始人 Sam Bhagwat 和 Michelle Gienow 撰写。本书总结了 22 种核心构建模式，系统地涵盖了四大关键领域：架构配置（如将功能拆解为多 Agent 协作及“人在回路”设计）、上下文工程（如通过压缩和修剪来优化模型记忆与准确性）、评估体系（如建立失效模式分类表与利用领域专家标注数据）以及安全防护（如防止提示注入与代码沙盒运行），为构建可靠、高效且安全的 AI 智能体提供了具体的工程指南。#科技先锋官#

40. Wegent是一个开源的多Agent智能体构建和运行平台，本周项目做了一些更新：1 拆分Chat模式和Code模式，优化各自模式的UI/UX2 使用Claude Code执行引擎时，可以展示详细的执行步骤3 优化了单任务的追问效果github.com/wecode-ai/wegent 欢迎关注

41. 2026上半年国内十大AI工具核心特点一览： 1. 豆包 (字节跳动) 特点：对话交互体验佳以拟人化对话和语音交互见长，响应速度快，适合日常闲聊、口语练习及轻量级信息查询。 2. DeepSeek (深度求索) 特点：逻辑推理与代码金融在数学推导、代码生成及金融分析领域表现卓越，以高性价比和强逻辑性著称。 3. 文心一言 (百度) 特点：中文知识问答权威依托庞大的知识图谱，在中文语义理解、百科问答及搜索增强方面表现优异。 4. 通义千问 (阿里) 特点：办公场景全能助手深度集成于阿里办公生态，在文档处理、会议纪要及跨格式解析方面表现出色。 5. 智谱清言 (智谱AI) 特点：思维链逻辑推理强擅长复杂问题拆解与逻辑推演，能够展示清晰的思考过程，适合科研与深度分析。 6. Kimi (月之暗面) 特点：超长文本处理专家支持超大上下文窗口，轻松解析百页PDF与长篇文档，是阅读与摘要的利器。 7. 元宝 (腾讯) 特点：精准检索与摘要深度整合微信生态，擅长处理长文档摘要、资料精准检索与复杂指令分析。 8. 通义灵码 (阿里) 特点：高效智能编程基于通义大模型的编码助手，支持行级/函数级实时续写，大幅提升开发效率。 9. 天工AI (昆仑万维) 特点：AI音乐创作先锋在AI音乐生成领域独具特色，支持多种风格的旋律创作与歌曲生成。 10. 即梦/可灵 (字节跳动) 特点：多模态内容生成字节跳动在视频与绘画领域表现突出，其中即梦侧重绘画设计，可灵侧重视频生成，展现了强大的视觉内容创作能力。（转）

42. The Complete Guide to Building Agents with the Claude Agent SDK。这篇基于Claude Agent SDK 构建智能体的指南很详细了。周末可以试试～介绍了 Claude Agent SDK 的核心功能与应用，展示了开发者如何利用该工具构建具备自主能力的 AI 智能体。该库继承了 Claude Code 的底层架构，能够自动处理任务循环、上下文管理及文件读写等内置工具。通过具体的 TypeScript 代码示例，文中详述了开发代码审查智能体的过程，包括如何实现自动化漏洞检测与结构化反馈。此外，内容还涵盖了子智能体协作、权限控制以及通过 MCP 协议扩展自定义工具的高级用法。#程序员# #ai#

43. AI 智能体上下文工程 4 大核心策略，拯救大模型的「金鱼记忆」！

44. Google Cloud 推出多智能体 AI 系统参考架构，助力构建高效协作的专业 AI 代理，实现复杂业务流程优化。核心思想是将大任务拆解成多个子任务，由多个专长智能体协同完成，提高效率与准确性，同时支持人机协作保障安全与可靠。架构亮点：- 用户输入由前端发送至协调者代理，自动选择合适代理流程（顺序执行或迭代优化）。- 任务子代理、质量评估器和响应生成器分工明确，支持多轮优化与人工干预。- 支持无服务器 Cloud Run，结合 Vertex AI、GKE、Model Armor 等多款 Google Cloud 产品和开放协议（A2A、MCP），确保系统安全、兼容和扩展性。应用场景广泛：- 财务顾问：实时数据检索、金融分析、个性化股票建议、自动交易执行。- 研究助理：规划、数据收集分析、报告撰写，支持迭代评估完善。- 供应链优化：库存管理、物流跟踪、供应商沟通，实现高效供应链协同。设计要点：- 安全：结合传统安全与动态防御，强调人工监督和最小权限，利用 Model Armor 防范提示注入和敏感信息泄露。- 可靠性：支持容错设计、故障模拟、日志和异常处理，确保高可用。- 运营：全面日志监控、智能体输出评估、工具共享和跟踪，提升运维效率。- 费用与性能优化：合理选型模型与资源，提示工程优化输入输出，支持上下文缓存和批量请求降低成本与延迟。后续行动：- 利用智能体开发套件（ADK）快速构建与部署。- 结合 Agent Garden 示例和代码，实践多智能体系统。- 深入理解 Google Cloud AI 和机器学习的架构原则与最佳实践，实现业务价值最大化。多智能体 AI 系统正推动智能自动化迈向新高度，将复杂任务拆解为可管理模块，提升效率与安全，适合金融、研究、供应链等多领域。推荐架构详细解读请见：cloud.google.com/architecture/multiagent-ai-system

