多智能体协作并非万能解，这三类用户才该现在入场_服务软件

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

2. 全球大模型第一股，为啥是家中国公司？ #智谱 #智谱上市 #智谱IPO #GLM大模型 #全球大模型第一股诞生

3. AI的终极价值是为了每一个人，蚂蚁的答案是「两朵花」世界互联网大会上，蚂蚁CEO韩歆毅透露AI布局的重点，明确蚂蚁锚定AI在医疗健康服务、金融服务上的应用，为大家守护好健康和财富。有网友调侃，蚂蚁这是要用AI让大家“有钱花”、“有命花”😂#蚂蚁集团 #科技普惠 #AI

4. 如何评价Rich Sutton关于「LLM是死路」的观点？

5. 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#

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. 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

8. 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

9. #华为折叠屏首发A2A智能体协作# 华为Mate X7率先实现A2A智能体协作商用，小艺智能体能力从单点响应升级为多智能体协同。无需切换应用，一句指令即可串联专业智能体：工作中，邮件、日程、文档智能体联动处理办公事务；生活里，出行、支付、家居智能体完成全流程服务。Mate X7打破应用生态壁垒，成为全场景智能中枢，也为折叠屏行业划定智能交互新方向。关注新品发布会，解锁全新体验。

10. 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

11. 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

12. 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

13. Learn Claude Code 是真做的好，强烈推荐👍 教程地址：网页链接项目地址：github.com/shareAI-lab/learn-claude-code很多人用 Claude Code 或 Cursor 写代码，觉得 AI 编程助手很神奇，但如果问一句"它到底是怎么工作的"，大部分人答不上来。Learn Claude Code 这个开源项目做的事情很简单：用 12 节课，从零开始搭一个类似 Claude Code 的 AI Agent，每节课只加一个机制，每个机制都有可运行的 Python 代码。这个项目的核心洞察是：所有 AI 编程 Agent 的底层都是同一个循环。用户发消息给模型，模型决定要不要调用工具，调用了就执行，把结果喂回去，继续循环，直到模型觉得任务完成了。整个 Agent 的最小实现不到 30 行代码。剩下的一切，规划、子任务拆分、上下文压缩、多 Agent 协作、工作目录隔离，都是在这个循环上面一层一层叠加的。12 节课就是这 12 层。学习路径设计得很讲究。前两节搞定核心循环和工具调用第三节加入计划能力（没有计划的 Agent 会跑偏）第四到六节处理子 Agent、技能加载和上下文压缩（上下文窗口是有限的，不压缩大项目根本跑不动）第七八节做任务持久化和后台执行，最后四节进入多 Agent 协作：组队、通信协议、自主领取任务、工作目录隔离。从一个人干活，到一个团队协作，复杂度是渐进的。项目配了一个交互式 Web 平台（learn-claude-agents.vercel.app），有步骤图解、源码查看器和文档，支持英文、中文、日文三种语言。文档风格是"心智模型优先"：先讲问题是什么，再讲解决方案，配 ASCII 图，最后是最小可运行代码。对想搞懂 AI Agent 内部原理的开发者来说，这可能是目前最好的从零到一的学习路径。不需要什么前置知识，有 Python 基础就能跟。学完之后再去看 Claude Code 或者任何 Agent 框架的源码，会发现都和这个教程介绍的差不多。

14. 1024探班雪球：AI+鸿蒙，如何让投资更简单？【硅谷101】

15. 2026年智能体将会迎来快速增长期，会成各个企业的重点的投资和发展对象。国内将加速推动 “人工智能 +” 等重点领域的应用场景培育；旧金山的 Halper AI 正式成立，专注于简化 AI 部署流程，帮助面临资源和技术门槛的中小企业实现 AI 数字化转型；2025 首尔人工智能峰会，全球 70 余家企业顶级科技企业探共同探讨讨智能体在多领域的渗透。国内预计 2028 年企业软件中整合自主型 AI 的比例将从 2024 年的不足 1% 飙升至 33%，15% 的日常工作决策将由智能体自主完成。政策扶持将加速智能体在制造、医疗、金融等领域的渗透，形成通用智能体平台加行业专用解决方案的产业格局。#AI生活指南##AI创造营##一分钟视频创作季# 种斌Marco的微博视频

16. #微博声浪计划##听见微博# 何小鹏首次披露物理AI巨大进展！小鹏2025科技日系统展示该技术，融合数字智能与物理运动能力，第二代VLA大模型实现所见即所行，复杂小路接管率超行业13倍。技术将落地智能驾驶、Robotaxi、机器人及飞行汽车，2026年多领域量产交付，推动行业向具身智能转型。种斌Marco的微博音频

17. #科技先锋官# AI 行业彻底变天，大模型参数内卷时代正式落幕！曾经靠堆参数拼实力的玩法彻底失效，高效能 + 多智能体协作成新核心赛道，视频生成、具身智能更是迎来全面破局，直接颠覆行业旧规则！全球竞争格局大洗牌，闭源巨头疯狂圈地，开源阵营强势突围，国内大厂领跑、中小玩家夹缝求生，这场新较量里，技术不再是唯一标准，生态、落地、成本才是定生死的关键！企业级 AI 智能体平台成必争之地，有人靠生态筑壁垒，有人靠细分场景破圈，新风口下，一半企业即将被淘汰？中小厂还有逆袭机会吗？评论区聊聊你看好的 AI 新赛道！#微博超有用视频大赛##上微博涨知识##AI创造营# 种斌Marco的微博视频

