当前位置：

社区首页

电脑数码

软件应用

服务软件

AIGC文章详情

开源Agent OS能成为AI落地的关键吗？

源自203位全网作者

01-28 11:51

精选参考来源

都有这么多 Agent SDK/框架了（我应该没列全吧）一、OpenAI Agents SDKOpenAI 推出的 Agents SDK 是目前最轻量、最直接的 Agent 开发方式。它原生支持 Python 和 TypeScript，语法简洁，几行代码就能让 LLM 调用外部函数、工具或执行任务。1. 与 OpenAI 模型的无缝集成，尤其是函数调用、上下文管理等特性。2. 支持 multi-agent handoff 与任务链式调用，便于扩展复杂逻辑。3. 具备生产友好的可观测性与追踪机制。它非常适合快速原型和中小规模生产项目，是“入门写 agent” 的理想起点。二、LangChainLangChain 几乎是 LLM 应用开发的“标准库”。其 Agents 模块为 LLM 封装了链式推理、工具调用、上下文记忆等能力。1. 概念丰富——有 Chain、Tool、Memory、Agent、Retriever 等模块，适合构建复杂系统。2. 插件与生态极其庞大，几乎支持所有主流模型与数据源。3. 提供跨语言支持（Python 与 JavaScript/TypeScript）。LangChain 上手门槛略高，但生态完整，非常适合需要可扩展架构的项目。三、LangGraph用“流程图”思维管理 Agent 状态。LangGraph 是 LangChain 的“升级版本”，它将 Agent 系统抽象为状态机＋有向图，可以显式地控制 Agent 间的消息流与执行路径。1. 天然适合多 agent 协作、任务编排和状态回溯。2. 支持持久化与可视化，能直观看到系统执行流程。3. 面向生产级场景，具备清晰的错误恢复与检查点机制。如果你想做一个“多 Agent 系统”，LangGraph 几乎是最强大的开源选择。四、Google ADKGoogle 的 ADK（Agent Development Kit）主打可扩展性与安全性。它不是轻量原型工具，而是企业级 Agent 平台。1. 多语言支持，深度集成 Google 生态（Vertex AI、Gemini 等）。2. 工具调用能力极强，可直接对接云服务、API 与企业系统。3. 自带日志、监控、可观测性与治理能力。适合需要在企业内部署、具备高可靠性要求的 Agent 系统。五、SmolAgentsSmolAgents 是Hugging Face推出的一款轻量 Python 库，设计理念是“最小可行 Agent”。1. 安装简单、API 极少，几分钟即可跑通一个工具调用示例。2. 灵活支持 tool 注册与函数调用，但不追求完整框架。3. 适合快速原型、实验性项目或教育用途。如果你希望“几行代码让 LLM 动起来”，SmolAgents 是最轻便的起点。六、AutoGenAutoGen 最初由 Microsoft 研究团队推出，用于多 Agent 间的对话协作。它以“角色对话” 为核心，支持 LLM 代理之间互相交流、分工、调度任务。1. 多 agent 结构灵活，可模拟协作团队。2. 支持复杂任务分配与循环反馈。3. 对研究者和实验系统尤其友好。如果你的目标是研究 agent 交互机制或自动化工作流，AutoGen 是很好的基础。七、MetaGPT角色驱动的 Agent 系统。 MetaGPT 是一个以“AI 团队”为核心的框架，设计理念是让多个 agent 分别扮演项目经理、工程师、设计师等角色，共同产出结果。1. 多角色、结构化协作，任务拆解逻辑强。2. 擅长长链路流程（如产品需求分析→代码生成→测试）。3. 适合自动化软件工程类场景。如果你希望让 LLM 们“像一个团队一样协作”，MetaGPT 是不错的模板。八、Haystack AgentsRAG 与 Agent 的结合体。Haystack 原本是一套开源 RAG 框架，如今扩展出了 Agents 模块。它擅长将检索、知识库与 LLM 推理结合。1. 内置文档检索、索引、管道机制。2. 适合企业知识问答、文档助手类 agent。3. 与 LLM 、数据库和 vector store 的集成成熟。如果你的 agent 核心任务是“带知识的问答”，Haystack 是现成方案。九、Claude Agent SDKAnthropic 推出的开发包。它基于其先前产品 Claude Code 的 agent 引擎（agent harness）构建，目的在于为开发者提供“从模型调用 + 工具调用 +流程控制 +状态管理”这一整套能力。1. 上下文管理自动化：自带对话／会话上下文的压缩与管理机制，避免因上下文过长导致模型性能下降。 2. 丰富的工具生态：包含文件操作、代码执行、网络搜索等内置工具，并支持扩展自定义工具／插件。 3. 权限与安全机制：可以细粒度控制 agent 可使用的工具、权限模式（例如 allowedTools、disallowedTools）等。 4. 生产化准备特性：例如会话管理、错误处理、监控能力、模型优化／提示缓存机制。 5. 插件和扩展支持：通过插件机制（如自定义命令、子 agent、技能集、MCP 服务器）可创建复杂系统。#ai创造营# #程序员#

