Skills只是冰山一角？揭秘AI智能体真正的核心技术架构_服务软件

1. 大模型Agent的核心还是prompt？

2. 为什么说以后好好读书才能进工厂？ #美的工厂大脑 #首个智能体工厂

3. 华为最新报告：未来10年，AI智能体、算力、半导体、能源都有巨大的机会#智能世界2035 #AI智能体 #算力 #半导体 #华为

4. 在这场AI时代的竞争中，安全智能体正是破局的关键。 #大咖观察 #红衣聊AI #智能体 #网络安全

5. 未来智能体不能把它看成软件，它可以把大模型的专业能力提炼出来 #大咖观察 #红衣聊AI

6. 2026年AI全景预测：迈向百亿智能体时代的20个发展趋势。 #大咖观察 #人工智能 #红衣聊AI #智能体 #AI时代

7. 吉利全域AI2.0发布：一场关于“整车智能”的架构革命。在今年拉斯维加斯的CES上，吉利没有停留在功能层面的迭代，而是完成了一次智能汽车底层架构的根本性重构。全域AI 2.0的发布，有可能意味着汽车智能正式从“域控时代”迈入“整车大脑时代”。这场变革的核心，是一个名为 WAM（世界行为模型）的“整车大脑”。它并非又一个大型语言模型的简单上车，而是一个具备自我反思与进化能力的系统级认知框架。通过分层设计——上层进行宏观任务规划，下层执行精细推演与决策，并引入人类反馈进行价值对齐——WAM首次让汽车拥有了持续进化的“世界观”与“判断力”。智能汽车开始从“执行预设程序”转向“理解并适应真实世界”。在此基础之上，全域AI 2.0实现了 “智能体化”与“引擎化” 两大突破。吉利构建了“1+2+N”的多智能体协同框架，使得座舱、智驾、底盘等各域智能体能够像团队一样对话、协商与协作。同时，将感知、记忆、决策等基础能力沉淀为可被全域调用的“公共技术引擎”。这从根本上解决了以往各域智能“烟囱林立”、数据与能力割裂的问题，实现了整车智能的统一与协同。由此带来的体验革新是根本性的：Eva智能体，从语音助手进化为整车智能的 “感知-决策-执行中枢”，能够理解模糊指令、自主规划复杂任务链。千里浩瀚G-ASD，则成为全球“含模量”最高的智驾系统之一，其生成式模型范式与国宾级驾驶数据的融合，直指 “拟人化” 驾驶的终极目标，并计划在今年推送L3/L4高阶功能。可以说，吉利的这次进化，路径已经非常清晰：通过构建统一的整车认知与决策架构（WAM），打破域间壁垒（引擎化），调度智能体协同（智能体化），最终实现体验的质变（Eva & G-ASD）。这不仅是技术的升级，更是智能汽车开发范式的转变。当行业多数玩家仍在比拼硬件算力与功能清单时，吉利已经将竞争引向了 “整车智能架构” 的更高维度。2026年，或许正是移动智能体觉醒的元年。#全域AI能给汽车带来什么##吉利连续三年参展CES#

8. 给AI一个“身体”：3D数字人或是具身智能的解法？【硅谷101】

9. 全球双榜SOTA！明略科技专有大模型 Mano开启GUI智能操作新时代

10. 一个新的概念WAM（World Action Model，世界行为模型）来了↓在 2026 CES 上，吉利正式展示了其全域 AI 技术体系迈入 2.0 阶段的最新成果。如果说全域 AI 1.0 解决的是“让 AI 进入汽车各个系统”，那么全域 AI 2.0 的目标，则是让汽车首次具备可持续进化的统一世界观与判断能力，而这一变化的技术起点正是 WAM。长期以来，智能汽车的技术架构高度割裂。智能驾驶、座舱、底盘、动力等系统各自拥有独立的感知与决策逻辑，虽然能够协同工作，但并不共享对世界的统一理解。这种结构限制了跨域协同效率，也让整车智能难以整体进化。WAM 并不是再做一个更强的智驾模型，而是尝试在整车层面构建统一的“行为生成与评估”框架。距离、速度、环境变化、交通规则乃至社会常识，不再分散存在于各个系统中，而是被纳入同一套世界模型与决策逻辑中。汽车由此第一次拥有了统一的“世界观”。从 AI 技术角度看，WAM 引入的是一种可推演、可评估、可自我修正的生成式智能范式，而不再是规则驱动或单一端到端黑盒。在技术实现上，WAM 由四类模型协同构成完整闭环。视觉语言模型负责对场景与用户意图进行高层理解与任务拆解；动作专家模型将抽象意图转化为连续、可执行的控制序列；世界模型对不同行为进行快速未来推演；价值函数则从安全、舒适与效率等维度进行综合评估，选择最优行动方案。这一结构让系统具备了“先想一想，再行动，并能反思修正”的能力。WAM 并非孤立模型，而是全域 AI 2.0 的核心技术底座。在其之上，吉利构建了“1+2+N”的全域多智能体协同体系：整车级超级智能体 EVA 作为统一中枢，智能驾驶与智能座舱作为高频交互智能体，其余专业域智能体围绕同一世界模型协同运作。系统之间不再只是接口通信，而是基于一致认知进行协作。从更宏观的视角看，WAM 标志着汽车智能正从“感知—响应”的阶段，迈向具备世界理解、行为预演与自我修正能力的新阶段。全域 AI 2.0 为这一转变提供了系统级基础，而 WAM 正是其中最关键的智能内核。#全域AI能给汽车带来什么##吉利连续三年参展CES#