18. Agent 原生通讯协议：从传递代码，到传递认知

19. 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

20. 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

21. 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～

22. #华为折叠屏首发A2A智能体协作#华为这场新品发布会硬核东西太多了，深切的感受到华为这次是把“折叠屏的智能化”往前推了一大步，我觉得这一刻拿出那四个字来表达一点都不过分。华为Mate X7首次把 A2A（Agent to Agent）智能体协作落到实际场景里，小艺不再只是一个语音助手，而是能直接调度东方财富、深圳航空、喜马拉雅、叮咚买菜等APP的智能体一起协作。例如你只要说一句“深圳航空，帮我选个能看到日落的位置”，系统跨应用自动给你处理完；再来一句“东方财富，看看今天涨幅最高的板块”，马上返回结果；除此之外，一些其它的场景，像买菜、听节目、查资讯都能一句话交给小艺搞定，全程不必切App，也不需要手动操作。这背后其实是鸿蒙6+ A2A（Agent to Agent）协议带来的系统级升级，让手机第一次具备了真正意义上的“多智能体协作”。折叠屏过去比的是形态、屏幕，现在Mate X7把竞争点直接拉到智能体验层面。发布会当下很明显：华为Mate X7不只是发布新功能，它是在给整个行业示范折叠屏下一阶段该怎么进化。

23. 通俗易懂的解释 LLM，RAG 和 AI Agent 的差别，以下内容为原推的翻译：我终于明白了LLM、RAG和AI智能体的区别过去两年里，我一直在搭建真正落地的AI系统。现在，我终于清楚了：LLM（大语言模型）、RAG（检索增强生成）和AI智能体（AI Agents），根本不是互相竞争的技术，而是构成同一个AI智能系统的三个层次。很多人用错了方法，把它们当成互斥的工具。---> 大语言模型是“大脑” <LLM 就像AI的脑子，它会思考，会写作，也懂语言。但问题来了：它是冻结在某个时间点的。比如 GPT-4，它的知识截止到训练结束的那一天。你问它昨天的新闻发生了什么？那可就瞎编了。大语言模型很聪明，但却不了解“现在”正在发生的事。---> RAG是AI的“记忆” <这时候就需要 RAG（Retrieval-Augmented Generation，检索增强生成）了，它相当于给大脑接入了“外置内存”。当你提问时，RAG会先去外部数据库或文档里搜索，把相关资料抓出来，再丢给大语言模型作为上下文。这样一来，原本静态的模型一下子就“活”了：- 有最新的数据- 有真实的事实- 完全不需要重新训练模型最关键的是，准确率立刻就提高了。大语言模型不用再靠记忆乱猜，而是真正地在实时检索到的信息上进行推理。你甚至还能追溯每个答案到底用了哪些文档。---## > AI智能体是AI的“行动力” <尽管LLM能思考，RAG能提供新鲜的数据，但它们都缺乏真正的行动能力。这时，AI智能体（AI Agents）出场了。它在大语言模型的外面套上了一个控制循环：- 设定目标- 规划步骤- 执行行动- 回顾反思AI智能体并不仅仅是回答问题那么简单，它能自主地去研究一个话题、收集数据、撰写报告，甚至帮你发邮件，全程自动化。---> 真正的生产级AI，要同时用好这三者 <很多酷炫的AI展示，其实只是单纯用了LLM再配上花里胡哨的提示词。但真正能落地的AI系统，往往同时结合了这三个要素：- LLM 提供推理和思考能力- RAG 确保知识准确而新鲜- AI智能体则提供行动和决策能力---> 如何选用这三者？ <- 只用LLM 如果你需要纯语言的任务，比如写作、摘要、解释。- LLM + RAG 如果你需要回答涉及特定文档、技术手册、专业领域知识的问题，并确保答案准确无误。- LLM + RAG + AI 智能体如果你需要真正的自主行动，比如系统自己决策、执行任务、管理复杂流程。---> AI的未来，不是选哪一种，而是如何把这三层架构起来 <记住这个公式：- LLM负责思考- RAG负责知识- AI智能体负责行动真正的AI智能系统，就是这三者协同起来，形成一个完整的智能架构。来源：x.com/connordavis_ai/status/1985663551697273216

24. #华为首款鸿蒙6折叠屏来了#用了几代华为折叠屏了，今天看Mate X7发布会，真心感觉这次不是小升级，而是从系统底层到交互逻辑的全面进化。鸿蒙6这次真正把“智能体协作”带到了日常。小艺首次支持A2A协议，能跨应用调用多个智能体协同工作。大屏基础上-分屏也不再只是“分两个窗口”，而是左右屏数据可以实时穿越。左边看小红书攻略，右边直接让小艺生成导航路线；左边微信聊天，右边视频进度不中断。配合鸿蒙6的动态调度机制，流畅度明显提升，这才是折叠大屏该有的效率形态。还有几个细节很打动我：远程防诈提醒、AI防窥2.0自动隐藏内容、甚至能和iOS设备无损互传。华为在隐私和生态互联上，确实越做越细。作为老用户，能明显感觉到Mate X7不是在堆功能，而是在构建一套“多智能体协同+跨场景无缝流转”的下一代交互体系。这一次，折叠大屏的体验天花板，又被捅高了一截。#华为MateX7的大屏玩出花了#