45. Multi-Agent Collaboration via Evolving Orchestration这篇论文提出了一个极具启发性的多智能体协作框架：让整个多智能体系统由一个可学习的 “木偶师（Puppeteer）” 动态调度所有智能体（Puppets）这个框架，旨在通过解决现有系统固有的静态组织结构问题，来优化大型语言模型（LLM）的多智能体协作。其核心思想是利用一个集中式协调器，像木偶师一样，根据任务的动态变化来动态指导和调度专业化代理的激活顺序。这种协调器通过强化学习进行训练，其奖励函数旨在同时最大化解决方案的质量和计算效率，例如减少令牌消耗。实验结果表明，该方法在各种任务中实现了卓越的性能，同时显著降低了计算开销，证明了其可扩展性。分析进一步揭示，经过优化的协调机制促使多智能体系统形成了更紧凑且具有循环反馈的推理拓扑结构，超越了传统的链式或树状模型。1 研究提出的问题：当前 MAS 存在的根本瓶颈1）当前大多数多智能体系统采用静态结构，例如固定流程、固定 DAG、固定角色协作方式。2）当任务复杂度提升或智能体数量增加时，静态架构会出现协调开销大、冗余调用多、效率下降等问题。3）某些智能体在任务中实际贡献有限，但静态结构依然会触发它们，导致 Token 浪费甚至干扰推理。4）在软件生成、复杂问答、开放域推理这些任务中，多智能体之间真正有效的协作模式往往因任务不同而变化，这很难靠人工预设计完成。因此，论文提出一个关键问题：能否让一个系统自动“学会”如何调度智能体，而不是用固定协作结构？2 核心思想：木偶师式动态调度（Puppeteer Paradigm）智能体是“木偶”，一个中央控制器是“木偶师”，其任务是在推理过程中动态决定谁上场、谁退场。整体架构包含三个关键点：1）让一个中央 orchestrator（木偶师）在每一步根据当前任务状态，选择一个最合适的智能体执行下一步推理。2）这个 orchestrator 会在任务执行后得到奖励（正确性 + 计算成本），并通过强化学习不断优化调度策略。3）虽然过程是序列化的（每步一个 agent），但整个推理轨迹可以折叠成一个动态生成的有向图，即“推理图谱（Graph-of-Thoughts）”。这意味着：1）系统可以随着任务自动形成树结构、图结构、循环结构等多种协作拓扑。2）协作不再依赖预定义流程，而是任务驱动、自适应、持续演化的。3 方法框架详细拆解论文的方法分成两个关键模块：3.1 动态编排（Dynamic Orchestration）1）将每个智能体表示为一个三元组（模型、推理模式、可用工具）。2）将多智能体协作建模为一个集中式决策过程：木偶师在时间 t 根据全局状态 Sₜ 选择一个 agent 执行推理。3）每个 agent 输出结果后更新全局状态，并交由木偶师继续选择下一个 agent。4）当遇到终止条件（例如 Terminator agent）时，系统停止并输出最终结果。这个决策过程严格满足马尔可夫性，天然适合强化学习：P(aₜ₊₁ | S₀, ..., Sₜ₊₁) = P(aₜ₊₁ | Sₜ₊₁)因此 orchestrator 可以真正做到基于实时状态的动态调控。3.2 自适应演化（Adaptive Evolution）论文使用 REINFORCE 算法优化 orchestrator 的策略 π：1）任务完成后一次性给出奖励 r（正确 1，错误 0，开放任务得分区间为 [0,1]）。2）每一步会设定成本 Cₜ（Token 或 FLOPs）。3）总回报为 r 减去 λ·成本，λ 是可调的效率权重。该设计促使 orchestrator 学会：1）更倾向使用高性价比的智能体2）避免冗余推理步骤3）尽快调用 Terminator 停止推理4）长期形成紧凑而高效的协作结构4 实验结果解析：性能提升 + 成本下降“双赢模式”1） Puppeteer 在几乎所有任务上都获得显著性能提升2）强化学习后的 evolved 版本比初始版本显著更强3）在 Titan 模型空间中，平均性能从 0.6893 提升到 0.77314）更重要的是 Token 开销随着训练反而下降，不是上升这与过去多智能体研究经常出现的“调用越多越好”形成鲜明对比。5 拓扑结构的演化：从链式到紧凑循环论文一个非常有趣的发现是：随着 orchestrator 训练，多智能体协作拓扑从松散 → 紧凑，从树结构 → 图结构，并出现大量循环。具体表现为：1）图密度增加2） agent 之间的循环次数增加3）反复调用少量“核心智能体”的情况越来越多4）冗余 agent 被逐步淘汰5）推理链路更短、更集中、更有效其背后的原因非常符合直觉：1）强 agent 往往值得重复调用2）循环（自我检查、跨 agent 校验）有益于复杂推理3）扩散式的树结构容易浪费 token4）强化学习会惩罚冗余推理，鼓励形成高效闭环可以认为，这是一种机器自动学习推理结构的过程，类似于“推理图谱的自组织”。#ai创造营# #科技#