11. 终端厂商战略布局 AI agent，华为小艺为何拔得头筹？

12. OpenAI 如何打造AI原生工程团队的最佳实践《Building an AI-native engineering team》，归纳如下。文档介绍了团队应该如何真正把 AI 智能体嵌入工程体系，从计划、设计、开发、测试到上线运维形成闭环，加速整个 SDLC（软件开发生命周期）。1. 规划（Plan）规划往往需要大量代码语境理解，过去必须依赖资深工程师反复澄清。文档强调可以先让智能体读取需求、遍历代码库、标记模糊点、拆分工作项，把早期对齐成本显著降低。团队应该做的是专注决策、风险判断与优先级。因此，智能体不止是“辅助写代码”，而是可以提前介入需求—代码映射，用它来减少来回沟通。2. 设计（Design)设计通常被大量样板工作拖慢，例如项目结构初始化、组件框架搭建、样式规范套入。文档强调应让代理完成“从设计 → 组件 → 代码”的流水线式生成，再由工程师审阅架构一致性和 UX 合理性。设计阶段不是用 AI 画原型，而是让智能体直接产出“可运行验证的版本”，显著减少返工。3. 构建（Build）这是 AI 代理提升最明显的阶段。文档给出的最佳姿势，是让智能体负责端到端的初稿实现，包括模型、API、UI、测试和文档，工程师则把精力转向性能、架构、长期可维护性。构建阶段应把 AI 视为“第一实施者”。工程师不再负责逐行写，而负责判断生成方案是否符合系统演进方向。4. 测试（Test）随着智能体承担更多实施工作，测试反而成为工程师控制质量的主轴。最佳实践是让智能体生成测试用例、补全边界场景，并在代码变更后更新测试。不要只让智能体写代码，要让它写测试、跑测试、基于失败结果迭代；测试越强，智能体越可靠。5. 代码审查（Review）智能体可以持续、稳定地进行第一遍代码审查，尤其擅长发现逻辑漏洞、竞态、错误的数据库访问方式等。工程师则聚焦架构一致性与复杂变更的判断。AI 审查不是为了“更快合并”，而是为了“减少重大缺陷进入主干分支”。工程师的关注点应从细节检查转为整体正确性。6. 文档与知识沉淀（Document）智能体非常擅长根据代码生成结构化说明、依赖图和变化总结。最佳做法是把文档维护接入流水线，例如在发布流程中让智能体自动产出变更摘要，并由工程师确认关键部分。把文档写作视为“可自动化的持续任务”，而不是阶段性集中补齐。7. 部署与运维（Deploy & Maintain）让智能体读取日志、Trace、部署记录，再结合代码自动定位可能问题，并给出可行修复。工程师负责判断、确认和实施关键决策。在运维中使用智能体的关键不是预测故障，而是让其整合多源上下文，减少人工排查时间。重点：团队角色的重定义文档贯穿始终的主题是三个动词：Delegate、Review、Own。1 工程师应把重复性、结构化的工作交给智能体。2 工程师需要对智能体产出进行审阅，但专注关键决策点。3 工程师必须对系统的长期演进负责，对所有上线内容最终背书。AI-native 团队不是“工程师被取代”，而是“工程师从执行者变成决策者与架构塑造者”。#微博兴趣创作计划##人工智能#

13. 什么是 AI 智能体？

14. 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

15. 大模型是迷失方向？强化学习之父 Rich Sutton 提出最新 OaK 架构，通往超级智能的新宏图

16. 如何构建一个 AI 智能体构建 AI 智能体的核心，是打造一个能够感知、推理、行动并从环境中学习的智能系统。整个过程遵循一个有机的结构化流程，如下所示：1. 明确目标与环境首先要确定智能体的目标，以及它将运行的环境。示例：一个个人 AI 助手的目标可能是管理用户的日程，而它的运行环境则包括用户输入、日历系统和外部 API。2. 智能体核心（AI Agent Core）AI 智能体的核心由三个关键模块组成，这三部分共同驱动智能体的理解与决策能力。a. 感知模块（Perception Module）收集并解释来自各种传感器的数据，如摄像头、麦克风或 API 输入。将原始感知数据转化为可理解的有意义信息，例如文字识别、声音检测或物体识别。b. 认知与推理模块（Cognition & Reasoning Module）这是智能体的大脑所在，负责逻辑推理、模型分析和基于目标的决策。通过算法和 AI 模型分析环境状况，规划行动路径，并根据数据和目标做出判断。c. 行动模块（Action Module）执行已选定的行动，可通过机械臂、软件命令或 API 调用等方式实现。将决策转化为对现实世界或数字环境的具体操作。3. 传感器与执行器传感器用于从环境中采集数据（视觉、听觉或上下文信息）。执行器根据智能体的决策执行任务或响应。二者形成一个持续的“感知—行动”循环，使智能体能动态地与环境交互。4. 环境交互（观察 + 行动）智能体通过观察行动结果并从环境中收集反馈，来评估自身表现。这种反馈帮助智能体调整策略，优化未来的行动。5. 记忆与学习记忆与学习模块用于存储经验并不断优化模型。它维护一个可随观察与反馈而更新的知识库，使智能体能够具备自适应学习能力。随着时间推移，智能体会变得更聪明、更准确、更高效。6. 反馈与改进循环最后阶段是持续改进环节。智能体评估自身表现，更新内部模型，并优化决策机制以取得最佳结果。这种“感知—学习—改进”的循环构成了自我进化型 AI 系统的基础。★ 总结明确目标 → 感知 → 理解 → 推理 → 行动 → 学习 → 改进 → 重复这个循环使 AI 智能体能够从最初的简单自动化，不断成长为具有自主智能的系统。#人工智能##程序员#