25. 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

26. 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

27. 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

28. 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

29. 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

30. 【保姆级】OpenClaw 全网最细教学：安装→Skills实战→多Agent协作，1 小时全精通！

31. #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！

32. 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！

33. #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！

34. 荣耀MagicAgent正式全球开源！作为YOYO智能体的“大脑”，它彻底打破了AI只会动嘴不会动手的僵局。这不只是简单的模型升级，而是行业首个支持全场景泛化规划和异构任务编排的基础模型。在荣耀AI团队与复旦大学的深度调优下，它最核心的“规划”能力实现了质变。硬核数据直接看齐：在5大场景和6大核心性能测试中，MagicAgent全面领先GPT-4o（注：此处根据当前主流大模型命名认知调整，保持专业感）。中国智能体正式进入“全球领先”的规划编排时代，未来你的手机将比你更懂如何执行复杂任务。 #MagicOS月月新##万事找YOYO##有点东西##数码闲聊站[超话]#

35. 我观察了上百家企业，做对AI转型的可能只有1%几天前对话了职场人，今天我们来和老板们谈谈。我常说：企业AI数智化是一把手工程。这里所说的“一把手工程”的真义，不是拍板而是破局。去年，我和零一万物的业务团队走访了上百家企业客户，很多CEO对AI仍有比较大误区：给技术部门拨一笔预算，装几个智能插件，把AI当做简单的“外挂”——但实际上这远远不是“AI化”。在2026多智能体上岗元年，AI不只是CFO或CIO“拍板”的预算，更是一把手亲自去“破局”的组织变革。为什么这么说？因为多智能体（Multi-Agent）正在做一件过去几十年都做不到的事：能力软件化（CaaS）。这意味着，你可以把公司最顶尖销售的判断力、王牌产品经理的逻辑，封装成一套可以被高效复制、7x24小时全天候运转的“硅基军团”。他们如同流水，具备极强适应性与延展性，业务高峰时自动扩容，低谷时静默待命。企业的生产力单元将从人转变成Agent，这不再是单纯的技术迭代，而是对企业组织形态与商业底层逻辑的重构。在零一万物，多智能体已经能“平替”市场或 HR 的部分核心流程。背后其实是依赖于企业多智能体“TAB 三要素”：- AI Team（团队作战）：以前是招人难，现在是“能力软件化”。1 个人指挥 1 支智能体团队成为可能，人和 Agent、Agent 和 Agent 之间高效协同。这意味着企业不再受限于“单一专家”，能力可以像软件一样弹性伸缩，彻底突破人才瓶颈。- AI Auto-pilot（业务裂变）：就像自动驾驶一样，AI 能根据核心生产场景自动规划、落地，且过程可控、质量可查。这让个人业务能力实现指数级增长，企业在垂直深度和规模化扩张之间，终于能找到那个平衡点。- AI Business（商业重构）：这是最核心的。当多智能体的流程和产出都能沉淀、重构，企业的核心竞争力就被拆解成了“原子颗粒度”。这种“能力即服务”（CaaS）的模式，能让你从卖产品变成卖“解决能力”，实现商业模式的彻底翻新。而要实现这种变革，必然会触动传统的部门墙，而只有一把手才能打破旧有的KPI体系。目前看来，可能只有百分之一的企业真正做好了这种准备。因为传统的首席信息官（CIO）往往由于职业惯性显得过于保守，不能胜任AI数智化转型任务。我建议：- CAIO（首席AI官）是实权，不是虚衔。一把手要给授权，让首席AI官 CAIO 配合 CEO 拆解并重构组织。没这个狠心，转型就是空谈。- 要“硬核战友”，不要“流水线供应商”。拒绝只做 PPT 的供应商。选那些懂AI、愿意做私有化部署、有耐心了解企业业务、愿意派遣工程师到客户一线驻场共创的硬核伙伴。不要等到对手的“1人公司”用更低的成本跑赢你时，才想起去拥抱变革。等技术成熟再转型，实质上是企业的“慢性自杀”。#开复说AI##大模型##企业竞争力##企业智能化转型##多智能体# 对企业Agent感兴趣可私信@零一万物01AI 图1由AI生成

36. Anthropic：高效构建 AI 智能体的上下文工程

37. 全球首家无人公司来了！一整个AI团队替人上班，不吃饭不摸鱼，普通人的数字员工时代真的来了吗？#大咖观察 #红衣聊AI #智能体 #AI时代

38. Agent Infra到底是什么？【AI基建】

39. AI也可以组建团队了港大开源的新项目ClawTeam感觉像是让AI Agent从单机到了集群，不同于当前主流的单Agent工具，ClawTeam引入了领导型Agent。当我们下单目标，它就会自主将复杂任务解构为子任务。从开发到部署的全流程自动化，ClawTeam的全栈闭环将原本需要人工干预的DevOps流程转化成了Agent群体的内部协作。如果说OpenClaw解决了“手”的问题，ClawTeam就是在试图解决“脑与神经网络”的问题吧 #ai##ai前沿速递##微博兴趣创作计划#