把AI从“精英玩具”变成“全民工具” 让全世界都能用上便宜的AI。#大咖观察 #红衣聊AI #开源

全部
来源

内容由AI生成

1. 都有这么多 Agent SDK/框架了（我应该没列全吧）一、OpenAI Agents SDKOpenAI 推出的 Agents SDK 是目前最轻量、最直接的 Agent 开发方式。它原生支持 Python 和 TypeScript，语法简洁，几行代码就能让 LLM 调用外部函数、工具或执行任务。1. 与 OpenAI 模型的无缝集成，尤其是函数调用、上下文管理等特性。2. 支持 multi-agent handoff 与任务链式调用，便于扩展复杂逻辑。3. 具备生产友好的可观测性与追踪机制。它非常适合快速原型和中小规模生产项目，是“入门写 agent” 的理想起点。二、LangChainLangChain 几乎是 LLM 应用开发的“标准库”。其 Agents 模块为 LLM 封装了链式推理、工具调用、上下文记忆等能力。1. 概念丰富——有 Chain、Tool、Memory、Agent、Retriever 等模块，适合构建复杂系统。2. 插件与生态极其庞大，几乎支持所有主流模型与数据源。3. 提供跨语言支持（Python 与 JavaScript/TypeScript）。LangChain 上手门槛略高，但生态完整，非常适合需要可扩展架构的项目。三、LangGraph用“流程图”思维管理 Agent 状态。LangGraph 是 LangChain 的“升级版本”，它将 Agent 系统抽象为状态机＋有向图，可以显式地控制 Agent 间的消息流与执行路径。1. 天然适合多 agent 协作、任务编排和状态回溯。2. 支持持久化与可视化，能直观看到系统执行流程。3. 面向生产级场景，具备清晰的错误恢复与检查点机制。如果你想做一个“多 Agent 系统”，LangGraph 几乎是最强大的开源选择。四、Google ADKGoogle 的 ADK（Agent Development Kit）主打可扩展性与安全性。它不是轻量原型工具，而是企业级 Agent 平台。1. 多语言支持，深度集成 Google 生态（Vertex AI、Gemini 等）。2. 工具调用能力极强，可直接对接云服务、API 与企业系统。3. 自带日志、监控、可观测性与治理能力。适合需要在企业内部署、具备高可靠性要求的 Agent 系统。五、SmolAgentsSmolAgents 是Hugging Face推出的一款轻量 Python 库，设计理念是“最小可行 Agent”。1. 安装简单、API 极少，几分钟即可跑通一个工具调用示例。2. 灵活支持 tool 注册与函数调用，但不追求完整框架。3. 适合快速原型、实验性项目或教育用途。如果你希望“几行代码让 LLM 动起来”，SmolAgents 是最轻便的起点。六、AutoGenAutoGen 最初由 Microsoft 研究团队推出，用于多 Agent 间的对话协作。它以“角色对话” 为核心，支持 LLM 代理之间互相交流、分工、调度任务。1. 多 agent 结构灵活，可模拟协作团队。2. 支持复杂任务分配与循环反馈。3. 对研究者和实验系统尤其友好。如果你的目标是研究 agent 交互机制或自动化工作流，AutoGen 是很好的基础。七、MetaGPT角色驱动的 Agent 系统。 MetaGPT 是一个以“AI 团队”为核心的框架，设计理念是让多个 agent 分别扮演项目经理、工程师、设计师等角色，共同产出结果。1. 多角色、结构化协作，任务拆解逻辑强。2. 擅长长链路流程（如产品需求分析→代码生成→测试）。3. 适合自动化软件工程类场景。如果你希望让 LLM 们“像一个团队一样协作”，MetaGPT 是不错的模板。八、Haystack AgentsRAG 与 Agent 的结合体。Haystack 原本是一套开源 RAG 框架，如今扩展出了 Agents 模块。它擅长将检索、知识库与 LLM 推理结合。1. 内置文档检索、索引、管道机制。2. 适合企业知识问答、文档助手类 agent。3. 与 LLM 、数据库和 vector store 的集成成熟。如果你的 agent 核心任务是“带知识的问答”，Haystack 是现成方案。九、Claude Agent SDKAnthropic 推出的开发包。它基于其先前产品 Claude Code 的 agent 引擎（agent harness）构建，目的在于为开发者提供“从模型调用 + 工具调用 +流程控制 +状态管理”这一整套能力。1. 上下文管理自动化：自带对话／会话上下文的压缩与管理机制，避免因上下文过长导致模型性能下降。 2. 丰富的工具生态：包含文件操作、代码执行、网络搜索等内置工具，并支持扩展自定义工具／插件。 3. 权限与安全机制：可以细粒度控制 agent 可使用的工具、权限模式（例如 allowedTools、disallowedTools）等。 4. 生产化准备特性：例如会话管理、错误处理、监控能力、模型优化／提示缓存机制。 5. 插件和扩展支持：通过插件机制（如自定义命令、子 agent、技能集、MCP 服务器）可创建复杂系统。#ai创造营# #程序员#

2. 把AI从“精英玩具”变成“全民工具” 让全世界都能用上便宜的AI。#大咖观察 #红衣聊AI #开源

3. 关于 AI Agent，你最想知道的 3 个问题——为什么我说“垂直 Agent”是个伪命题回答几个读者问题。1、AI Agent 是否有一个权威的概念？中美两国对这个概念是否有统一的解释？AI Agent 的定义和国家无关，更多是行业共识的演进。目前业界比较认可的定义来自 Anthropic。他们在《Building Effective Agents》（网页链接）这篇文章中做了一个很重要的区分：工作流（Workflow）：通过预定义的代码路径来编排 LLM 与工具的系统。Agent：由 LLM 动态地指挥自己的流程和工具使用方式的系统，始终由 LLM 来掌控完成任务的方式。简单来说，工作流是“人写好剧本，AI 照着演”；而 Agent 是“人给个目标，AI 自己想办法”。从技术实现角度，我比较认同 Simon Willison 提出的简洁定义（网页链接）：一个 AI Agent（智能体），是为了实现某个目标，循环调用工具的大语言模型。这个定义抓住了 Agent 的本质——它不是一次性给出答案，而是通过“思考→行动→观察→再思考”的循环，逐步完成任务。目前主流的 Agent 实现，无论是 OpenAI 的还是 Anthropic 的，底层都是这个结构。当然，不同公司可能会根据产品定位给出略有差异的表述，但核心思想是一致的：Agent = LLM + 工具调用 + 自主决策循环。2、近期国内外大厂密集推出 AI Agent，为何选择这个时间点？您如何看待 AI Agent 的商业化前景？大厂在这个时间点密集推出 Agent，核心原因是：Agent 是目前 AI 落地最有价值的方向。为什么 Agent 比聊天机器人更有商业价值？聊天机器人的局限性很明显——它只能“说”，不能“做”。而 Agent 能够：• 调用工具：比如搜索网页、读写文件、执行代码• 完成复杂任务：把大任务拆解成小步骤，逐个完成• 与外部系统集成：对接企业内部系统、数据库、API• 持续运行：不需要人一直盯着，可以在后台自主工作这意味着 Agent 可以真正替代人完成一部分工作，而不只是辅助回答问题。已经跑通的场景：编程领域编程是 Agent 最先落地的领域。像 Claude Code、Cursor、Codex 这样的编程 Agent，已经能够实实在在地帮开发者完成任务，不只是生成代码片段，而是理解需求、读取项目代码、修改文件、运行测试、修复 bug，整个流程都能自主完成。正在爆发的方向：Skills 生态去年底开始，“Skills”这个概念开始流行。简单理解，Skills 就是教会 Agent 完成特定任务的“技能包”，一套预设的工具、提示词和工作流的组合。比如我个人就大量使用 Claude Code 结合各种 Skills 来提升效率：• 给文章自动配图（调用图片生成工具）• 根据素材生成漫画故事• 根据素材自动生成 PPT• 自动发布文章到公众号、博客、社交媒体• 等等这些任务以前每个都要花我半小时到几小时，现在几分钟就能完成。顺便说一下，我这几个 skills 都是开源的：github.com/JimLiu/baoyu-skills/issues现阶段的挑战但 Agent 目前仍处于早期阶段，主要挑战有：1. 门槛较高：目前这些能力主要在极客圈子里流行，普通用户上手困难2. 安全问题：Agent 需要较高的系统权限才能工作，这带来了安全风险。比如恶意的 Skill 可能窃取数据、攻击系统3. 可靠性：Agent 有时会“跑偏”，需要人工干预这些问题都在被逐步解决。大厂密集入场，本质上是看到了 Agent 的巨大潜力，想要抢占生态位。谁能率先建立起最多用户的 Agent 客户端和丰富的 Skills 生态，谁就能在下一阶段占据优势。就像现在 Anthropic 就依赖 Claude Code 抢占了先机和用户心智，大家想到 Coding Agent 先想到 Claude Code，MCP、Skills 的标准也是他们提出来的，开发者们争先恐后的基于他们的标准在构建 Agent 生态。3、通用类 AI Agent 和垂直类 AI Agent，您更看好哪个的商业前景？这个问题需要换个角度来理解。Agent 本身难以形成垂直壁垒从技术角度看，Agent 本身没有任何秘密，就像我前面说的，它从技术角度看就是一个循环调用工具的大语言模型。而模型对所有人来说都是一样的：要么花钱用商业模型（OpenAI、Anthropic、豆包、阿里），要么用 DeepSeek 这样的开源模型。这就像选操作系统，你用 Windows 还是 Linux，大家都能用。所以，单纯做一个垂直领域的 Agent 很难建立护城河。你今天能做，别人明天也能做，而且可能做得更好。真正的机会在哪里？打个比方：Agent 就像操作系统，无论是通用领域还是垂直领域，操作系统本身都差不多。真正的差异化，是基于操作系统之上的应用。垂直领域真正的机会在于：1. 独有的数据：你有别人没有的行业数据、客户数据、知识库2. 专业的 Skills：针对特定行业流程打造的工具和工作流3. 深度的集成：与行业内已有系统的对接能力4. 领域 Know-how：对行业痛点和流程的深刻理解举个例子：一个医疗领域的 Agent 产品，核心竞争力不是“Agent”这层，而是背后接入的医学知识库、与医院 HIS 系统的对接、对诊疗流程的理解、以及多年积累的脱敏病例数据。所以我的结论是：不要去做“垂直 Agent”，而是用通用 Agent 的能力，去解决垂直领域的问题。护城河不在 Agent 这层，在你围绕 Agent 构建的数据、工具和行业理解。以上是我基于一线实践的观察和思考，仅供参考。