17. 构建真正有效智能体，90%靠的是“记忆”，而非模型本身、框架或MCP。关键在于智能体对以下内容的理解和记忆：- 自身能力范围 - 目标与需求 - 过去失败经验这段“上下文”决定了智能体是像六岁小孩般无知，还是像严谨工程师般高效。核心是“领域记忆”——既包含专业化知识，也包含任务专属的长期记忆。这不是简单的会话记忆，而是对未来至关重要的关键洞察的持续保存。可以称之为“工作流记忆”，它虽设置不复杂，但设计精妙且价值巨大。即便内部已有智能体架构，实现持久记忆也不难，且无需依赖外部API（当然也有选择）。让智能体把最终回答摘要存入持久存储，下次运行时回顾过去决策，大大提升了连续性与理性表现。失败尝试的历史比成功经验更宝贵，避免重复踩坑，节省时间和计算资源。通过保存失败日志，课减少70%的重复错误，证明记忆架构是生产级智能体的核心，而非模型升级的噱头。将记忆细分为“动态工作流记忆”（从失败中学习）和“静态目标记忆”（明确要求与验收标准），结合使用能让智能体拥有既稳固又灵活的执行力。记忆提供连续性，但“控制”才是智能体真正的主动性源泉。只有当系统能自主调节自身动态，才能实现真正的“代理行为”，而非被动反应。记忆塑造认知，控制塑造行为，两者合力才能造就真正有自主决策能力的智能体。产品角度看，模型是天花板，记忆系统是地板。没有强大且专注的长期记忆，再好的模型也难以落地应用。当大家热衷于追求更聪明的模型时，真正提升智能体智商的，是持续不断的记忆和上下文管理。只有打好记忆基础，智能体才能从随机猜测进化为可靠执行者，实现真正的智能与成长。x.com/Hesamation/status/1999255592242737658

18. 为什么鸿蒙座舱5可以把交代的事办得干净利落？看完MoLA智能化架构后我懂了

19. 如果AI真能帮你“进化”，你最想升级自己哪项能力？ #大咖观察 #红衣聊AI #人工智能

20. 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

21. 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

22. #天禧AI从助手到队友#今日，以“聚力智能体，共启新生态”为主题的2025联想天禧AI生态伙伴大会在京召开。大会聚焦智能体驱动下的个人AI未来，与生态伙伴共探体验升级与商业落地。大会核心揭示了天禧AI从“助手”到“队友”的关键跃迁。当前的天禧AI 3.5，凭借全时空主动记忆与全域个人知识库，首次构建了统一的个人知识图谱，实现了真正的个性化。更引人注目的是其行动力的飞跃：通过MCP技术及智能体协同架构，它能像“总指挥”一样安全调度多个领域智能体，协同完成复杂任务闭环。本次大会前瞻性勾勒了天禧AI 4.0的演进方向，朝着“思你所想，行你所愿”的认知与行动智能迈进。联想正携手生态伙伴，加速将更懂用户、更能执行的“个人AI双胞胎”带入现实。

23. #一分钟视频创作季# 智能体进入到需求侧与供给侧形成双重驱动。2026 年全球 AI 智能体市场规模将达 115.5 亿美元，较 2025 年实现 45.8% 的高速增长。中国市场增速更为迅猛，行业测算显示 2025 年国内企业级智能体市场约 109 亿元，未来三年复合增速超 211%，2026 年有望突破 300 亿元大关。消费电子与企业服务是核心增长点， 2026 年将有超 30% 的企业软件内置智能体能力，2026 年部署生成式 AI 智能体的企业比例将从 2025 年的 25% 翻倍至 50%，62% 的投资方预期实现 100% 以上回报。消费电子、网络安全、供应链管理成为投资热点，端侧与云端协同的混合架构将吸引更多资本布局。#AI创造营##财经朋友圈# 种斌Marco的微博视频

24. LangChain CEO 再聊 Agent：chat 模式只是起点，Ambient Agents 才是未来

25. Anthropic 官方教程：为 Agent 设计高效工具的最佳实践

26. 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#

27. #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#

28. Gemini 3亮点解读，断层领先重夺最强 Google放出年度王炸，Gemini 3重夺地表最强。 LMArena首次突破1500分，HLE不用工具拿下41%，AGI测试更是飙到45% 亮点1、最强视觉能力亮点2、最强编码能力亮点3、最强智能体能力亮点4、智能体IDE Antigravity #AI新星计划 #人工智能 #google #gemini #大模型