46. 天禧 AI 个人超级智能体，旨在成为 AI 时代的「应用商店」和「搜索引擎」。原因很简单，未来单个智能体很难完成用户的复杂任务，需要多个智能体协作完成。为此，联想提供了天禧智能体连接服务，符合要求的开发者即可将自家产品接入，为联想用户提供更丰富的智能体服务。联想在这中间扮演的是「经纪人」的角色，为不同需求的用户，寻找对应的智能体服务。这个模式，应该是未来 AI 终端厂商的其中一个发展方向。

47. OPPO和蚂蚁集团开展战略合作！10月23日，OPPO与蚂蚁集团在杭州举行战略合作签约仪式，双方将在AI智能体、服务生态、“碰一下”、医疗健康服务、保险、用户体验等方面展开深入合作。根据协议，双方将在技术方面共建AHA多智能体互联协同方案，让OPPO系统级AI与支付宝Agents的高效协同持续扩展到更多垂直领域，打造行业领先的的企业级AI技术解决方案，推进行业多智能体协同标准规范化。

48. 告别效率焦虑：鸿蒙电脑如何重塑你的办公体验？

49. 超能小艺，一用就爱！华为Mate80把拥抱AI时代的入口直接送到掌心✨今年走过十几个国家，我的行囊永远有两样东西不会少：护照，和那台陪我踏遍山河的华为手机。而今天，小艺全新升级，真的让我惊喜 —— A2A智能体协作带来和传统AI助手截然不同的体验，无处不在的智慧体验！✅ 一句话，多智能体协同响应：“用深航订巴塞罗那机票，再用喜马拉雅找西方通史播客，最后总结重点”——小艺联动多个鸿蒙应用智能体，像指挥团队一样为你服务。✅ 小艺输入法：实时识别输入的文字并转译，无障碍地享受和世界对话的快乐～✅作为旅行博主觉得最贴心的还是小艺的对话式修图，几秒就出能大片……无论是生活琐事还是办公出行，小艺都能调用各类鸿蒙应用智能体协同处理，这不是普通AI助手，而是鸿蒙生态下的 “隐形超能协作团队”。将我们的时间与精力，归还给旅行中最本真的探索与创造—— 这大概就是小艺让我 “一用就爱” 的原因。#华为折叠屏首发A2A智能体协作##小艺##华为Mate80# 梁亦同的微博视频

50. 盘点一周AI大事(11月30日)｜AI自己剪片子奥特曼预告下一代大模型Shallotpeat Anthropic发布最强编码模型Claude Opus 4.5 DeepSeek发布最强开源推理模型DeepSeek-Math-V2 微软开源最强行动智能体Fara-7B Black Forest推出最强开源图像模型Flux.2 阿里发布开源版小香蕉平替Z-Image 腾讯发布开源版Veo 3平替Tencent Harmony 字节开源AI剪辑大模型Vidi2 腾讯开源最强OCR模型HunyuanOCR 1B 科学家研发出最强数据分析智能体Edison Analysis RAI研发棒球陪练机器人港科大训练出首个会打篮球的机器人工程师开源家用机器人Aloha mini #AI新星计划 #人工智能 #AIGC #OpenAI #机器人

51. AI时代，最不值钱的，就是重复劳动；最值钱的，是你得熟练指挥智能体。#大咖观察 #红衣聊AI #硅谷 #智能体 #AI应用

52. #华为折叠屏首发A2A智能体协作#华为Mate X7首次实现A2A智能体协作，令大屏手机在AI层面的优势充分被释放。直板机上很多需要切换来实现的交互，华为折叠屏直接一屏搞定，而且大屏下更能实现一屏多应用操作，相对于直板机，可视范围更大。就好比在看股票的时候，折叠屏可以一边看盘，一边让小艺智能体分析，那体验超高效。

53. 【#华为折叠屏首发A2A智能体协作#】华为MateX7重磅实现A2A（AgenttoAgent）智能体协作商用，标志着折叠屏在系统层面完成革命性进化。首次亮相的A2A小艺智能体，打破传统应用“孤岛困境”，凭借强大的跨应用调度与协作能力，可联动多款APP智能体自主拆解任务、协同响应指令，让“一句话搞定复杂需求”成为现实。