4. 规模成形，特色成势：鸿蒙生态的双重成熟

5. AI Agent 规模化落地最大障碍是技术还是商业模式？

6. 无大算力时，作为学生，LLM 还有哪些值得做的研究？

7. AI Agent 的工作原理和架构是什么？

8. 解读阿里云刚发布的《AI 原生应用架构白皮书》

9. 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

10. 独家 | Humanify 获数千万元首轮融资打造 AI OS，97 年创始人不卷 AI 智商、押注 “类人认知”

11. 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】

12. 用模型排行榜论输赢？AI竞赛到底在比什么？ #大咖观察 #红衣聊AI #AI #大模型

13. 如何评价Rich Sutton关于「LLM是死路」的观点？

14. AI Agent落地“卡壳”？腾讯云用100毫秒沙箱打通“最后一公里”｜甲子光年

15. #DeepSeek新模型曝光#DeepSeek V4呼之欲出，大模型竞争迈入架构创新新阶段！DeepSeek新一代旗舰模型V4的技术线索接连曝光，标志着国内大模型竞争已从参数竞赛转向架构创新的深水区。GitHub代码中的“MODEL1”标识符，印证着这款即将在春节发布的新模型，并非简单版本迭代，而是一次底层架构的重构。从KV缓存布局调整到FP8解码支持，再到稀疏性处理优化，新模型在内存与计算效率上的针对性设计，切中了大模型落地的核心痛点。而Engram记忆模块与mHC训练方法的潜在整合，更让模型实现了记忆与推理的协同升级，为长文本处理、高效代码生成提供了技术支撑。此次DeepSeek的技术突破，打破了大模型“唯参数论”的发展路径，让架构优化、软硬协同成为新的竞争焦点。这不仅是其自身技术的迭代，更将推动国内大模型产业向更高效、更实用的方向迈进，为AI规模化落地注入新动力。#用智搜高效玩转AI##HOW I AI# deepseek新模型曝光川北小哥的微博视频

16. 如何评价 OpenAI 8 月 6 日推出的开源模型 gpt-oss？和国产开源模型相比怎么样？

17. 开源是战略，生态是王炸，阿里千问入局AItoC #千问 #大模型

18. 未来人类社会或将出现百亿甚至千亿智能体，智能体经济是未来方向 #大咖观察 #2026AI看崇礼 #红衣聊AI #智能体

19. 华为乾崑 All in 启境，让“奔跑的AI智能体”走进日常生活，引领未来出行进入主动智能时代 #启境 #华为乾崑 #奔跑的AI智能体

20. 综合能力比肩GPT5，万亿参数思考模型Ring-1T来了！#AI #国产大模型 #蚂蚁百灵 #AIGC

21. 如果你现在还没用Agent帮自己干活，那其实很危险

22. AI Agent 很火，但 Agent Infra 准备好了吗？

23. 成立7个月首发声！百亿美金独角兽万字雄文：攻克LLM推理非确定性难题

24. Agent Infra到底是什么？【AI基建】

25. DeepSeek新模型爆火，硅谷玩疯了 #DeepSeek团队开源新模型 DeepSeek新模型爆火，硅谷玩疯了！把文字变成图像，让AI一目十行读完一本书！这次，它真的在教AI们，怎么省算力、怎么学会“遗忘” #AI #DeepSeek

26. 盘点一周AI大事(1月11日)｜最强人形机器人 OpenAI公布2026研发路线图 DeepSeek被爆2月发布DeepSeek V4 Google推出Veo3驱动的数字人Vids 字节开源换脸视频模型DreamID-V 阿里开源数字人框架HRM2Avatar Lightricks开源顶级视频模型LTX-2 ElevenLabs推出最强语音转录模型Scribe v2 斯坦福开源睡眠分析模型SleepFM 港大发布开源版NotebookLM DeepTutor Razer推出全息AI老婆Project AVA 波士顿动力推出下一代Atlas #抖音知识年终大赏 #前沿科技趋势发布月 #AI新星计划 #AI #机器人

27. 快抄作业！我用JoyAgent搞了个AI团队 2025年都快结束了，Agent是不是还没用上？我找到了打工人用上智能体的最简单方法，就是用JoyAgent把每天重复的SOP全做成Agent，不懂代码也能零门槛搭建，而且效果很稳定。看着AI团队全自动打工、出活，非常解压。 #AI #智能体 #JoyAgent #JoyCode #京东云