29. 盘点一周AI大事(11月23日)｜AI自己画CAD图纸 Google发布最强大模型Gemini 3、最强图像模型Nano Banana Pro OpenAI发布最强编码模型GPT-5.1-Codex-Max 马斯克升级Grok 4.1，情商最强字节开源最强空间重建模型Depth Anything 3 腾讯发布最强开源视频模型HunyuanVideo-1.5 Meta开源最强对象分割模型SAM 3，最强3D分割模型 SAM 3D Autodesk研发出最强CAD智能体VideoCAD AI2发布最强开源深度研究智能体Deep Research Tulu Google发布最强AI天气预报WeatherNext 2 Maxima推出AI会计智能体头号玩家套装问世 #AI新星计划 #人工智能 #AIGC #OpenAI #大模型

30. 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

31. 容忍摸鱼、支持顾家、会用智能体！ #大咖观察 #红衣聊AI #职业技能

32. 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

33. AI应该像个会成长的伙伴，而不是只会复述的机器。 #大咖观察 #红衣聊AI #智能体

34. 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

35. #人工智能#当全球还在热议 AI 模型的迭代与智能体的突破时，资本的流向已悄然转向。400 亿美元收购全球顶级数据中心、150 亿美元打造 AI 枢纽、万亿级基础设施园区规划，这些重磅动作揭示了一个被忽视的真相：AI 的狂欢早已脱离纯粹的 “智力游戏”，沦为一场关于钢铁、电力与土地的硬核博弈。#AI创造营##AI智能# 凯文思考的微博视频

36. Agent常见面试题：LLM 是如何学会调用外部 API 或工具的？1 训练数据让模型先“知道工具是怎么用的”在模型具备工具调用能力之前，它必须先在训练数据里看到足够多的工具调用示例。通常包含两类数据：1）真实 API / 工具调用代码或文档，例如：a. “要获取天气，请调用 get_weather(city=...)”b. “要计算数学表达式，请调用 calculator(expression=...)”2）人类标注或模型生成的“对话 + 工具调用”示范，例如：a. 用户问：杭州天气如何？模型示范：调用 tool.get_weather({city:"杭州"})再根据工具返回的结果继续回答。通过这些示例，LLM 学会了：什么问题对应调用什么工具；工具调用的格式是什么；什么时候不该调用工具。2 监督学习（SFT）使模型学会“根据指令选择工具”在 Fine-tuning 阶段加入大量的示例：1）该调用工具的场景2）不该调用工具的场景3）多工具协作场景例如：用户问「告诉我台北到上海的机票价格」。正确示例：a. 模型判断这需要实时信息b. 模型调用 flight_search API模型学习到：当遇到“需要外部信息/计算能力”的问题时，应倾向调用工具。3 通过 RLHF 让模型“偏好正确的工具调用行为”强化学习阶段会奖励：1）正确调用工具2）不乱调用工具3）工具调用后能给出正确结果惩罚：1）不必要的调用2）调用错误的工具3）调用格式不正确这一步让模型不仅会“模仿”，还会“懂得什么时候该调用工具”。4 ReAct / 规划式数据让模型学会 “推理后再决定工具”许多训练数据采用 ReAct 风格：1）模型先思考：要不要调用工具？2）再决定工具调用3）执行后再继续思考与回答这种数据让模型具备：1）任务分解2）长链路推理3）工具调用规划最终效果是：面对复杂任务，模型不会盲调，而是自行形成“推理 → 调用 → 再推理”的结构化流程。5 架构层提供“可调用工具的接口”现代 Agent 框架都会在推理阶段给模型提供一个结构化 schema：1）告诉模型有哪些工具2）告诉模型调用格式3）告诉模型每个字段是什么类型这样模型在生成内容时不需要“猜”，而是严格遵循系统提供的 schema，直接输出可执行的 JSON 或结构化调用指令。例如：1）系统提供工具：search(query: string)2）模型内部只需决定：要不要调用？，以及 query 内容是什么。6 推理时的实际行为：模型并不真的“执行工具”，而是生成结构化调用请求推理时发生的事情是：1）模型生成 JSON 指令，例如：{"tool":"search", "query":"杭州天气"}2）外部系统执行工具并将结果返回3）模型继续根据工具结果生成下一步行动或最终答案模型本身没有执行能力，它只是生成符合 schema 的字符串而已。总结LLM 学会调用外部 API / 工具，是一个“示例训练 + 强化学习 + 架构支撑 + 推理策略”组合的结果：1）先在数据里看到大量工具调用示范2）通过 SFT 学会该如何调用3）通过 RL 学会什么时候应该调用4）通过 ReAct 学会任务分解与步骤规划5）通过 functions/schema 让调用标准化因此模型看起来像真的“理解工具”，但本质是根据统计学习到的模式生成结构化指令。#ai创造营# #程序员#