54. 周末看完吴恩达 DeepLearning AI 「Agentic AI」的视频，整理了一下第二部分的笔记（第一部分：网页链接）四、实用的开发经验1. 评估：快速迭代，数据驱动在开发Agentic AI时，不要陷入长时间的理论讨论。最有效的方法是：1）快速构建一个MVP：无论初始版本多简陋，先让它跑起来。2）基于输出构建评估：将MVP的输出与人类专家结果或期望结果进行对比，找出最容易出错的环节，并针对这些薄弱点开始构建评估体系。3）持续迭代：评估系统不是一次性的，需要随着Agent的演进而不断优化。2. 构建评估体系的框架可以从两个维度来设计评估方法：- 评估方法：使用客观代码 vs. 使用LLM进行判断- 真实值可用性：有标准答案 vs. 无标准答案组合起来，形成四种主要策略：1）有真实值 + 代码评估：最客观可靠。例如，判断发票日期是否与预期一致，或使用正则表达式匹配关键信息。2）有真实值 + LLM评估：适用于需要理解内容或符合特定标准的任务。例如，在评估一篇研究文章的总结时，可以先提取原文中的关键观点，然后让LLM判断AI输出中包含了多少个必须存在的关键点。3）无真实值 + 代码评估：通过简单规则进行基础校验。例如，检查输出内容是否大于10个字符。4）无真实值 + LLM评估：最主观、也最灵活。完全依赖LLM根据一套评分标准进行判断。3. 优化与分析：从Trace入手Agent的出错点可能很多。一个关键习惯是分析执行轨迹（Trace）。通过对比每一步的中间输出与预期结果，可以精准定位需要优化的具体步骤。一个有效的方法是使用表格或Excel，统计每一步的错误发生率，从而将优化资源集中在错误最多、影响最大的环节。4. 组件级评估除了端到端的整体评估，对单个组件进行独立评估同样至关重要。这能让你更快速、更精准地测试和优化特定模块，而无需运行整个复杂的工作流。5. 优化LLM组件的性能当发现某个LLM组件是瓶颈时，可以从以下方面入手：1. 优化提示词2. 尝试不同的模型3. 将任务进一步细分4. 对模型进行微调作为开发者，培养对模型的“直觉”非常重要——了解哪种模型适合哪种任务，以及在性能、延迟和成本之间如何取得最佳平衡。一个提升直觉的好方法是：多阅读和研究其他人写的优秀提示词。6. 关于延迟与成本延迟和成本固然重要，但不应在初期过度优先考虑。通常的策略是：先集中精力提升准确率，确保Agent能正确工作，最后再针对性优化其延迟和成本。总而言之，实际的开发过程是一个 “构建-分析-优化” 的快速、持续迭代的循环。五、高度自主的Agent设计模式1. 规划Planning在这种模式下，我们为LLM提供一系列可用工具，并要求自主规划出完成给定任务的工具调用步骤序列，然后系统按此计划执行。另一种非常有效的规划技术是让LLM生成代码，通过执行代码来完成任务。单纯让LLM输出工具执行步骤会面临挑战：- 任务步骤可能异常复杂，难以用简单序列描述。- 现有工具可能不足以覆盖所有场景，导致需要频繁添加新工具来处理各种特殊情况。在这些场景下，让LLM生成可执行代码（而非固定的步骤列表）来动态处理流程，就成了一种更强大和灵活的解决方案。研究表明，利用代码执行可以大幅提升Agent处理复杂问题的能力。2. 多智能体工作流当任务过于复杂时，可以由多个专门的智能体协作完成。常见的协作模式有：1）串行智能体：智能体们像流水线一样工作，前一个智能体的输出是后一个智能体的输入。2.）分层智能体：一个主管智能体充当调度器或管理者，它将任务分解并分配给其他子智能体，并汇总和整合它们的工作结果。#ai创造营# #程序员#

55. 不被AI淘汰的重要能力就是学会当智能体的领导。 #大咖观察 #红衣聊AI #智能体

56. 阿里全家桶全面Agent化！千问“任务助理”全面公测，从此AI不再只是动嘴出主意的狗头军师！

57. 华为Mate X7迎来智能体验大升级！#华为折叠屏首发A2A智能体协作#首次实现A2A智能体协作商用，小艺从此进阶为“超级助理”，不再是简单语音工具，而是能并行处理多任务的生活搭档。无论是值机、买菜还是理财，一句话，它就能串联多个应用，高效完成复杂指令。A2A功能正重新定义折叠屏体验，让手机成为全场景智慧生活的中枢。新一代小艺，已来！锁定华为Mate X7发布会，开启你的智能新方式。

58. #上班要显贵效率才是搭配# “这个需求很复杂，AI搞不定？”中国电信星辰超级智能体笑了：我来！它能自主拆解超长流程任务，规划步骤、调用工具、还能无缝对接你的OA/ERP系统。最关键的是，这一切都在企业内网安全围栏内完成，敏感数据出门？不存在的！这才是老板放心、员工开心的真·企业级智能体！#科技感拉满的北京有多亮眼# 总裁精粹的微博视频

59. 华为鸿蒙操作系统6的发布，将移动终端智能体验提升至新高度。值得注意的是，小艺智能体还将能调动超80个鸿蒙应用智能体协同工作，预计10月底还将上线更丰富的小艺帮帮忙功能，可以自动打开第三方平台进行购物、订机票等操作。这种深度协同能力让鸿蒙6不再是单一的操作系统，而是进化为一个智能体协作平台，已经可协同处理养猫、差旅规划等复杂事务，重新定义了智能终端的交互范式。#鸿蒙上线超80个应用智能体##AI已经可以帮我养猫了#