28. 从失败中重生：一个 AI Agent 前端落地的真实复盘同步发布于博客：网页链接今天在 FEDay 上分享了一个 Agent 前端落地案例，核心内容是讲述了我参与的一个团队如何从"技术成功"走向"产品失败"，又如何在复盘中获得认知升级。这个故事的价值不在于成功的方法论，而在于那些踩过的坑和思维转变的过程。2025 年被称为 Agent 元年。Deep Research、Manus、Claude Code 相继发布，技术圈一片沸腾。很多团队都在问同一个问题：我们要不要做 Agent？在开始之前，我还是想讲一下我对 AI Agent 的定义：AI Agent（AI 智能体），是为了实现某个目标，循环调用工具的大语言模型。- 工具循环（tools in a loop）：模型调用工具 → 获取结果 → 继续推理- 有明确终点：为了达成目标，而不是无限循环- 目标来源灵活：可以来自用户，也可以来自另一个 LLM- 基础记忆能力：通过对话历史保存上下文信息朋友负责的团队面临的是一个真实的企业痛点：公司有完整的内部设计系统（Design System）和私有前端框架，但这些代码从未被 AI 训练过，通用模型根本无法直接生成符合规范的代码。目标看起来很清晰——做一个类似 Lovable 的工具，但用的是自己的 Design System。用户上传 Figma 设计稿或截图，Agent 自动生成符合内部规范的前端代码。听起来很美好，对吧？但挑战也很现实：- 要完整搭建一个 Agent 系统没想的那么容易，不仅要和模型交互，还要处理好用户交互，还有上下文工程- 要让模型理解和使用从未训练过的私有组件- 要在浏览器中实时预览生成结果- 出错了希望能自动修复由于团队之前没有开发过 Agent 相关产品，所以请我参与其中，提供技术咨询和方案建议。我第一个建议很现实：先跑通再优化—— 构建 Agent 最难的不是技术，而是完整跑通流程。我推荐他们基于 Claude Agent SDK 进行二次开发，而不是从零造轮子。一些关键理由包括：1. Claude Code 已经验证了它是可行的2. 开箱即用，内置工具足够满足绝大数场景3. 可以自定义工具、接入 MCP、自定义 Skill4. 可以接入国产兼容模型还帮着基于 Claude Agent SDK 快速搭建了一个原型系统。一些关键代码还开源在这里：网页链接这样很快有了个基本可用的 Agent。接下来就是解决代码的浏览器预览问题。一开始我们尝试用 Sandpack（浏览器端沙盒）做代码预览，结果发现复杂组件根本跑不起来，而且无法发挥 Agent 读写文件的能力。转向方案是给 Agent 一个本地文件系统——每个会话一个独立环境（虚拟机或目录），Agent 可以自由读取、修改、编译代码。这个决策让 Agent 的能力得到了最大化发挥。给 Agent 一个本地文件系统才能最大化的发挥 Agent 能力给 Agent 一个本地文件系统才能最大化的发挥 Agent 能力另一个难题就是如何让 AI 学会使用从未训练过的私有组件？其实就是把 Agent 当作新员工，用高质量文档和参考代码来教会它。我们把设计系统说明、组件列表、API 文档全部 Markdown 化，让 Agent 按需检索。高质量的参考代码本身就是最好的教材。而且完全不需要复杂的 RAG 系统，直接让 Agent 去基于文件检索搜索本地文档和代码就足够了。还有一个难题就是如何保证生成代码的质量，让代码能跑起来？为了保证代码质量，为 Agent 建立了一套"生成 → 验证 → 修复"的自动化闭环：Lint 静态检查、编译验证、视觉比对（借助 Chrome DevTool MCP 做截图对比）。一个节约主 Agent 上下文的技巧：把验证工具放入 Skill 或 SubAgent，避免污染主 Agent 的上下文。把这些问题都解决后，Agent 终于上线了。系统跑通了，Demo 很惊艳，但……很快就没什么人用。初期大家觉得新鲜，但很快就弃用了。开始和他们一起深度复盘，发现问题根本不在技术，而在产品逻辑与用户习惯的错位。通过对内部员工的调查访谈，很快就找到了原因：习惯阻力：设计师和产品经理更习惯在 Figma 里工作，而不是对着一个对话框。从舒适区（Figma）跳到陌生区（Agent 对话），这个门槛比想象中高得多。大部分甚至不知道该在聊天窗口写啥。80/20 瓶颈：Agent 能实现 80% 的效果，但剩下 20% 的修改成本极高。而往往就是那 20% 决定了能不能用。流程割裂：生成环境和开发环境是脱节的，无法利用现有代码，需要手动把生成的代码复制回项目，操作繁琐。团队意识到，他们最初问的问题是："如何构建一个设计系统 AI Agent？"这种提问方式让 Agent 变成了目的本身，为了技术而忽略了本质。正确的问题应该是："我们设计系统的最终目的是什么？"答案其实只有两点：在整个企业内实现设计规范的统一；实现开发效率的提升。设计系统只是手段，而非目的。思维转换：以 AI 为中心重新设计现有的流程是为人设计的：手动沟通、反复修改、人工确认，步骤繁杂，效率低下。未来的流程应该为 AI 设计：Input → AI Agent → Output，路径直接，效率高。这带来了两个新的设计原则：AI 友好：选择 AI 容易理解和操作的技术栈。轻量化：只保留 Design Tokens，基于 AI 友好的开源系统（如 shadcn/ui）进行扩展，而不是维护一套庞大的私有组件库。破局之道：从 Agent 到 Skill最关键的转变是：不要做一个独立的 Agent 平台，而是将能力嵌入现有的 AI 开发环境。旧模式是"独立 Agent 孤岛"——Agent 和开发者之间存在割裂，效率低下。新模式是"融入开发工作流"——把设计系统变成一种 Skill（技能），可以被通用的 Agent（如 Claude Code、Cursor）调用。Skill 的具体形态很简单：Markdown 文档（供 AI 查阅组件用法）+ 自动化脚本（用于初始化项目、自动安装和应用设计系统）。开发者在自己熟悉的 AI 开发环境里工作，当需要用到设计系统时，Agent 自动调用这个 Skill，生成的代码直接进入项目代码库。Skill 的具体形态很简单：Markdown 文档（供 AI 查阅组件用法）+ 自动化脚本（用于初始化项目、自动安装和应用设计系统）。开发者在自己熟悉的 AI 开发环境里工作，当需要用到设计系统时，Agent 自动调用这个 Skill，生成的代码直接进入项目代码库。可以参考：网页链接这个案例让我想到几个更深层的问题：1. 技术成功 ≠ 产品成功很多技术人（包括我自己）容易陷入"技术可行就是成功"的思维定式。但用户不会因为你的技术牛就买单，他们只关心能不能解决自己的问题、能不能无缝融入自己的工作流。2. 做 AI 产品要"以 AI 为中心"思考我们常说"以用户为中心"，但在 AI 时代，可能需要增加一层：以 AI 为中心设计工作流，再让用户享受这个高效流程的成果。不是让 AI 模仿人的工作方式，而是重新设计工作方式让 AI 更高效。3. Skill > Agent独立的 Agent 平台有天然的adoption障碍。把能力封装成 Skill，嵌入已有的通用 Agent 生态，可能是更务实的落地路径。这也是为什么 Anthropic 推出 web-artifacts-builder 这样的开源项目——它就是一个 Skill 的范例。4. 行动本身就是价值即使这个项目"失败"了，团队获得的认知升级是无价的。从模仿人类工作流到为 AI 重塑工作流，这种思维转变只有在实践中才能获得。最后我想说的是："去构建（Build）"。AI 时代，失败没什么，好过什么都没做。