40. 从“聪明的废物”到“数字员工”，智能体落地如何破局

41. #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。

42. #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！

43. #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。

44. #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

45. #何小鹏直播第二代VLA推送#小鹏汽车相关负责人何小鹏与刘先明围绕汽车智能化发展进行的讨论，解读“跨域融合”对“超级汽车智能体”进化的核心作用。何小鹏表示，跨域融合绝非简单技术整合，而是覆盖底盘、动力、EEA架构与控制系统的全领域融合，既是技术领先，也是差异化优势，能让智能体实现自主行驶与交互。刘先明补充，依托先进EEA架构，跨域融合可实现整车统一控制，让汽车更像智能体，精准理解用户意图，安全舒适地完成出行需求。铭科技的微博视频

46. Google 最新的白皮书，很值得收藏！《Introduction to Agents》，这个白皮书几乎可以看作是对“智能体时代”正式宣言。它系统地定义一种新型软件范式——让模型能自主思考、决策和执行。AI 正在从“预测”走向“行动”。1. 从预测式AI到行动式AI过去的AI是“被动的”：模型接收输入、生成输出，一问一答。但这篇文档开篇就指出，我们正在经历一次范式转变——从“预测AI（Predictive AI）”到“自主智能体（Autonomous Agents）”。智能体的关键区别在于：它不再等人指令，而是能围绕目标自我规划、行动、再评估。Google 把这类系统定义为一个闭环结构：LLM + 工具 + 编排层 + 部署环境。LLM提供推理，工具执行动作，编排层控制整个“思考—行动—观察”的循环，而部署让智能体能长期运行和被复用。2. 智能体的工作循环：Think–Act–Observe文档用一个非常清晰的五步模型解释智能体的工作方式：1. 获取任务（Get the mission）2. 扫描场景（Scan the scene）3. 思考计划（Think it through）4. 执行动作（Take action）5. 观察反馈（Observe & iterate）这一循环让智能体具备了真正的“任务感”。举个例子：用户问“我的订单在哪？”，智能体不会立刻回答，而是分解出“查订单→查物流→整合结果→回复”的完整路径。我特别喜欢它强调的那句话：智能体的本质，是上下文窗口的策展人（curator of context window）。——它不断组织、更新、过滤信息，让模型始终聚焦在当前任务最关键的上下文上。3. 智能体的分级：从单脑到群体这份白皮书提出了一个五层级的智能体体系：Level 0：仅推理模型（纯LLM）Level 1：能调用外部工具的“连接型问题解决者”Level 2：具备策略规划与上下文工程能力的“战略型智能体”Level 3：多智能体协作系统（类似团队协作）Level 4：自我演化系统（能创造新工具或子智能体）这一分级体系几乎可以当作企业部署智能体架构的路线图——从简单的调用API，到让智能体学会分工合作，最后走向能自我改进的“学习型组织”。4. 三大核心组件：脑、手与神经系统Google 把智能体拆成三个核心部分：1. Model（脑）：推理与决策中心，负责思考。2. Tools（手）：执行动作的能力，比如RAG、API、代码执行。3. Orchestration Layer（神经系统）：调度逻辑、记忆与策略，实现“Think–Act–Observe”循环。有一个关键点：他们认为模型并不是越大越好，而是要根据任务选择最优组合——复杂任务用强模型（如Gemini Pro），高频简单任务则用轻模型（如Gemini Flash）。这种模型分层调度的思路对未来Agent架构很关键。5. Agent Ops：智能体的运维哲学文档中提出了一个新概念——Agent Ops。它相当于 DevOps 在智能体时代的延伸。因为智能体行为具有不确定性，传统的“单元测试=预期输出”已经失效。Agent Ops 的目标是通过指标驱动、日志追踪、模型评审和用户反馈闭环，让系统在不确定中保持可靠。一个新的职位或部门来了？Agent Ops6. 安全与治理：从单Agent到Agent Fleet当智能体数量增多，问题就从“怎么造一个Agent”变成“如何管理一群Agent”。Google 提出的解决思路是建立控制面板（Control Plane），统一管理身份、权限和通信协议（MCP/A2A），避免Agent Spraw（智能体泛滥失控）。有意思的是，文中引入了“Agent作为新型主体（principal）”的概念，认为Agent不只是代码，而是一种能独立被认证、被授信的行动体。7. 学习与自演化：Agent Gym 的想象力最后几章讨论了“Agent如何自我进化”。Google 提出了一个概念叫 Agent Gym，类似模拟环境，用来让智能体在离线条件下训练、演练、红队测试、吸收人类反馈，从而“成长”。这个暂时用不上，估计大公司比较有资源搞。——这两个新的点，之前没深刻理解：1. Agent = 新的软件范式。过去我们以为“智能体”只是“会用工具的模型”，但Google用这份文档明确告诉大家——Agent是一种新的软件范式。它不是应用AI，而是用AI重新定义应用。2. Agent的核心不在“思考”，而在编排（orchestration）。未来的开发者更像导演而不是程序员——我们要设计场景、挑演员、布置镜头，让智能体自然演出目标行为。#ai创造营##科技#

47. 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

48. 无论未来做什么，智能体和大模型都是AI进化的基础。 #大咖观察 #红衣聊AI #AI新星计划 #具身智能

49. 中国AI王炸！具身智能把欧美甩到身后！ #大咖观察 #红衣聊AI #人工智能 #具身智能#ai新星计划

50. 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

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. 自动驾驶技术成熟后，会诞生哪些有意思的商业模式#自动驾驶 #Robotaxi #城市机器人 #无人驾驶