60. 阿里云发布多模态交互开发套件

61. 未来的人和智能体应该是相互融合协作的关系。 #大咖观察 #红衣聊AI #智能体 #人机协作

62. 你最想让智能体机器人先帮你搞定生活，还是提升工作效率？ #大咖观察 #ai新星计划 #红衣聊AI #机器人

63. 对我来说，HUAWEI Mate X7更吸引我的在于 #小艺# 和TA那些“智能体朋友”的紧密协作。 #华为折叠屏首发A2A智能体协作#，让小艺能调度鸿蒙应用智能体来办专业事！而且小艺自己的AI能力也超强，其中小艺简报能收集全局待办、日程简报、通知摘要等内容，另外还可以围绕健康提供个性化的简要AI建议，结合用户个人偏好生成每日播客推荐等，帮助我们更高效的聚合信息和获取知识！#华为Mate80#

64. 泰山先进发布新一代具身智能体平台重构城市数字与物理世界连接2025年12月，泰山先进技术团队正式推出具身智能体融合平台，通过“叙事-实体-融合”技术，将物理世界中的设备、人员、场景转化为可自主交互、协同的智能体，实现数字世界与现实场景的深度耦合。该平台核心特性包括三大创新：一是虚实融合的智能体模型，通过本体（物理实体）、实体（数字映射）、虚体（AI能力载体）三层架构，让路灯、环卫车、垃圾桶等设备具备拟人化对话与自主决策能力——例如灌溉设备可结合天气预报自动调整作业计划，智能厕所能实时反馈使用状态；二是生产关系约束机制，严格遵循现实场景中的组织规则（如环卫班组分工），确保智能体通信与协同符合业务逻辑；三是跨平台协同协议，突破现有MCD、API等协议限制，实现多行业智能体的无缝对接。目前平台已在智慧环卫领域落地验证，并快速扩展至农业（蔬菜大棚智能设备管理）、文旅（苏州平江路街区游客服务）等场景。其产品架构采用“双引擎”模式，在不改造客户现有业务系统的前提下，通过“智能体中间层”实现快速部署，支持SaaS与私有化两种模式。据团队透露，该技术与国务院《人工智能行动意见》中“设备与智能体融合”方向高度契合，未来将推动城市向“全要素智能体互联”的下一代互联网形态演进。相关技术细节可通过泰山先进公众号查询。

65. Multi-Agent 小白入门：让你的Claude Code 提效 90.2% 这篇文章介绍了一种基于多智能体编排系统的方法，旨在通过让多个 AI 智能体分工协作，来提升 Claude Code 的工作效率。1. 详细阐述了单智能体的局限性，并提出了主管模式、流水线模式和并行模式三种核心管理架构，以解决上下文限制和专业化不足等问题。2. 作者还提供了一套实战指南，教读者如何创建由架构师、构建师、验证者和记录员组成的四人智能体团队，并利用共享文档实现任务同步。原文：x.com/0xYuker/status/2013094122656334136#HOW I AI# #程序员#

66. 几分钟就能“攻破”一家公司的AI，怎么防？ #智能体 #网络安全 #360安全云 #科技改变生活 #网络安全宣传周

67. 一个针对跨境卖家的AI智能体

68. 划重点！个人AI行业要变天了！白皮书明确从“平台中心”转向“用户中心”，终端厂商才是生态枢纽～联想这波“天禧AI一体多端”战略太懂用户，跨平台开放+可信安全两大王牌，再加上端云协同技术，让个人超级智能体真正落地。2026年规模化爆发在即，以后办公、学习、生活都能被AI精准拿捏，数据安全还不打折，这波科技红利必须冲！