29. Anthropic：高效构建 AI 智能体的上下文工程

30. 看完 Manus、Cursor 分享后的最大收获：避免 Context 的过度工程化才是关键

31. 2025过去了！这一年你是不是也在为AI焦虑？老周用360一整年的实践，告诉你答案：不用怕，抓住Agent就赢了！从我自己敲代码做100多个智能体，到带领团队All in，这条AI布道之路，全是实战干货。 2026，你想和智能体一起搞定啥？评论区留言，老周帮你研究！#大咖观察#2026 #年度总结 #红衣聊AI #agent

32. 一个视频带你快速盘点2025年GitHub热点项目

33. 盘点一周AI大事(12月7日)｜GPT5.2下周发布 Gemini 3 Deep Think正式上线 OpenAI下周12月9日发布大蒜模型GPT5.2，下月发布大葱模型GPT5.5全面吊打Gemini 3 DeepSeek开源最强推理模型DeepSeek V3.2 Mistral开源Mistral 3家族 OpenAGI发布最强电脑操作模型Lux Runway发布最强视频模型Gen 4.5 阿里开源数字人直播模型Live Avatar 字节发布顶级图像模型Seedream 4.5 研究员推出3D空间音频模型ViSAudio 微软开源实时语音模型VibeVoice Harmonic推出亚里士多德智能体，6个小时解决了悬赏30年的数学问题 #抖音知识年终大赏 #AI新星计划 #人工智能 #OpenAI #机器人

34. 你用的油/电/水，和AI有什么关系？

35. 教你使用一个工具玩转阿里云所有顶尖AI大模型！

36. 贾维斯已来？小米开源平台Xiaomi Miloco究竟能做什么？

37. 「豆包手机」为何能靠超级Agent火遍全网，我们听听AI学者们怎么说

38. LLM，RAG和Agent不是割裂的，而是一个整体。如果把 AI 系统比作一个生命体，那么 LLM = 大脑，RAG = 记忆，Agent = 执行系统。LLM 像是大脑的皮层，擅长理解、联想和表达。它能在复杂的语言世界中“即兴发挥”，像人类一样推理、总结、编故事。也会在需要时做出“认知上的决策”——比如分析问题的思路、选择回答的方向。然而，大脑并不擅长记住具体事实。它能推断“苹果会掉下来”，却未必记得“牛顿是什么时候发现的万有引力”。这时，就需要「RAG」登场。RAG 相当于一个“外接记忆系统”。当大脑想不起细节时，它能立刻翻查资料库，把相关的事实、文档、图像调出来，再交还给大脑整合成一段有根据的回答。于是，大脑不再是“瞎编”，而是“有据可依”。从技术上讲，这就像给模型装上一个搜索引擎——但比搜索更聪明，因为它能理解上下文、筛选关键信息、甚至融合多个来源的内容。Agent 则像是神经系统中的“执行层”。大脑想出了计划，记忆提供了依据，而真正“去行动”的，是 Agent。它决定什么时候要产生计划，要不要调用工具、查阅资料、生成报告，甚至与外部世界互动。可以说，LLM 负责“想”，RAG 负责“记”，Agent 负责“做”。当这三者协同工作时，AI 便不再是一个“聊天机器人”，而是一个有意识、有记忆、有行动能力的“数字生命”。#ai创造营##科技#

39. 今天我们开源了一个新的AI Agent项目。Wegent：一个能够定义、编排和执行Agent团队的开源系统。和其它Agent开发系统的区别是，Wegent底层使用声明式方式构建和编排 AI Agent，这就意味着部署智能体就像是在K8S里部署负载一样，可以实现基于yaml直接定义部署Agent服务。同时，Wegent的底层定义中区分了智能体的“Ghost（提示词）”和“Shell（执行器）”的概念。例如，你既可以把Claude Code作为智能体的“壳”实现远程编码Agent系统，也可以基于Agno的“壳”来实现DeepResearch系统。在开源项目里也增加了配套的前端服务，可以直接在网页中构建新的Agent团队。项目地址：github.com/wecode-ai/Wegent（附件是用Wegent实现的网页版Claude Code的效果）

40. 终于蹲到了！清华社把这本 Agent 架构书引进了《构建Agentic AI系统》

41. 大模型只是能力，必须要跟场景结合。 #大咖观察 #红衣聊AI #大模型

42. #天禧 AI 生态# 大会抛出的 “未来 12 个月天禧不参与智能体收入分润，收入 100% 归开发者” 政策，藏着生态长久发展的底层逻辑。这份诚意的意义，在于打破传统平台的利益壁垒，为开发者搭建零门槛的创新舞台，让创作者无需顾虑收益分配，专注于打磨优质智能体应用，最终形成 “开发者受益、用户得利、生态繁荣” 的正向循环。#2025 联想天禧生态伙伴大会##天禧个人超级智能体##酷睿Ultra##酷睿UltraAI更强谁不爱#

43. 盘点一周AI大事(10月12日)｜GPT进化AI操作系统 OpenAI发布ChatGPT应用平台 OpenAI推出智能体编排工具AgentKit Sora 2正式开放API，可以生成15秒无水印的高清视频 OpenAI与AMD牵手成功 Google发布最强行动智能体模型Gemini 2.5 Computer Use Google即将发布Veo 3.1，正面硬刚Sora 2 科学家研发出首个自适应AI教师 Hinton称AI已经有了意识，只是它自己不知道 #AI新星计划 #人工智能 #AIGC #OpenAI #机器人