53. 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

54. 老外还在幻想的事，已经被腾讯做出来了？全网都在养龙虾，腾讯游戏直接把龙虾Agent塞进了研发流水线。 GDC 2026，腾讯游戏一口气甩出 21 场 AI 分享，不聊空话，直接把参数规模、训练时间、工程链路和落地细节全部摊牌。尤其是天美的 Ignis Agent，让我第一次真正感受到：AI 进入游戏行业，已经不是做 Demo，而是开始接管复杂研发流程。相比其他AI应用场景，游戏的确是一个高度复杂的实时系统。因此，像腾讯这样能把AI嵌入复杂游戏工程、在玩家交互中持续打磨并完成长期迭代的游戏厂商，才更有可能引领游戏AI化的下一阶段探索，成为AI时代游戏产业新的规则制定者。 #AI #人工智能 #Agent #智能体 #GDC

55. 企业还在被繁琐事务拖垮？员工天天忙琐事、效率低下，老板愁破头却没辙？别划走！阿里云直接放话：2026年，智能体将彻底颠覆这一切！有人说AI只会聊天、中看不中用，纯属噱头；但真相是，智能体早已跳出“能说”的局限，能自主决策、跨系统协作、落地执行，堪称企业的“数字智囊团”。不用人工指挥，它能自动处理商务、梳理数据、安排日程，以前好几个人几天的活，它分分钟搞定，省人力、减失误、提效率！到底是阿里云吹出来的风口，还是真能解救企业的效率神器？智能体真能替代人工，成为企业刚需？点开视频，带你看清智能体元年的真相！#过个有AI年##HOW I AI##微博超有用视频大赛##上微博涨知识##AI创造营# 种斌Marco的微博视频

56. 个人AI伙伴真的来了！2分钟看完2025 vivo开发者大会#2025vivo开发者大会##vivo X300系列##vivo全新系统OriginOS6# 深圳·深圳国际会展中心洲际酒店科技Sexy的微博视频

57. 医疗AI拐点来了！这家公司把医生“大脑”装进AI #医疗AI #智诊科技 #WiseDiag#医疗智能体 #好伴AI

58. Agent时代，为什么多模态数据湖是必选项？

59. 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#

60. 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#

61. 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

62. 从能聊天的大模型，到会干活的智能体，AI正迎来全新进化。企业AI落地的机会就藏在这里。#网络名人赞两会 #2026全国两会 #红衣聊AI #产业升级

63. 华尔街被一篇神文吓傻！如果到2028年，AI智能体全面普及，会发生什么？#大有学问 #红衣聊AI #华尔街 #人工智能

64. 黄仁勋最新访谈：AI时代，软件没有价值了吗？很多企业在用AI上都踩了大坑#黄仁勋 #软件 #智能体 #Openclaw #龙虾

65. 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

66. 2026企业级智能体白皮书｜甲子光年智库

67. 智驾要重新分梯队了？新门票只有一个词—“含模量”#千里智驾 #千里科技 #高含模量智驾更安全更丝滑 #千里浩瀚GASD #CES2026

68. #百度涨逾8%# 国产AI三国杀时代？昨日，“华尔街日报”报道，百度旗下文心助手月活用户数已突破 2 亿，与豆包、千问形成中国三大亿级 AI 入口。文心 App 现已正式开启“多人、多 Agent 群聊”功能内测。这也是国内 AI 应用首次从“一对一助手”进化为参与人类社交与协作的“智能成员”。难怪昨晚美股大涨！

69. 实测扣子视频Agent，一句话量产爆款，适合起号的工具来了 #扣子Coze #AI #AIGC #智能体

70. 2025联想天禧AI生态伙伴大会在北京召开，以 “聚力智能体，共启新生态” 为主题，聚焦 “一体多端” 战略落地。天禧AI 3.5实现个性化、行动力、交互体验三重飞跃，同时展望4.0将迈向 “思你所想、行你所愿” 的认知与行动新高度。目前生态月活用户超2.8 亿，开发者超23万，孕育5000+智能体应用。联想联合火山引擎启动先导计划，将智能体利润100%让利开发者，并与英特尔等主流伙伴深化合作，加速个人AI普惠，共建开放生态。

71. 【#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。

72. 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

73. 「Github一周热点93期」多智能体舆情分析、桌面 AI 助手、自然语言画图、Rust桌面组件库、Linux服务器安全和GitHub绿墙

74. 抖音前沿科技30X30｜采访AI超级个体 Gemini 3发布后，这5个开发者给自己的人生装上了外挂。 27年程序员老兵：用AI写出多部长篇小说，一边敲代码一边圆武侠梦；硬核奶爸：手搓本地AI操作系统，把私教装进孩子口袋； AI安全研究员：把AI变成科研副驾，打破思维墙；有效加速主义者：打造AI全自动分身，让AI替自己看新闻处理琐事；全栈讲师：降低新手学习门槛，把技术文档自动变成PPT；本期视频，产品君连线5位GDE谷歌开发者专家，带你拆解AI时代的超级个体，听听他们给普通人的真诚建议。 #前沿科技趋势发布月 #抖音知识年终大赏 #AI新星计划 #AI #Google

75. 全网最全的 Seedance2.0 实测案例库发布

76. #微博声浪计划# 小鹏IRON机器人因“走猫步太像人”引热议，其仿生设计采用三层结构，脊椎支持弯腰触地，肌肉系统模拟人体曲线，皮肤具备触感反馈。搭载自研大模型和图灵芯片，算力达2250TOPS，2026年底计划量产，首批应用于汽车门店和工业巡检，技术成熟度获认可。值言说的微博音频