69. 对话云栖大会：下一个AI爆款、大模型进化与Agent万亿级企业市场

70. 来自 X 账号 TestingCatalog 的爆料：Google 在 Gemini 企业版（Gemini Enterprise）里新增多智能体「自动做研究」模式Google 正在 Gemini for Enterprise 里打造一个多智能体系统。你给它一个主题，再配上一套评估标准，它就能自己生成一大堆点子，然后拉起一整支智能体团队，像打锦标赛一样一轮轮评审这些点子。这个系统一次可以连续干活大约 40 分钟。对一个面向普通企业用户的产品来说，这已经是非常长的一次连续推理过程了。在这 40 分钟结束时，用户会收到一大串点子清单，按你一开始设定的标准从优到劣排好名。整个规模也不小：系统一次能产出大约 100 个点子。对每一个点子，你都能拿到：- 一个概览- 一个更详细的说明- 一份点评总结- 一份完整长评- 以及一份专门的「锦标赛表现报告」（tournament performance report）这个「表现报告」还是一个单独的输出，可以单独打开慢慢看。所有生成出来的点子都是可选择的，你可以点进任意一个，继续深入展开。在当前的内测版本里，Google 看起来内置了三个智能体，其中有两个就是搭在这个多智能体「锦标赛」系统之上的。第一个叫 “Idea Generation”（创意生成）在这个模式里，你只要给一个主题，这个智能体就会启动整套多智能体工作流，用「锦标赛式评估」（tournament-style evaluation）来生成和排序各种相关点子。（所谓锦标赛式，就是不断让方案互相“对决”，胜出的留下，弱的被淘汰）第二个叫 “Co-scientist”（联合科学家）这个则更偏向科研和研究场景。你可以指定一个研究主题，再提供一些额外数据，然后一整个智能体团队会先生成研究方向和方案，再用同样的锦标赛机制去评估这些想法，只是这次会更强调科研和科学探索的需求。这里最有意思的一点，是它背后明显投入了非常夸张的算力。允许智能体在一个任务上连续工作大约 40 分钟，这在现在的大多数智能体工具里都算是「豪华配置」了。在整个 40 分钟里，系统会不断迭代这个问题，不停生成、筛选、打分、重组。目前，这一切都还只出现在 Gemini for Enterprise 里，属于内部开发阶段，对普通用户是隐藏的，还没有以正式功能形式对外开放。跟现有的智能体实现相比，这一套看起来是个明显的前进一大步。就算是那些已经带浏览器模式的高级智能体，通常也会受限于上下文窗口和时间预算（time budget）。而这次，Google 的做法，是直接把一大块算力「摆在台面上」给企业客户用，做成一个正儿八经的前端产品界面。这也和所谓的「Level 3 AI」的概念非常契合：这一层级的 AI 智能体，被描述为可以在同一个问题上持续工作一段较长时间。（这里的 Level 3 并不是统一标准，更像是行业里对“能长时间连续工作的智能体”的一种非正式分级说法）从这个角度看，让智能体在单个任务上跑满 40 分钟，是一个非常典型、甚至偏激进的例子。在实际使用中，这套系统输出的核心是「被充分筛选和精炼过的点子集合」。但它们远不只是随手抛出来的一堆建议，而是可以视为一组结构化的研究方向：在你给定的数据和问题背景下，这些方向有可能真正指向高价值的洞见。所以，Google 正在推进这种极其强力的智能体能力，专门服务于组织、公司和研究团队，这件事本身非常耐人寻味。等这项功能真正对外发布时，很可能会是一次不小的跃迁，尤其是如果这些智能体最终由 Gemini 3 Pro 来驱动的话。现在，Gemini 3 Pro 还没有进入 Gemini Enterprise，所以目前还不清楚这些实验性智能体背后具体用的是哪一个模型。这里依然有很多东西需要测试和验证。当你把一个提示词（prompt）提交给这套系统时，它首先会给出一份「计划做什么」的概要：会在哪些维度上评估、打算从哪些方向出发生成和筛选点子。只有在你确认这份概要之后，系统才会真正启动那次「大任务」。这相当于在烧一大笔算力之前，先和你对齐「我到底打算怎么理解你的问题」。除了多智能体锦标赛工作流之外，Gemini Enterprise 里还有另一个智能体，叫 “chat with your docs”（和文档聊天），它配了一套独立的 UI。这个智能体允许用户上传大小最高 30MB 的 PDF，然后面向这些文档进行专门对话。这个功能同样属于 Gemini Enterprise 的一部分，目前还没有对外发布，而且在生产环境中暂时不可用。它的设计思路是：最多 30MB 的 PDF 内容可以被分析并写入模型的上下文里，这样用户就能从现有文档中抽取更有价值的信息，而不是只靠人自己翻页看。在 Gemini Enterprise 里，还有不少其他功能正在开发中，但真正最抢眼的，还是这两条线：1. 多智能体锦标赛式工作流2. 面向文档的专用智能体特别是那个基于锦标赛的多智能体架构，看起来就是一种突破性的产品路线——其他大语言模型（LLM）服务商，目前似乎还没有在这个层级上，给用户提供类似的东西。多智能体锦标赛在面向终端用户的工具里依然非常少见。也许可以拿 Grok Heavy 来做某种对比，但很可能也不能算是和 Google 这套完全同一个方向的东西。等这些智能体成熟之后，如果能看到一套正式的评估结果和基准测试，那会非常有价值。光从现在的描述来看，那个 Co-scientist 智能体已经足够让很多大型组织和研究团队心动——尤其是那些正在探索新科学方向的团队。至于这些智能体具体什么时候会正式上线，或者会不会开放给非企业用户，目前还都是未知数。来源：网页链接宝玉xp的微博视频

71. 技术速递｜使用 GitHub Copilot SDK 构建智能体

72. 技术速递｜使用 GitHub Copilot 编码智能体，高效清理你的 Backlog

73. GitHub 推出 AgentHQ，Copilot 生态再扩容

74. 回顾｜Microsoft AI Genius - 使用智能 GitHub Copilot 副驾驶® Agent Mode

75. 阿里千问发布会炸场！AI智能体时代，你的技能该升级了

76. 千问APP接入阿里生态全解析

77. 阿里千问率先跑通跨App智能体

78. 千问抢先跑通“跨App智能体”

79. 千问跨App智能体

80. 阿里“千问”