44. 「Github一周热点101期」IT咖啡馆的开源项目，cowork的开源替代大批出现

45. 真正的系统级Agent！这个桌面上的AI能帮你全自动干活

46. 硅谷《连线》杂志：性能顶级的 GPT-5们，正在输给一个中国开源模型#连线杂志 #AI #千问 #Qwen #千问恐慌

47. 打卡 2025 vivo 开发者大会蓝河操作系统分会场【蓝河操作系统是干啥的？】vivo蓝河操作系统负责人杨春：未来AGI时代，vivo也要成为引领者。以3年为限，蓝河操作系统将成为下一代AI原生设备的操作系统。比如眼镜、机器人、MR混合显示头显、耳机等。【蓝河操作系统优势是？】天生安全，天生流畅，天生低能耗长续航，内核开源，已经申请加入开放原子开源基金会进行项目孵化。对于开发者而言，带来丰富的流量入口，一次开发多端部署，支持智能体一键发布（以快应用为载体），蓝河开发套件持续完善。【蓝河操作系统的能力？】影像：高集成，轻量化，低功耗，AI能力加持。（看完这个，感觉vivo做类似于大疆Pocket3这类产品，应该会更强大。）多媒体：可以带来强大的视听体验，这块手机厂商经验丰富。AI：蓝心大模型矩阵，蓝河Agent框架。低功耗。连接：高可靠性的跨终端连接。【蓝河流畅引擎】高性能实现，超级协程，超级渲染树，多媒体引擎等。蓝河操作系统，可以作为前沿实验田打造新技术赋能OriginOS，可以为未来AI原生设备提供服务，就比如vivo的智能手表，便是搭载了该系统，最新的vivo Watch GT2凭借蓝河操作系统3.0，带来了33天的长续航，且功能更加丰富「流畅丝滑的操作体验；蓝心小v/小v建议升级，支持连续对话与更强的理解能力；支持手机碰一碰传图AI生成表盘，iPhone vivo双机互联后实现手表通知同步；支持更丰富的三方应用。」#2025年了安卓够流畅了吗##vivo全新系统originos6##2025vivo开发者大会##vivo x300系列# 总之，蓝河操作系统对于vivo意义非凡，承载着蓝厂巨大的梦想。

48. 垄断、脱钩、闭源渐成主流？为什么鲲鹏选择全面开源？这背后藏着什么？

49. 在荣耀开发者大会的 MagicOS 10 主题演讲中，CEO 李健系统阐述了自进化 AI 智能体操作系统的核心逻辑。该系统通过用户共创、产业共生、生态共荣三大驱动构建持续进化的智能生态体系。荣耀 CEO 李健表示，MagicOS 技术创新与三大驱动同频共振，形成了自进化的飞轮效应。#荣耀Magic8#

50. 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」！

51. 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。

52. AI圈最顶级的一次争吵，理解世界还是堆模型？ #大咖观察 #红衣聊AI #大模型 #人工智能

53. 盘点一周AI大事(1月4日)｜Google包揽年度最佳模型 LMArena大模型盲选排行榜公布年度冠军 Google推出AI辅助学习系统Learn Your Way 阿里开源最强手机智能体MAI-UI DeepSeek发布新研究mHC IQuest发布最强开源编码模型IQuest-Coder-V1 字节发布动态概念大模型DLCM 腾讯发布最强开源翻译模型HY-MT1.5 阿里更新最强开源图像模型Qwen-Image-2512 Meta开源极速视频生成模型HiStream 研究员开源对象植入模型InsertAnywhere 研究员开源MV智能体AutoMV 腾讯开源3D动作生成模型Hunyuan Motion 1.0 研究员开源高保真3D模型UltraShape 研究员开源世界模型Yume 1.5 #前沿科技趋势发布月 #抖音知识年终大赏 #AI新星计划 #AI #AIGC

54. 「Github一周热点96期」Flux2绘图模型、腾讯的视频生成模型、AI记忆、开源Launchpad、笔记和知识库，Nginx可视化工具

55. 盘点一周AI大事(9月28日)｜ChatGPT上线私人秘书 OpenAI与英伟达签手成功，英伟达投资OpenAI 1000亿打造算力中心微软与Anthropic感情升温，Copilot也接入了Claude ChatGPT上线私人秘书Agent ChatGPT Palse OpenAI 发布职业力基准测试GDPval 阿里推出千问全家桶，Qwen 3 Max数学竞赛拿满分，多模态Qwen 3 omni全面对标Gemini，最强视觉Qwen VL打败闭源 DeepSeek更新V3.1最终版 Meta开源代码世界模型 Google开发出生成式操作系统原型 #AI新星计划 #人工智能 #AIGC #OpenAI #机器人

56. 这个模型有机会成为世界模型的Deepseek#AI #大模型 #世界模型 #北京人形机器人创新中心 #北京人形WoW具身世界模型

57. #中国工程院院士点赞的AI长啥样# 新华网发布的关于中国AI的报道中，深度解读了荣耀YOYO智能体的技术优势，这份权威解读成为行业了解中国AI发展的重要参考。报道中特别提及荣耀Magic8系列新机，作为荣耀年度旗舰手机，以及同时发布的MagicOS10，在改变我们智慧生活的很多方面都做了很多新的尝试，并且YOYO的自进化功能，能让它就像生活中的“搭子”一样，陪伴消费者，就像荣耀自己说的：最伟大的自进化，是与用户共同完成的。凤凰网科技的微博视频#中国超算之父称中国智能体领先世界##荣耀AI终端生态大会##荣耀Magic8##万事找YOYO#

58. 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#

59. 荣耀发布会开始了，首当其冲的就是荣耀Magic8系列将搭载全新MagicOS 10，原本就强的AI又能够自进化了，成为了 AI 智能体操作系统。全新的YOYO也能够通过学习用户的使用习惯，在真实场景中实现不断成长，实现自进化#荣耀发布会##荣耀Magic8##荣耀MagicOS10#

60. “幽灵光标”爆发在即？从OpenAI杀入通用AI Agent，看懂下一个万亿流量之战与四大技术流派【硅谷101】

61. 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

62. 盘点一周AI大事(12月21日)｜谷歌手撕OpenAI OpenAI 上线最强图像模型GPT Image 1.5 OpenAI发布最强编码模型GPT-5.2-Codex Google发布 Gemini 3 Flash Google开源A2UI协议微软开源最强3D模型TRELLIS 2 阿里开源分层编辑图像模型Qwen-Image-Layered 阿里发布Veo 3平替Wan2.6 字节发布Veo 3平替Seedance 1.5 pro 腾讯开源首个实时交互世界模型WorldPlay 研究员开源照片重新对焦Genfocus Pipeline 研究员开源实时换脸视频模型PersonaLive Meta开源最强声音分割模型SAM Audio #抖音知识年终大赏 #AI新星计划 #OpenAI #AIGC #前沿科技趋势发布月