37. 【从规则系统到智能体】在"State of Agentic AI: Founder’s edition"文章里看到的这句话，很准确地讲述了AI 智能体的优势「AI 智能体更擅长处理需要认知能力、推理和适应性的复杂、动态和非结构化任务。与遵循僵化、预定义规则的 RPA 不同，AI 智能体可以朝着一个目标进行推理，动态地即时决策，并随着时间的推移学习或改进——这使它们能够处理边缘情况 (edge cases) （也就是意料之外的特殊情况）和环境变化而不会“罢工”」最近在设计一个系统来尝试从日志和其他各种输入条件中，推断问题根本原因，也需要在规则还是智能体之间决策，最终决定还是走智能体的路线，最主要的思考点也是如何处理长期可能存在edge case，虽然短期内用规则可以稳定地跑个小半年，但是随着人员和系统的演进，规则会需要不断地调整和优化，以适应系统的变化。但智能体"可能"不需要。这其实也是规则系统和智能体之间的不同之处↓1. 从规则到目标：认知能力的引入RPA 的核心在于“规则执行”，而 AI 智能体的核心在于“目标导向”。前者关心的是如何执行，后者思考的是为什么执行。这种差异的根本在于：AI 智能体具备了“认知能力”——它能够理解任务上下文、评估环境状态、权衡路径，并根据目标进行推理与规划。我们给智能体设计的是一个目标和约束规则，智能体可以在我们设定的目标和框架内"有意识"地，对各种情况进行灵活处理。比如一个客服智能体，设计的目标如果是让客户满意，智能体可能会自己判断用户说话的语气和心情，进行灵活的应答。2. 从静态到动态：应对不确定性的能力传统自动化的假设前提是环境稳定、流程可预测。但现实世界往往恰恰相反：数据缺失、输入异常、系统变化、边缘案例频出。RPA 在这种情况下就像在固定轨道上运行的火车，一旦轨道错位，便无法前行。AI 智能体的关键特性在于适应性。通过持续学习与动态推理，它能够在面对不确定性时，仍然“保持行动”。比如，一个采购智能体在遇到新供应商流程时，不会立刻失败，而是通过知识库与反馈机制自行更新策略。这意味着系统不再“被动执行”，而是具备“自我修正”的能力。3. 从执行到进化：持续学习的闭环AI 智能体的强大之处不止在于智能决策，更在于长期的自我演化。RPA 的生命周期是线性的：开发 → 测试 → 部署 → 维护。而 AI 智能体的生命周期是循环的：感知 → 推理 → 行动 → 学习。这种循环形成了“认知闭环”，让系统能够随着时间推移而变得更强。例如，在销售预测场景中，智能体会根据过去的判断误差，动态调整模型；在运营优化中，它能自动发现流程瓶颈，提出改进建议。这种能力的积累，意味着 AI 智能体不仅能“做任务”，还能“改进自己”。为了让智能体能够进化，我们在一开始设计系统的时候就要考虑如何让智能体从过去的经验中学习。比如可能设计一个RAG系统，让智能体可以从历史处理的过程和结果数据检索相关经验，从而指导新的问题的处理。也可能是一个迭代的微调系统，用历史数据微调新的模型，用微调后的模型来处理新的问题，就代表了智能体的进化过程。RPA 让企业“自动化地做事”，AI 智能体让企业“智能地思考如何做事”。前者提升了效率，后者改变了决策。真正的智能化，不在于让机器代替人执行，而在于让系统具备理解和适应复杂世界的能力。#ai创造营##科技#

38. 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

39. 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

40. 智能体商战，是旧商业规则和新商业规则的战争。 #大咖观察 #红衣聊AI #智能体 #商战 #亚马逊

41. 有了AI，未来个人电脑可能会消失？在云栖大会我悟了

42. #鸿蒙上线超80个应用智能体#老铁们，强烈推荐你们体验一下鸿蒙6，新系统上线80多个三方应用智能体，尤其是AI小艺的智能程度直接上了一个台阶。它不仅支持16种方言交流，还覆盖生活工作多个场景。不管是一句话AI修图、文档智能分类，还是出行前的行程规划、机票酒店预订，新升级的鸿蒙6都能帮你搞定！#AI已经可以帮我养猫了#

43. 华为鸿蒙6的跨设备协同与智能玩法，都进化成这样了？不仅指哪传哪，还支持与苹果全家桶互传，更有超级智能体帮你解决各种问题。还没升级的，抓紧冲。#HarmonyOS6##鸿蒙越用越香##华为##鸿蒙6# 科技头条的微博视频

44. 终于打卡奇瑞2026“科技有AI”之夜！现场被“AI平权”理念狠狠圈粉——高阶智驾、智能座舱居然能普惠到6万级车型，这波技术下沉太良心～超级AI智能体“小奇同学”的情感化交互超惊喜，会主动适配需求，未来社区体验区沉浸式拉满！猎鹰智驾、灵犀智舱3.0的黑科技实拍震撼，30余款AI车型+全场景生态，真·开启全民智能出行新时代～为奇瑞20余年技术沉淀点赞，期待智能出行早日全面落地！#科技有AI# #2026奇瑞汽车AI之夜# 芜湖·芜湖宜居国际博览中心