81. 全球首发！阿里千问抢滩五万亿美元智能体商务市场

82. 阿里千问打通生态

83. 阿里的千问——智能体革命

84. 多智能体协作在企业场景中是否已具备落地能力？

85. 2026开年AI智能体技术爆发

86. 2026AI 元年

87. 2026

88. 2026，多智能体协作元年来了，AI加速落地应用

89. 2026生存指南

90. 2026

91. Gartner预测2026！多智能体，正在让企业变成 “超级协作体”

92. AI+智能体

93. 尚美数智携手腾讯云推出多智能体应用，一线办公效率提升20%

94. 思必驰AI办公本X5系列

95. 关注AI应用之MAS（多智能体协作系统）

96. 阿里开源多智能体框架

97. AI中台与智能体开发

98. 2025企业智能体开发平台终极指南:功能对比、选型策略与落地实践

99. 智能体AI开发实战

100. 北京AI智能体开发公司推荐，2026年通用型服务商实力对比

101. 揭秘智能体开发平台的十大黄金应用场景，让您的企业效率飙升！

102. 数据分析与AI丨PLC 开发效率革命

103. 阿里AgentScope 1.0重磅更新

104. VS Code 1.107 更新

105. 多智能体协同

106. 2025年底多智能体架构规模化落地，适用边界与工程标准明确

107. 多智能体系统的优势

108. 通过进化协调实现多智能体协作

109. 未来已来

110. 多智能体协作能否真正提升工作效率？关键在于任务与架构的匹配

111. 多智能体协作机制

112. 多智能体协作不是工具叠加，而是软件开发流程的系统性再造

113. 专题解读｜LLM智能体

114. 基于多智能体与MCP，中国工商银行软件开发中心普惠金融智能中枢建设探索与实践

115. 一文详解传统智能体、大语言模型智能体、多智能体协作

116. TRAE SOLO中国版免费开放

117. 突破多智能体协作瓶颈

118. 多智能体协作与企业级实战

119. 解读智能设计4.0

120. 智能体如何真正提升个人工作效率？关键在于任务适配与人机协同

121. OWL多智能体协作框架:突破任务自动化边界

122. 办公智能体实战手册

123. 多场景落地结合技术突破，智能体成为AI融合实体经济新引擎

124. L3级AI服务智能体落地！联想百应智能体2.0重磅升级，打造中小企业创新生产力

125. 多智能体协作的真实力量:复杂任务的边界与智能社会的雏形

126. MAS多智能体元年，AI应用范式拐点

127. 零一万物抛出企业智能体2026六大预判

128. 2026年中国企业智能体六大预判，多智能体大规模上岗即将到来

129. 零一万物发布2026企业智能体六大预判多智能体元年将启

130. 数商云AI智能体应用部署向自主化智能体的演进趋势

131. 工程智能体

132. AI技术突破 | 从企业部署到前沿研究，智能体AI成核心驱动力

133. Gitee 构建智能研发闭环

134. 一文搞懂多智能体协同机制

135. 智能体革命

136. 从局部智能到整体最优

137. 智能决策的终极范式

138. 多智能体协作驱动VOC决策进阶，富通智核行业客户之声荣获 IT168 2025创新产品奖

139. 2026市场报告

140. 深度解析2026企业级AI智能体

141. 2026 企业级可信智能体实测

142. 2026国内成熟的企业级智能体产品推荐，处理复杂业务分析的 AI 助手

143. 2026 中国企业级智能体平台最新格局！多智能体协同 + 选型指南全解析

144. 《零一万物发布万智2.5企业级多智能体》2026 可能是“企业多智能体上岗元年”

145. 权威指南｜2026企业级AI智能体排行榜实测

146. 企业级智能体加速落地 2026将成“上岗元年”

147. 基于信息融合的多智能体协作方法的研究与应用

148. 多智能体协作提升学习有效性

149. 智能体技术加快多场景应用

150. 智能体大杀四方,人类工作危在旦夕?

151. 赛迪研究院:2025年智能体应用现状挑战及建议报告

152. 《基于强化学习的智能体协调策略优化研究》

153. 多智能体协作提升学习有效性

154. 智能体进化藏玄机！五大梯队分工干活，未来竟要并肩办公

155. 多智能体协作:浪潮海岳解锁企业智能化新范式

156. 智能体技术加快多场景应用

157. 谷歌MIT联手:首个智能体Scaling Law出炉,盲目堆Agent性能暴跌70%

158. 吴恩达:多智能体协作是新关键,软件开发等任务将更高效

159. 多智能体协同:是“群策群力”,还是“内耗加剧”?