77. 全球首个AI原生电商营销视频Multi-Agent Hilight Ai发布，有哪些亮点？

78. 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

79. #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#

80. 2026英伟达GTC：“推理之王”的ASIC反击战与Token经济学【硅谷101】

81. 很多人让我比较AI和互联网谁的机会更大，别急，看完这条视频，咱们一起聊聊。#大咖观察 #红衣聊AI #智能体 #互联网

82. AI智能体也卷起来了？又懂业务又不用搭工作流…

83. #DeepSeek新模型为何被夸爆#DeepSeek新模型被广泛认可，核心在于其实现了性能与成本的双重突破。其V3模型凭借MLA架构、MoE架构和混合精度框架三大技术，在降低资源消耗的同时实现了性能跃升。训练成本仅为OpenAI同类模型的1%，却能在主流榜单跻身开源模型榜首，与顶级闭源模型性能相当。这种高效设计打破了大模型高成本的固有认知，让更多开发者能以低门槛获取强大AI能力。文字变图像等多模态能力的实现，标志着AI从单一文本处理迈向多信息维度融合的新阶段，能更全面地理解和生成不同形态的内容。这种技术思路必然会被其他大模型借鉴，因为轻量化与多模态融合已成为行业趋势，前者解决资源瓶颈，后者拓展应用边界，二者结合能显著提升模型的实用价值，这也是AI技术落地的关键方向。#科技#

84. 按我的理解，虽然agent已经非常同质化了，目前主要是面向不同场景的功能取舍（而不是技术壁垒）：侧重聊天的注重性能优化，侧重任务的关注上下文管理，侧重复用性的关注流程编排，等等。我预测未来agent底层的sdk大概率会被统一，但是上层还是会有各种agent并存//@方军_:求教agent 层或者agent运行时为什么用这么好几种？想办法选定一种是不是也就够了？

85. 多智能体协同

86. 多智能体是什么？从“一个人战斗”到“团队协作”的AI进化

87. 📚每天学习一个AI知识

88. 什么是多智能体系统？-AI小知识

89. 可信AI多智能体协同与信息化成本递减规律

90. 多智能体协同激发无线网络数智化生产力

91. 多Agent怎么沟通协作？三种模式一次讲清

92. Clawith

93. https://mp.weixin.qq.com/s?__biz=MzI2Mjg3NTY5MQ==&mid=2247486309&idx=1&sn=0dd711f8dc2fc14fcac2983d5b6f6bc4

94. https://mp.weixin.qq.com/s?__biz=MzE5MTE4ODM2Mw==&mid=2247484029&idx=1&sn=8eae8c17ce4fdb5df5e08b4bc3f6e9cb

95. https://mp.weixin.qq.com/s?__biz=MzIwNDI1NDY3Nw==&mid=2247484433&idx=1&sn=37aac55f97a8219ae857eefa7bd1b55b

96. https://zhuanlan.zhihu.com/p/1993976569681707928

97. https://mp.weixin.qq.com/s?__biz=MzA3ODE3NzIzOA==&mid=2649944149&idx=1&sn=248ec4309e7f9bbd7e389af80a014c01

98. https://zhuanlan.zhihu.com/p/2016524501043662997

99. 多智能体系统-Multi-agent system

100. 【AI + 软件工程革命】9、多 Agent 系统

101. 【强烈收藏】告别单体LLM局限

102. 多智能体系统Multi-Agent System

103. 纯享笔记

104. 慕课网-2025年MCP+A2A 从0到1构建商业级多Agent全栈应用\n - 哔哩哔哩

105. 一文读懂Multi-Agent System的概念、场景和实现框架

106. 第2篇

107. 解构Anthropic的multi-Agent research agent

108. 搞懂论文逻辑链之多智能体为什么会失败 - Why Do Multi-Agent LLM Systems Fail?

109. AI智能体不是越多越强

110. 1️⃣2️⃣每日分享一个AI名词-「多智能体系统」

111. 构建高级 Agent 系统的思路与 Instruction 编写方法论

112. 如何通过 Skills、MCP 和 Subagents 构建 AI Agent 能力操作系统？

113. 面试官问

114. MCP+A2A商业级多Agent实战开发教程资料学习 - 哔哩哔哩

115. 微软Agent Framework深度解析

116. AWorld 企业级 Multi-Agent 框架深度解析

117. AI Agent 开发框架大比拼

118. 多agent强化学习的高效通信协议学习

119. 从亚马逊 Tech Lead 岗离职后，我做了个开源平台，让 Agent 实现跨框架协作

120. AutoGen 架构演进全梳理

121. AI智能体应用

122. 开源智能体开发框架对比分析

123. AutoGen框架入门:5个核心概念搭建智能体协作系统

124. AI智能体发展趋势 - 哔哩哔哩

125. 2025年AI Agent国内外行业发展全景

126. 微软开源多智能体协作框架AutoGen

127. LangGraph 入门实践

128. LLM应用开发框架对比

129. LangChain 和 LangGraph的区别

130. LangGraph揭秘

131. LangChain 与 LangGraph

132. 什么是 LangGraph

133. 欧洲最大CX公司押注AI Agent:CrewAI如何改变客服行业?