63. LoRA模型的4大分类与实用姿势，一次性讲明白！Stable Diffusion附加网络模型解析 · AI绘画零基础入门系列教程

64. 在 re:Invent 2025，亚马逊云科技 Agentic AI 副总裁 Swami Sivasubramanian 以《Agentic AI 的未来已来》为题进行演讲，并系统发布面向生产环境的 Agentic AI 全栈能力：Strands Agents SDK 新增 TypeScript 与边缘设备支持，让 Agent 可部署于机器人、智能汽车等物理终端；Amazon Bedrock AgentCore 正式全面可用，集成策略控制（Policy）、情景记忆（Episodic Memory）与评估（Evaluation）三大核心能力；Amazon Nova Act 正式版上线，让 Agent 能像真人一样操作浏览器，自动完成数据录入、跨系统核验、电商结账等复杂 UI 任务，可靠性达 90%+；Reinforcement Fine-Tuning (RFT) for Amazon Bedrock 平均提升任务准确率 66%，无需机器学习专家即可完成模型定制。这些新突破共同围绕“可用、易用、可靠”三大原则，为开发者提供从开发、定制到运行、观测的端到端 Agentic AI 工程化路径。#亚马逊云科技# #reInvent2025# #AgenticAI#

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

66. 10月23日，在荣耀开发者大会的MagicOS 10主题演讲中，CEO李健提出了自进化AI智能体操作系统MagicOS 10的五维进化路径。通过模型升维至端云协同的个人化大模型、内核升维至 AI 智能体能力调度、协同升维至跨智能体互联、服务升维至意图理解，自主决策的智能体、交互升维至多模态自然交互，从而实现MagicOS 10从被动响应的“工具平台”，到主动服务的“智慧中枢”。其智能体间的自主协同能力，不仅提升了用户体验，更为开发者构建了开放生态的进化底座，推动行业向智能化、个性化方向加速发展。#荣耀Magic8 #

67. 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

68. 「Github一周热点91期」deepseek OCR、量化交易工具、Notebook开源替代、Linux换源工具、Windows优化项目和API 客户端

69. 「Github一周热点90期」规格驱动开发、AI记忆引擎、AI agent的docker、开源流媒体平台、开源电商平台和密钥管理平台

70. 大疆司空 2 重磅升级，引入智能算法与大模型 | 见云见智

71. AI智能体也卷起来了？又懂业务又不用搭工作流…

72. #天禧个人超级智能体# 大会梳理的 AI 发展三阶段 —— 从 “判别式 AI（判断）” 到 “生成式 AI（创造）” 再到 “智能体 AI（行动）”，其意义在于为行业提供了清晰的发展路径图。这一梳理让从业者看清 AI 的进化逻辑，避免陷入 “概念炒作” 的误区，引导行业脚踏实地地朝着 “让 AI 具备行动能力” 的目标迈进。#2025 联想天禧生态伙伴大会##天禧个人超级智能体##酷睿Ultra##酷睿UltraAI更强谁不爱#

73. 盘点一周AI大事(12月7日)｜首个AGI模型问世 OpenAI强行上线GPT5.2，跑分击败Gemini重夺地表最强 OpenAI下周发布图像模型绝地反击小香蕉 ChatGPT接入Adobe套装 Google推出顶级语音模型Gemini 2.5 TTS Google上线实时语音互译Gemini 2.5 Audio Google深度研究接入Gemini 3 Pro 智谱推出最强开源手机智能体AutoGLM-Phone-9B Runway推出通用世界模型GWM-1 Meta推出短剧视频模型OneStory Meta推出最强开源版客串Saber 字节发布最强自动驾驶视觉模型UniUGP 阿里开源最强运动控制视频模型WanMove 研究员开源换脸视频模型LivingSwap Integral AI 宣称构建了世界上第一个AGI模型 #抖音知识年终大赏 #AI新星计划 #人工智能 #OpenAI #AIGC

74. 类Manus开源！一个强大的 AI Agent 系统

75. Linux基金会宣布成立Agentic AI基金会，以MCP、goose和AGENTS.md等新项目为基础

76. 为什么 Agent 是 AI 时代的操作系统？

77. 钉钉发布Agent OS

78. 易术研究 |Agent 如何真正接管企业操作系统

79. Agent Harness

80. 从 Claude Code 到 Agent SDK

81. Agent OS奠定钉钉AI操作系统的核心地位

82. AI 下一代操作系统 (附 AgentKit 实战思路)

83. 试试 AIOS，为智能体提供统一运行时

84. 基于 AI 智能体的操作系统架构设计详解

85. OpenBMB MeetUp 回顾｜28K Stars 项目主创团队揭秘多智能体如何重塑人机协作未来

86. 构建 AI 智能体的实用开源技术栈（框架、计算机与浏览器操控、语音功能、文档理解...）

87. AI智能体协议全景图

88. 钉钉Agent OS横空出世

89. Agentic AI大会圆满结束，Agent Dev Tool、自主决策Agent、面向Agent记忆工程等论坛爆满，千名技术人员共话智能体技术落地

90. AI Agent元年回顾

91. 10万亿Tokens背后的真相

92. 2026 年，Agent 会把世界推向哪里？

93. 2026技术趋势

94. AI洞察 | 企业AI Agent落地面临的多重挑战和应对策略

95. 2026 AI Agent 趋势解读

96. 2026首届Agentic AI峰会

97. 【趋势分析】2026 AI Agent 落地现状

98. 钉钉发布Agent OS，一次上线20多款产品

99. AI Agent规模化瓶颈，不在技术而在组织

100. 用一个词概括2026年的AI趋势，我选“工程化”

101. B端AI落地困局破局

102. 2026

103. 保险企业基于DeepSeek底座+多智能体应用落地方案探讨

104. AI Agent智能体技术发展报告

105. 多智能开发的两种模式简介

106. 大模型应用从做出来到，怎么把应用做好

107. 为什么在医疗法律等领域会使用大模型这种不稳定的技术，你对大模型的误解之——大模型到底解决了什么问题？

108. 企业AI落地必看！AI产品经理直面5大挑战与解决方案(建议收藏)