160. 谷歌揭示智能体协作三大定律打破越多越强迷思各方观点

161. 冰洋老师：AI智能体工程-从对话工具到自主任务执行

162. 从强化学习到多智能体协作，大模型时代的智能体落地全景揭秘｜ML-Summit 2025

163. 文档处理效率竟能提升10倍？智能体技术正重构企业知识工作的底层逻辑

164. AI智能体爆发元年：170家初创公司、26个赛道，谁在重塑未来的“数字劳动力”？

165. 2026 AI 元年：大模型到智能体的技术落地革命

166. 万兴科技亮相2026 Google Cloud出海峰会引领多智能体协作新趋势

167. 企业成功部署智能体的关键要素

168. AI智能体开发：低代码+多模态技术，让智能应用落地更高效

169. AI智能体能否替代人工执行复杂任务？全网观点大PK

170. 开源智能体开发框架全面对比分析

171. Giga 与 DoorDash 合作：数周落地 90% 解决率，AI 智能体掀起客户支持效率革命

172. 新风口！MAS（多智能体协作系统）开启智能革命新纪元

173. 多智能体系统设计：5种编排模式解决复杂AI任务

174. 有智能体/多智能体协作想冲CCFA/B的吗？已有成熟idea，多智能体协同决策与任务分配方向，计划搞CCFA/B，有想做的同学吗？ idea：基于大模型的多智能体动态协作与任务优化分配机制【导师背景】双一流计算机系教授，主攻多智能体系统、智能协作，29篇A类论文，涵盖AAAI、IJCAI、ICML、NeurIPS等【创新点】多智能体协作中存在任务分配不均、通信开销大、协同冲突等问题，该idea融合大模型的全局感知与推理能力，设计动态任务分配算法与协同通信机制，实现多智能体在复杂场景下的高效协作，适配自动驾驶、无人机协同等领域。【计划】SCI1-3，CCFA/B 适合哪些同学？想产出科研成果的同学准备申请硕博/升职的同学可以先meeting，合适后再继续哦~ #智能体 #多智能体 #协同决策 #大模型 #科研学习

175. 多智能体之间高效协作的关键：协调智能体工作流搭建

176. 【应用研究】智能体解读、如何开发？中美对比

177. 零一万物营收翻倍背后：大模型B端深水战开启2026多智能体规模化“上岗元年”？

178. Coze Studio：开源AI智能体开发平台的全面解析与对比

179. 智能多智能体通信协作工作流建模

180. 多智能体攥稿&办公平台，完全免费！MCP-X：一站式AI智能体平台，集联网搜索、图文展示于一体，工作效率翻倍提升

181. 多智能体评估体系 | 挑战13分钟搞定，多智能体评估体系 #人工智能 #大模型 #AI大模型 #多智能体 #智能体

182. 智能体技术加快多场景应用

183. 程序员的“贴心小伙伴”：Cursor vs. GitHub Copilot深度对比

184. 13.7K Star！Google官方AI代理开发神器，多智能体系统开发效率翻倍！

185. DeepCode：多智能体协作的开源代码生成平台

186. 企业智能体开发框架发布！ AgentScope 是一个以开发者为中心的多智能体平台，旨在简化和加速基于大型语言模型（LLMs）的多智能体应用的开发与部署。该平台通过消息交换机制实现智能体间的核心通信，并提供丰富的语法工具、内置智能体和服务功能。AgentScope 强调易用性，提供用户友好的界面（包括可视化编程工作站）和自动提示调整机制，以降低开发门槛

187. 【密度科技】2026：多智能体协作开启“办事时代”

188. ClickUp收购AI编码初创公司 Codegen，加码智能体战略 | News

189. 百应智能体2.0：国内首个L3级AI服务智能体落地

190. 《电商客服效率提升18倍？详解多智能体AI实战开发（附源码）》多智能体实战-电商客服（四）

191. AI Agent文章推荐 | 从单智能体到多智能体：基于大语言模型的法律智能体综述

192. AI办公应用能力评价考试网：AI智能体如何实现多工具协同？

193. 智能体怎么选？评估好这3个维度就够了

194. 多智能体系统（MAS）加速落地，哪些上市公司站在价值链条上？

195. 专题 | 企业部署AI智能体：从规划到落地的完整指南

196. 直播预告 | 2026趋势预测：多智能体协作下的新一代数据治理

197. 九科信息bit-Agent以“场景原生”破局AI智能体落地难题，引领办公智能新范式

198. 2025下半年多智能体协作爆发：技术落地加速但安全与成本风险凸显

199. AI智能体vs传统自动化：企业效率提升的技术对比与实战选择

200. AI 智能体办公场景应用案例：从会议纪要到报告生成，5个高效落地实例

201. AI智能体2026第一枪：阿里千问明确「双重协议」路线

202. 零基础入门 LangChain 多智能体系统（进阶篇）：加入人工审查与信息流控制

203. 智能体架构设计（10）：多智能体之间如何协作

204. PriorDynaFlow: 用先验决策重塑动态、高效的多智能体协作

205. 2026国内成熟的企业级智能体产品推荐：处理复杂业务分析的AI助手

206. 谷歌发布适用于多智能体的八种设计模式

207. 多智能体协同决策的综述

208. 工业企业如何量身打造专属 AI 智能体

209. 企业级实战揭秘：多智能体协作如何打造智能测试中枢？

210. 如何评估高质量高价值的智能体？容智全维度评估宝典教你实战方法

2026年多智能体协作元年已至，办公与开发场景效率提升获实证

精选参考来源