45. 盘点一周AI大事(11月2日)｜OpenAI放出AGI时间表 OpenAI公布AGI路线图，202626年上岗AI研究员，能独立研究大型科研项目，2028年发布重大科研成果达成AGI，10年内冲刺超级智能 OpenAI正式重组为营利实体，估值1万亿 MiniMax推出最强开源大模型M2 字节发布最强通用游戏智能体Game-TARS Anthropic推出Excel分析师 Gemini上线一键做PPT Odyssey发布能实时交互的视频模型Odyssey-2 Adobe推出一键P视频Frame Forward 科学家研发出热力学采样芯片架构TSU，能效提升1万倍奥特曼押注非侵入脑机接口，用超声波直接读取意念马斯克的脑机接口Neuralink即将开启人脑增强实验 #AI新星计划 #人工智能 #AIGC #OpenAI #机器人

46. 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

47. AI革命不是让你去学写代码，而是让你学会指挥AI干活。 #大咖观察 #红衣聊AI #科技改变生活 #人工智能

48. 99%的人都搞错了AI Agent？智能体该如何帮企业赚钱？

49. 这篇调查论文认为小型语言模型可以处理大多数代理任务，而大型模型仅在需要时介入。此设置可将常见工具任务的成本降低 10 倍至 30 倍。代理的工作主要是调用工具并产生结构化输出，而不是回忆大量事实。因此，路由器默认运行小模型，只有当置信度较低时才会升级到大模型。输出遵循验证器检查的严格 JSON 样式模式，这提高了正确性并减少了重试次数。这使得小型模型在函数调用和结构化数据方面可靠，同时响应更快、能耗更低。大型模型仍然处理长上下文合成、复杂的多跳推理、深度代码修复和更高风险的决策。对于常规步骤使用小模型，根据不确定性进行路由，并将大模型留给困难的情况。论文 – arxiv.org/abs/2510.03847论文标题：“代理系统的小型语言模型：架构、功能和部署权衡的调查”

50. 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

51. 人工智能下半场，想实现AGI还有多远？ #大咖观察 #红衣聊AI #AGI #AI时代 #人工智能

52. AI存在伪造信息、滥用数据等风险。国家人工智能安全治理框架2.0版正填补空白。#大咖观察 #红衣聊AI #网络安全

53. 别把AI的“效率”当成唯一目标，安全永远是底线。 #大咖观察 #红衣聊AI #智能体 #网络安全

54. 荣耀方总来了，看看今年又有啥新东西荣耀将开启手机智能体和性能双擎时代（图四）荣耀Magic8系列将首发端侧低Bit量化技术，模型推理速度提升15%。新一代向量检索技术，推理速度提升400%（图五）荣耀Magic8系列将首发智能体驱动的AI追色（图六、图七）荣耀Magic8系列将首发新通用Agent，也就是一句话执行。支持垂直场景200+，通用场景3000+（图八）荣耀Magic8系列将首发超融核架构，智慧内存引擎、抗老化引擎、超低时延引擎、AI预测调度引擎、AI实时渲染引擎、全栈Vulkan引擎（图九）荣耀Magic8系列将在骁龙首发GPU-NPU异构AI超分超帧技术。开启超分超帧，相比之前的超分超帧游戏时延更低、画面抖动更小（图十、图十一）专栏 · 荣耀

55. #华为折叠屏首发A2A智能体协作# 折叠屏体验终于告别“伪智能”！华为Mate X7全球首发A2A智能体协作商用，直接改写下一代折叠屏的核心交互逻辑。这不是简单的功能叠加，而是让手机从“被动响应”升级为“主动协同”的革命性突破。过去订机票要切换航司、酒店、导航App反复操作，现在对着小艺说“订明天去上海的商务机票”，深航飞飞智能体接单订票，同步联动酒店智能体推荐通勤便利的住宿，甚至根据航班时间提醒收拾行李。工作中要整理热搜资料，无需逐个App检索，小艺能联动微博智搜智能体，一键梳理热点+专家解读，效率直接翻倍。 A2A协议就像给所有应用装了“沟通神经”，小艺化身超级调度员，串联起各类智能体完成跨场景协同。这种打破应用孤岛的能力，让华为Mate X7真正成为全场景智慧中枢，值得每一个追求高效生活的人重点关注！

56. 来看看奇瑞汽车对于2026年开年的科技布局：1月17日晚，以“科技有AI”为主题的2026奇瑞汽车AI之夜在安徽芜湖盛大召开。活动现场，奇瑞汽车重点展示了全域AI战略技术蓝图，更携超级AI智能体“小奇同学”、猎鹰智驾、灵犀智舱、墨甲机器人等AI核心成果集体亮相，正式宣告奇瑞AI智能化正式进入2.0（AI+）时代，加速从“技术奇瑞”向“全球AI科技公司”全面跃迁。