109. 2026，「超级」AI云的新赛点

110. 为什么大模型难以直接落地政企场景？

111. 5位专家用10+案例，讲清工业大模型落地难点

112. AI大模型应用管理平台解决大模型应用落地难题

113. （转载）AI大模型平台技术发展深度剖析！2025

114. 华为以工程化能力推动医疗AI应用规模化落地

115. 大模型平台发展背景与产业价值

116. AI泡沫透视

117. 大模型落地数据分析

118. 企业大模型应用痛点与Dify商业版应用落地

119. 马哥大模型应用与工程实践教程资料 - 哔哩哔哩

120. 「大模型落地第一步」科学需求定义，让AI智能体精准对接业务痛点

121. 洞见 | 工业大模型落地应用进展、痛点及对策建议

122. AI Agent 的事件驱动架构实践

123. 全球首个！钉钉AI工作智能操作系统Agent OS

124. 钉钉发布AgentOS

125. 钉钉发布全球首个工作智能操作系统 Agent OS，超过 20 款新品上线

126. 钉钉发布Agent OS

127. 解数咨询

128. 学用系列｜MiniMax Agent实测，全Agent模式虽火，人机协同才是刚需

129. CORTEX: 用 Go 构建高效 LLM 集成的 AI Agent 框架

130. Agent = LLM + Tools

131. AI Agent 如何重塑桌面操作自动化

132. 构建未来智能企业

133. 从会说话到会办事

134. 开源10k+星项目，比AutoGPT强10倍！这个"AI Agent操作系统"让每个人都能拥有AI军团！

135. 蚂蚁开源 AEnvironment——面向 Agentic RL 时代的环境系统

136. 开源AI原生操作系统Wegent

137. AI Agent演进简史

138. Code Agent演进

139. 从50行到革命性突破

140. 🚀开源Agent界的操作系统？全解Goose框架

141. 告别低效自动化

142. 2025智能体元年

143. 信通院与华为联合发布|智能体技术与应用研究报告（2025）

144. 【网警说·技术】关于智能体，这些你需要了解——

145. 实测专盯Agent上工的OS

146. 看完苹果发布会,我觉得OS才是AI Agent的终极答案

147. 企业级Agent OS演进蓝图

148. 【Agent专题】关于Agent的12个生产级案例全公开,深入了解其实践应用!

149. 2025年GenAI分析报告:Agent如何重构软件生态.pdf

150. GENAI系列之四十八:AGENT如何重构软件生态?

151. 跑分超过OpenAI Atlas,Flowith 昨晚发了一个最激进的Agent

152. Manus蝴蝶翅膀扇到杭州｜趣商业

153. 2024年计算机行业专题报告:“AI操作系统”时代已至

154. 钉钉正式发布Agent OS：全球首个为AI打造的工作智能操作系统

155. 开源“王炸”，只需16G显存！gpt-oss横空出世，一文读懂Agent新时代的颠覆性AI巨作

156. 钉钉推Agent OS 打造AI原生工作操作系统

157. OpenAI 重返开源，AI Agent 迎来强力推理模型新时代

158. Windows正在变成AI智能体操作系统，这对你的公司意味着什么？

159. 2025-2026企业AI应用实录：Agent引爆落地，AI原生重构业务

160. 李飞飞领衔！斯坦福、微软重磅综述《AI Agent》发布：AI 的下一步是“行动”

161. 钉钉发布全球首个工作智能操作系统Agent OS 专为AI打造

162. Windows 11变身“AI大脑”：微软正式推出操作系统级智能体

163. 【中国银河计算机】2026年度策略：从AI-Enabled到AI-First，拥抱AI应用大蓝海

164. Anthropic发布2026企业AI Agent报告

165. 钉钉推出 Agent OS，打造全球首款 AI 工作智能操作系统

166. 【人工智能】Windows 正在成为AI Agent的操作系统

167. 【AI最前沿64】Agent OS 智能体操作系统深度解析

168. Agent完全指南：从工作场景入手，一文讲透AI智能体“代理”含义

169. 盘点国内知名Agent智能体：谁在领跑，如何赋能各行各业？

170. BrowserOS：重塑浏览器！一款开源、隐私优先的本地 AI Agent 浏览器

171. 钉钉要做AI Agent操作系统平台

172. 《AI Agent 智能体技术发展报告2026》

173. 如何评价2025年国内企业级AI智能体平台的发展格局？

174. 企业智能体开发：从技术选型到商业落地的完整指南

175. 首次公开！重构智能体生产！无问芯穹推出基础设施智能体蜂群

176. Nuwax AgentOS正式发布！

177. AIOS：Agent 时代操作系统-研究与实现

178. AI｜如何构建高效 AI Agent ？

179. 2026，做Agentic AI，绕不开这两篇开年综述

180. 不是替代，是进化：企业级AI Agent平台如何打造人机协同的“超级团队”？

181. 2025企业级智能体式AI实施指南白皮书

182. AI快讯：钉钉发布首个AI工作系统Agent OS，通义百聆语音交互模型开源

183. LLM之Agent（二十五）| 使用 A2A Agents和 MCP Server构建一个Demo Multi-Agent系统

184. 浪潮云海若智能体操作系统AgentOS全新升级

185. Windows 11引入智能体，要成为AI原生操作系统，Windows智能体可以帮人干活了

186. 瑞承：行业首发，企业级智能体能否100%开源

187. 【Windows】BrowserOS-一款基于 Chromium 的开源 AI 浏览器，在本地原生运行 AI Agent

188. Agentic AI基金会成立，首批标准包括MCP、goose、AGENTS.md

189. 未来的软件将以AI为中枢和内核：一场“优势大融合”的静默革命

190. 零代码搭建企业智能体：BuildingAI 开源平台支持 RAG 与智能体控制（MCP）

191. AI Agent，产品经理的“新战场”！一文带你搞懂AI智能体，收藏这一篇就够了！！

192. 最近，腾讯把智能体平台开源了！

193. 标星 23.5k｜字节跳动开源 AI Agent 框架

194. Agent学习开源项目，包含理论指导、Demo工程和实践总结

195. FlowithOS：首个 Agent 操作系统

196. 本地LLM与Dify打造智能知识库与Agent的实践之旅

197. 新书速览|AI Agent应用开发:构建多智能体协同系统

198. 开源 AI Agent 实战：openJiuwen macOS 部署教程

199. 《AI Agent应用开发：构建多智能体协同系统》重磅发布：从理论到实战，系统性掌握下一代AI核心技术

200. 智能体来了！完全开源！开源智能体，媲美Manus，立刻部署一套给公司

201. 腾讯云开源Youtu-Agent：用开源模型干掉昂贵闭源API

202. 腾讯智能体开源大动作！关键技术都拿出来了，开发平台还全面升级

203. AI Cloud Agent技术及产业应用洞察报告

扫一下，分享更方便，购买更轻松

0评论

当前文章无评论，是时候发表评论了

提示信息

取消

确认

评论举报

垃圾广告！低俗色情！人身攻击！疑似水军评论！其他有害！