开源工具正成为AI智能体普及的关键推手_服务软件

1. 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

2. 千问APP国内正式上线，“千问恐慌”愈演愈烈，OpenAI恐怕要被反杀了 #千问APP #AI #AI助手 #开源大模型#阿里巴巴

3. 智谱GLM-4.5的开源，可以说撕破了大模型行业的虚伪面纱也不为过。毕竟那些闭源玩家老师喜欢靠参数量讲故事，而这个定位智能体基座的模型，都在用推理、代码、智能体能力的全面开源SOTA，就是有实力的东西不搞玄学虚的。况且回到真实评测里，它也照样碾压国内对手，全球第一梯队的席位坐得稳稳的。更狠的是性价比——价格打到同类1/10，速度还是最快的，这你受得了吗？要是我说给行业掀桌，你说合理不？况且作为首款原生Agentic基座模型，它证明中国大模型不止能跟跑。当开源代码在GitHub疯传，我们看到的是：真正的领先，不是藏着掖着的傲慢，而是让每个开发者都能用得起顶级AI的底气。#文科生1小时做3个网站##智谱##GLM#

4. 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

5. 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#

6. 千问APP全面接入阿里生态，超车美国、带领国内AI行业进入办事时代。#ai #千问 #阿里 #科技 #马斯克

7. Eigent，全球首个多智能体生产力平台

8. OpenAI发布最强开源大模型，开源AI进入T0时代 OpenAI发布最强开源大模型gpt-oss，奥特曼放话，这是世界上最好最实用的开放模型。亮点1、跑分离谱大杯120B版本，性能打平OpenAI第二强的模型o4-mini，，在核心基准测试上全面碾压Qwen 3/Kimi K2和DeepSeek R1，还有个中杯20B版本，性能接近o3-mini。亮点2、实用性爆表 120B采用MOE架构，活跃参数仅5B，一张H100就能跑。 20B更夸张，原生支持4Bit量化，16G显存的电脑甚至是手机都能运行。亮点3、透明可解释默认展示没有经过美化和处理的原始思维链，可以完整观察到模型的“思考”过程。亮点4、天生智能体原生支持函数调用、网页浏览、Python代码执行，还能调节推理强度，0帧起手做智能代理本周五还有GPT5发布 #AI新星计划 #人工智能 #OpenAI #大模型 #gptoss

9. 低成本吃AI红利！2026赚钱新思路。 #大咖观察 #红衣聊AI #人工智能 #2026

10. Bash Is All Agent Need：Anthropic 重新定义智能体开发

11. 开源是战略，生态是王炸，阿里千问入局AItoC #千问 #大模型

12. #天禧 AI 一体多端# 大会提出的 “一体多端加速 AI 普惠”，是这场盛会最核心的价值落点。它的意义在于彻底撕掉 AI 的 “高冷标签”，让智能体验不再局限于高端设备或特定场景，而是通过多终端的无缝衔接，把强大的 AI 能力送到每一位用户手中，实现 “人人可享、处处可用” 的普惠目标，完成 AI 从 “少数人尝鲜” 到 “全民普及” 的关键跨越。#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#

13. 一个视频带你快速盘点2025年GitHub热点项目

14. 「Github一周热点97期」开源AI手机、AI画架构图、AI编程的指导、看板工具、GO语言的游戏引擎和具身智能资料库

15. 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？

16. 在这个开源「从夯到拉」榜单，我终于明白中国 AI 为什么能逆袭

17. 开源大模型狂飙！盘点7月国内的开源大模型！

18. AI首胜人类博士，顶会论文秒变代码！港大90后开源刷爆8k星

19. 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」！

20. 新加坡放弃美国AI模型，改用中国开源模型#据新加坡媒体报道，11月25日，新加坡国家人工智能计划宣布了一项重大技术路线调整：在其最新发布的、旨在服务整个东南亚的旗舰大模型中，放弃了美国开源体系，转而采用中国企业的开源架构。有分析认为，这一事件在全球AI版图上投下了一颗重磅信号弹：中国开源AI模型正在从技术追赶者，变为全球信赖的“技术底座”。与此同时，中国AI风暴也刮到了美国。英国《金融时报》报道称，美国麻省理工学院的研究发现，过去一年，中国团队开发的开源AI模型下载量占比上升至17%，首次超过美国同行，在AI技术的全球应用中取得关键优势。超维界的微博视频