57. 想要张艺谋式色彩、诺兰式调度？如何靠智能体实现？红衣大叔周鸿祎的微博视频

58. AI的未来，也许不在于模型规模的无限扩大。 #大咖观察 #红衣聊AI #transformer神经网络架构 #人工智能

59. 微表情测谎、极速赔付、AI打败AI，深聊“AI in All”下的保险革命与增长飞轮【硅谷101】

60. #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。

61. #鸿蒙6升级机型#公布了，此次共有#90多款机型开放升级鸿蒙6#，涵盖华为多款手机、穿戴、电脑、平板等设备。-智能体框架（HMAF）：集成50+垂直智能体，用户通过自然语言指令可自动调度多任务协同。-小艺全面进化：新增“看世界”视觉辅助功能，实时识别药品、辅助视障人群。-碰一碰Pro：支持“一发多收”，可同时向12台设备传输文件（1GB文件3秒传完），游戏组队无需流量。-方舟引擎优化：应用启动提速30%，游戏帧率稳定性提升40%，续航延长15%。-星盾安全架构：AI防诈主动拦截虚假理财、机票退改骗局。-等等升级。 -具体详细看「图一」！

62. #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

63. 副业真相，2026年新一轮的洗牌开始！

64. 小鹏科技日，何小鹏用物理AI狠狠打脸！以“涌现”为主题，这场技术爆发让AI真正扎根物理世界。全栈自研的底气在此刻尽显：物理AI让车辆能预判、会决策、懂互动，4大应用从实际场景出发，解决了无数用户的出行痛点。从数字AI到物理AI，小鹏用技术突破证明，智能车的终极形态，是能和现实世界“对话”的移动智能体。这波进展，直接改写智能汽车竞争规则！#何小鹏首次披露物理AI巨大进展##小鹏科技日#

65. 乐奇AI眼镜上手：2026，什么样的智能眼镜才是未来？

66. AI如果要自我繁殖，人类要不要给它这个权限？ #大咖观察 #红衣聊AI #人工智能 #科技

67. 语音智能体商业落地的教训、经验与实践｜李沐硅谷101年度线下大会演讲（全英）

68. 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

69. 「Github一周热点98期」AI文档检索框架、微软最新TTS、Claude Code 记忆插件、自动化备份、 jellyfin和linux桌面环境

70. #鸿蒙加密分享支持仅可查看一次#看完华为HarmonyOS 6 的升级，最有感的一点其实是隐私安全。比如加密分享时可以设为“仅可查看一次”，发资料、证件照都更放心了。另外，“AI 防窥”也挺有意思，系统能识别侧面有人窥视并自动模糊屏幕，在公共场合用手机时更有安全感。发布会上还提到，新的星盾安全架构与安全访问机制已经覆盖 99% 的鸿蒙应用，让权限调用更透明。整体感觉，HarmonyOS 6 在隐私安全上更细腻，也更人性化。

71. 智能体黄金十年将开启，核心能力就三样

72. AI 智能体技术全景洞察（55页报告）

73. AI智能体架构迎来标准化

74. AI智能体

75. AI Agent竞争的下半场

76. 架构火花 | 统一智能体平台架构设计——构建企业级AI中枢

77. 2026开年AI智能体技术爆发

78. 企业级可控AI智能体第一性原理内幕

79. 拆解LangGraph

80. AI 智能体应用落地八层技术架构剖析

81. 大语言模型、智能体、MCP、SKILL四者区别与联系

82. 【系统学习 04】Agent Skills

83. Coze 2.0 与 Skills 新想法

84. Skills模式会取代传统工作流成为智能体主流架构吗？

85. 通用智能体 + MCP Servers + Skills 构建企业智能体落地新范式

86. Agent Skills

87. Agent Skills如何重塑AI智能体开发

88. Claude Skills 启发

89. 下一代AI架构

90. 架构解析

91. 【收藏学习】大模型智能体入门到精通

92. 智能体工作流的七种设计模式

93. 综述论文解读

94. 图解AI智能体

95. AI的下半场

96. 工具越多越废？Anthropic教你重建Agent大脑

97. 自主智能体

98. 吴恩达Agentic AI新课

99. AI智能体

100. AI智能体

101. AI智能体

102. 智谱 AI 开源多模态大模型 GLM-4.6V，不仅实现了高精度的视觉理解，还首次将工具调用能力原生融入视觉模型架构

103. 【中配】自然语言调用AI工具

104. MCP和工具调用（Tool Calling）核心区别

105. MCP vs 传统大语言模型工具

106. 从 MCP 协议到稳定的工具调用架构

107. 从AI调用到AI智能体

108. AI Agent如何更高效

109. 代码驱动的Agent实践

110. 智能体反思模式深度解析

111. 自我演进智能体推理。📚arXiv: 2601.12538 (Section 4)