134. 用Claude Code+CrewAI分析美股七姐妹

135. 从入门到落地，一篇看懂 Dify、Coze、n8n、AutoGen、LangChain、CrewAI

136. 一文教你了解四大AI智能体框架

137. 多智能体框架调研

138. 单智能体够用，多智能体才高效？任务可分解性与容错需求决定AI架构选择

139. 别再往一个智能体里塞功能

140. 从单 Agent 到多智能体系统

141. 2026 AI 元年

142. 【智能体开发】2026编程革命

143. 2026趋势展望

144. Agentic AI智能体开发行动营多模态Agent开发实战营

145. 科学家发现

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

147. 多智能体协作系统设计

148. 多智能体（Multi-Agent）是什么？

149. Multi‑Agent

150. 企业级AI智能体开发宝典

151. 多智能体

152. 多agent vs 单agent

153. 新书速览 | AI Agent应用开发:构建多智能体协同系统

154. 多智能体系统架构设计详解

155. 大语言模型技术百科

156. AI智能体协作新范式

157. 多智能体LLM系统

158. AI产品经理面试题

159. 基于LLM的AI智能体

160. 2026 年智能体架构综述

161. AI 智能体技术架构与应用分析

162. 别再堆工具了！AI工作流的本质是编排而非拼接

163. Agent/Skills/Teams 架构演进过程及技术选型之道

164. 企业级AI智能体架构完全指南

165. 视频与视觉技术国家工程研究中心

166. 多智能体协同-第2篇

167. 工业智能体究竟价值几何?

168. 智能体跨APP服务带来安全挑战 20余家头部公司“抱团”应对

169. 警惕人工智能时代的“智能体风险”

170. 智能体心理学

171. 警惕人工智能时代的“智能体风险”

172. 警惕人工智能时代的“智能体风险”

173. 北京大学智能仿生设计实验室

174. AI做音乐推荐怎么实现_Spotify推荐算法原理与应用

175. 智能体:你的“数字搭档”已上线

176. 智能体:你的“数字搭档”已上线

177. 从单智能体Agent向多智能体Agent协作演进面临哪些挑战？

178. AutoGen：让多个AI智能体协同工作的开发框架

179. 2026年，AI智能体开始走向真正的规模化应用！

180. 智能体框架的构成解析

181. 智能体深度解析：Agent中的多代理协同的优势和难点是什么？

182. 2026年十大Agent框架纵览：全栈巨擘、协作先锋与低代码新锐，谁将引领下一代AI应用？

183. CrewAI 深度剖析 —— 与自建 Agent 系统的差距在哪

184. 多智能体不是越多越好，Google 给出第一性原理

185. 【转载】多智能体系统的分布式协同控制与优化算法研究：解锁未来智能协作的新范式

186. 智能体综述：探索基于大型语言模型的智能体：定义、方法与前景

187. Microsoft AutoGen 框架总结

188. 多智能体大规模协作：微软框架与 SWE Agents 实践 Agent-to-Agent 大规模协作：用 SWE Agents 和 Microsoft Agent Framework 实现高级多智能体编排探索多智能体协作的未来！本场以由 Semantic Kernel 与 AutoGen 工程团队打造的 Microsoft Agent Framework 为核心，带您搭建真正可扩展的 AI 协作系统。您将学会如何借助 SWE Agents（GitHub Copilot 编码智能体 + Codex 搭配 Azure OpenAI 模型）设计兼容 A2A 的智能体，并开发 MCP 工具，保障协作整合的安全性。本课程将演示如何搭建、部署并扩展企业级智能体系统，还能抢先体验最新的进阶工作流功能的第一部分。第二部分的内容将在下一个视频中展示。 🧠 您将学到：・运用 Microsoft Agent Framework 整合智能体，降低整合复杂度；・搭配 SWE Agents 加速程序开发，快速完成原型搭建；・通过 MCP 保护敏感数据，在多智能体协作整合中保障数据安全与合规。 #AI #Agent #MCP #SWE #多智能体

189. 多智能体架构技术选型：LangGraph、AutoGen等六大AI Agent框架全方位解析，建议收藏备用！

190. 2025-2026 AI Agent 新时代：这4大框架将主导多Agent协作革命！

191. 大模型应用的“大脑层”：Agent 与任务编排如何决定系统上限

192. Agent-to-Agent 大规模协作：用 SWE Agents 和 Microsoft Agent Framework 实现高级多智能体编排（下）探索多智能体协作的未来！本场以由 Semantic Kernel 与 AutoGen 工程团队打造的 Microsoft Agent Framework 为核心，带您搭建真正可扩展的 AI 协作系统。您将学会如何借助 SWE Agents（GitHub Copilot 编码智能体 + Codex 搭配 Azure OpenAI 模型）设计兼容 A2A 的智能体，并开发 MCP 工具，保障协作整合的安全性。本课程将演示如何通过 DevUI 进行可视化。#AI #Agent #SWE #DevUI #可视化

193. 从RAG到多Agent协同：解密智能体来了西南总部的核心技术链路

194. 韩博士讲大模型16： Crewai多智能体自动化团队协作专家

195. 告别LangChain！LangGraph让你的大模型Agent实现‘自我纠错+长期记忆‘，小白也能秒变AI大神！

196. 2026最新AI Agent（智能体）协议全家桶

197. 展望2026 | AI数据分析有望走进多智能体（Multi Agent）时代

198. Multi-Agent协作 | 让多个AI智能体高效配合

199. 手搓 AI Agent ：多Agent协作，从单兵作战到团队协作的进化之路

200. 一文讲透 Coze、Dify、n8n、CrewAI 智能体框架选型指南（架构 / 优缺点 / 适用场景 + 决策树）

201. 2026全国智能体开发者大会举行，十大案例发布，AI智能体加速赋能制造与电商

202. 关于智能体（AIAgent）最常用框架详细的总结！

203. AI智能体的开发框架

204. Agentic设计模式（7）：多智能体协作（Multi-Agent Collaboration）

205. 【LangGraph】LangGraph速成手册

206. 55.8k Star！微软 AutoGen：让 AI Agent 像团队一样协作的开源框架

207. 【中配】多智能体系统解析：AI智能体与大语言模型如何协同工作 - IBM Technology

208. OpenClaw 多 Agent 协作：从 0 到 1 搭建可控的 AI 团队

209. 搞懂论文逻辑链之Agentic Systems - Multi-agent Architecture Search via Agentic Supernet

210. DeepLearningAI【中英⚡CrewAI 实战：多智能体与高级应用案例|Short Course, Practical Multi AI Agent】

211. AI Agent 框架实测：AutoGen、CrewAI、LangGraph 有何不同？

212. Oh My OpenAgent 多 Agent 协作实战：一个需求，7 个 Agent 并行完成

213. Hiclaw：开源 Agent 团队协作系统，让多个 AI Agent 在 Matrix 中协作

214. OpenClaw 进阶实战系列｜第6篇：多 Agent 编排——让多个 AI 分工协作

215. Dr. MAS：多智能体LLM系统的稳定强化学习训练方案

216. 智能体如何解决大模型“没手没脚”的落地难题？

217. WiseAgent智能体框架实战之CrewAI篇(一) ｜CrewAI 框架详解与医院导诊智能体项目规划

218. 大模型智能体入门到精通：一篇搞定LLM智能体核心知识

219. Agent-to-Agent 大规模协作：用 SWE Agents 和 Microsoft Agent Framework 实现高级多智能体编排（上）

220. Claude Code Agent Teams上手指南+项目实测 - 哔哩哔哩

221. AWorld 企业级 Multi-Agent 框架深度解析：多智能体协作 + MCP工具 + 强化学习训练｜AI Agent｜智能体教程｜AI大模型

222. 从零开始学AutoGen：多智能体协作原理与实战

223. AutoGen-Graphflow 扩展：用可视化流程图，零代码构建企业级多智能体系统

224. VSCode 1.109 正式发布：全新多智能体开发，真的有点强！

225. 用40+大模型探索:多智能体能力能否自发涌现

226. AutoGen 框架入门——构建你的第一个多智能体应用（二）

227. AI 团队协作的里程碑：多角色 Agent 共同研发

228. Visual Studio Code 1.109更新重点强化智能体功能

229. 搞懂多智能体协同，7个AI如何像团队一样分工协作？搞懂多智能体协同，这一篇就够了！🎯 单智能体 vs 多智能体，区别在哪？ ❌ 单智能体：什么都会，但什么都不精 ✅ 多智能体：各司其职，像团队一样协作我用7个AI Agent做了个超级事务管家： 🤖 总管家：像项目经理一样调度 💼 生活管理组：健康、日程、联系人 ⚡ 工作效率组：任务、番茄钟、专注模式 💝 社交关系组：维护人际关系 🧠 记忆中心：外接大脑，记住一切 📚 知识库：专属知识管理关键技术： - AgentScope Java 框架 - A2A 协议实现 Agent 通信 - Nacos 服务发现 - Docker Compose 一键部署关注我，每天一个 AI 开发干货 💻 #AI #多智能体 #Agent #AI开发 #AgentScope #技术分享

230. 构建多智能体 AI 应用的5个最佳框架所谓多智能体系统（Multi-Agent System, MAS），这些智能体能够感知环境、与其他智能体交互，并通过协作解决复杂的任务。这几天完整整理了多agent系统架构设计模式及协作模式 ✅主要整理的agent设计为： 🅰️多agent开发框架 MetaGPT，AutoGen，CrewAI，Langgraph 🅱️多agent协作方式 MetaGPT，AutoGen，XAgent，含内循环，外循环，planagent，toolagent 💾可以归纳出一个等式：多智能体=智能体 + 环境 + SOP + 评审 + 通信 + 成本#大模型 #大语言模型 #大模型微调 #大模型入门 #大模型应用

231. 实测5款智能体编程工具，才发现差距在“编排”而非“工具”

232. 零代码入门CrewAI第一天上手（附可复制代码）

233. 41K! AI代理爆款框架！让多个AI“组队打怪”，复杂任务轻松搞定！

234. AI Agent开发框架的对比和使用场景：从入门到精通的收藏级指南！

235. 任务分解与协作：Subagent与Agent Teams的应用场景

236. 微软AutoGen框架介绍

237. 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

238. LangGraph框架入门01：LangGraph是什么？

239. Dr. MAS解决多智能体LLM系统端到端RL后训练

240. 1. LangGraph介绍

241. Agno开发教程系列（四）：多Agent协作系统（上）—— Team团队协作机制

多智能体协作并非万能解，这三类用户才该现在入场

精选参考来源