112. 智能体21个关键设计模式（4）

113. 从0到1

114. AI agents 的自我反馈机制是怎么建立的？

115. 从0到1

116. 《智能体设计模式》

117. Agentic设计模式（4）

118. AI智能体如何从错误中学习

119. 腾讯清华联手搞大事！AI能自我纠错，搜索智能体迎来革命性突破

120. AI的下半场

121. 深入理解LangChain智能体（Agents）的核心架构

122. [完结]LangChain+MCP打造AIAgent智能体

123. 微软开源多智能体协作框架AutoGen

124. AutoGen

125. AutoGen

126. 2025 年顶级 AI Agent 框架全景

127. AI+Agent+智能体技术发展报告

128. 《AI Agent 智能体技术发展报告2026》

129. 报告分享｜AI Agent 智能体技术发展报告

130. AI Agent 重构产业逻辑 | 《AI Agent 智能体技术发展报告》发布

131. 2026AI 元年

132. 智能体来了，智创未来——从系统架构视角看 AI 智能体的工程化演进

133. 智能体的架构演进与未来展望

134. 大模型狂飙2025

135. 拆解AI智能体的8层架构：告诉你AI智能体到底是怎么工作的？

136. AI 智能体到底是如何工作的？

137. 智能体的结构：四个模块撑起 “主动做事” 能力

138. AI核心技术揭秘(三)：可以为我们打工的AI Agent

139. 乐学LangChain（1）：总体架构和核心组件

140. AI智能体对数据库架构变革的影响分析

141. AI+Agent+智能体技术发展报告(2026)||（附下载方式）

142. 大模型智能体架构新革命：Skills如何超越MCP重塑Agent开发！

143. 构建人工智能智能体的实用指南

144. AI智能体架构指南——从智能体能力到用户体验

145. Skills vs MCP：2026年智能体开发的核心抉择

146. AI的下一个拐点：智能体（AIAgent）将重塑世界运行方式

147. AI新技术｜多智能体、SKILLS、MCP一文读懂

148. 别再重复造轮子！智能体平台：企业解锁AI生产力的最短路径

149. AI智能体(Agent)详细解析，一文读懂大模型新方向

150. AutoGen框架入门:5个核心概念搭建智能体协作系统

151. 【智能体开发】系统解构AI Agent与Agentic AI的核心差异

152. 智能体时代的企业架构思考：从愿景到工程实践--智能体网格的基础架构

153. 【必收藏】2025年七大AI Agent框架深度解析：从LangChain到AutoGen，助你快速掌握智能体开发核心技能

154. 首家！火山引擎通过信通院数据分析智能体最高等级评测

155. 大模型 Agent 设计模式-反思模式：让AI学会“自我改进”的核心机制

156. AI Agent智能体技术发展报告

157. Anthropic的Skills，有软件工程素养不难想到

158. 企业级可控AI智能体Intelligent Systems第一性原理内幕 - 解密Google Pregel分布式图处理物理实现超大规模图计算的底层架构与通信机制

159. AutoGen 全面指南：微软开源多代理框架

160. 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

161. 【报告】智能体专题五：华为2025鸿蒙智能体框架白皮书（附PDF下载）

162. LangChain+MCP打造AIAgent智能体

163. 超强多智能体金融分析聊天机器人——用MCP+A2A+LangChain打造！

164. 新兴人工智能代理架构在推理、规划和工具调用方面的全景：一项调查

165. AutoGen 框架入门——构建你的第一个多智能体应用（二）

166. 如何选择多智能体架构

167. 智能体（Agent）全景拆解：核心模块、技术实现与业务落地指南

168. 「智能体开发入门」LangChain 支持的哪些 Agent 编排模式？

169. 智能体介绍

170. 了解LangChain智能体的4大高级特性

171. 从MCP工具调用到Agent Skills：智能体能力编排的技术演进（一）

172. 谷歌智能体开发套件：架构深度解析

173. Skills 还是 SubAgents：企业落地如何选择合适的多智能体架构？

174. 中国银联×火山引擎：共创10+智能体，释放研发全流程效能

175. 别再只会调接口了，用 AutoGen 玩真的多智能体

176. 360纳米AI的多智能体蜂群引擎如何为智能体时代铺设高速公路？

177. Agent设计模式（十一）：目标设定与监控

178. Google大神最新发布，AI Agent开发的终极秘籍，几乎跪着读完了！！（附中文版PDF）

179. Deep Research 架构解密：LangChain 多智能体实战

180. AutoGen：让多个AI智能体协同工作的开发框架

181. 17 种智能体架构，一次学全！

182. 智能体开发和对 Anthropic Skills 的一些想法

183. 2026AI Agent智能体技术发展报告

184. 第 1 章：LangGraph 框架概览

185. 从Agent Tool构图角度看知识图谱如何提升Agent智能体规划和工具调用能力

186. IBM专家：2025是AI 智能体元年？拨开炒作看现实

187. 什么是华为智能体？具体有什么作用

188. AI专题：用LangChain+DeepAgents开发高级AI智能体实战手册

189. 模型训练-RAG-Agent-AI项目实战

190. 构建医疗AI智能体框架：从感知到推理的六大核心模块

191. 火山引擎升级金融全场景智能体解决方案

192. 智能体来了：AI智能体就业培训的八大核心模块-开启未来职业新赛道

193. LangChain1.0实战之多模态RAG系统（一）——多模态RAG系统核心架构及智能问答功能开发

194. AI Agent智能体技术发展报告2026

195. AI Agent系统深度解析：六大核心模块与未来发展趋势，构建高效智能体的全面指南！

196. AI 智能体部署架构详解

197. 别再造Agent了！关于Agent Skills的详细总结来了

198. Pattern | Claude都出4.5了，你还不懂工具调用的架构革命（7）

199. 渗透测试用MCP调用工具，有点画蛇添足，合理的方法有两种

200. 智能体认知架构的动态演进与多组件协同机制

201. 告别原型，拥抱生产！LangChain 1.0 架构深度解析与"智能体工程"的未来

Skills只是冰山一角？揭秘AI智能体真正的核心技术架构

精选参考来源