21. 黄仁勋预言成真！AI智能体成GitHub主力，一天顶人类一年

22. 谷歌（Google Cloud）在其最新的《2026年AI智能体趋势报告》（AI Agent Trends 2026 Report）中，提出了AI智能体将如何重塑业务模式并驱动新价值的五大核心趋势。谷歌发布的2026年AI智能体五大趋势：AI智能体将助力全员生产力提升（AI agents will help everyone be more productive）员工将从日常重复性的执行工作转向更高层级的战略决策，将任务委托给不同的AI智能体来达成目标。AI将成为工作流程的起点。智能体工作流将成为核心业务流程（Agentic workflows will become a core part of business processes）系统中的多个智能体将能够相互协作、协调和通信，以自动化复杂的、多步骤的流程。这远超简单的聊天机器人，能够运行从开始到结束的完整工作流。从“搜索引擎优化”转向“智能体可发现性优化”（From SEO to Agent Discoverability）随着AI智能体开始代表人类进行决策和采购，企业将不再仅仅针对人类用户进行优化（SEO），而是需要优化其数据和接口，以便能被其他AI智能体“发现”并与之交互。提供“礼宾级”的客户体验（"Concierge-style" customer service）AI智能体将能够处理高度个性化的体验，实现全天候、跨语言、跨平台的实时响应。智能体能够理解上下文并处理从查询到完成交易的全过程。建立统一的AI生态系统与人类协作（Building a Unified AI Ecosystem & Human-AI Collaboration）孤立的AI工具将连接成一个单一的生态系统。同时，企业的重点将转向培训员工如何更有效地与AI协作，确保在处理复杂问题和道德考量时有“人类在环”（Human-in-the-loop）。原文网址：Google Cloud 官方博客文章：5 ways AI agents will transform the way we work in 2026 网页链接(注：这是该报告的核心总结文章)Google Cloud 资源中心（报告下载页）：AI agent trends 2026 report | Google Cloud(您可以在此页面下载完整的 PDF 深度报告)网页链接 Google谷歌爱好者的微博视频

23. AI Agent 的“进化之路”：从研究原型到生产级记忆系统，技术趋势与产品对比

24. #天禧AI从助手到队友# 天禧AI的进阶，是一场多方共赢的生态革命者产业端，“一体多端”战略让AI能力融入PC、手机、平板，加速技术普惠；开发者层面，与扣子平台合作实现“开发即部署”，一键发布智能体降低落地成本；用户则收获三大飞跃：个性化记忆懂需求、闭环行动力省时间、多端体验无断点。更难得的是开放生态，汇聚字节、讯飞等伙伴的力量，让智能体持续丰富。从技术根基建到生态树冠，天禧AI用“共建共享”打破边界，真正实现了产业、开发者、用户的三方共赢。

25. Anthropic：高效构建 AI 智能体的上下文工程

26. 智能体设计模式总结

27. 登顶Hugging Face GAIA全球榜首！中兴超级智能体终结「AI黑盒」时代

28. 今天，智谱 AI 正式在港交所挂牌上市，成为了“全球大模型第一股”。这是一个极具风向标意义的时刻，标志着大模型行业从“讲故事”正式跨入“交账单”的资本考查期。围绕大家关心的盈利逻辑和行业趋势，分享一些深度观察：1. AI 公司主要靠哪些途径赚钱？目前大模型公司的收入结构已从单一的“卖算力”转向多元化的“卖能力”： * MaaS（模型即服务）：像智谱的 GLM 系列，主要通过 API 接口按调用量收费。2025 年数据显示，智谱的付费 API 收入已领跑国产模型。 * 私有化部署（To B）：针对金融、能源、政务等对数据安全极度敏感的行业，提供定制化的“行业大模型”一体机或本地化方案。 * AI Agent 与订阅（To C/To B）： 2026 年被称为 Agentic AI 爆发年，通过智能体解决具体的业务流（如自动写代码、自动处理财报），按月订阅或按效果付费成为主流。 * 沿途下蛋：智谱采取的策略是，在研发基座模型的同时，孵化出如智谱清言（对话）、CogView（生图）等直接面向终端用户的应用产品。2. 开源与闭源，To B 与 To C 的抉择 * 开源 vs 闭源：开源大模型（如 DeepSeek、Llama 系列）更容易通过“生态”圈粉，通过提供后续的集成服务、技术支持和定制化建议获利。而智谱这种兼顾开源与闭源的厂商，则是在用开源换流量、用闭源收服务费。 * To B vs To C： * To B 路径目前在中国市场更稳。企业客户有明确的数字化转型预算，付费意愿强，订单金额大。 * To C 路径虽然上限高（参考 OpenAI 的订阅用户量），但获客成本极其昂贵，且用户忠诚度受模型版本迭代影响大。3. 模型能力是否决定了商业天花板？是，也不是。 * 底层决定深度：基础模型的能力（如推理深度、多模态原生能力）决定了你能接什么样的单子。如果你无法在逻辑推理上突破，就很难吃下高端的科研、金融分析市场。 * 应用决定广度： 2026 年的共识是：单纯拼参数已不再能带来超额利润，**“准确率悬崖”**的突破取决于智能体（Agent）系统的协同。商业天花板最终取决于 AI 能否在实际业务中创造正向的 ROI（投资回报率）。4. 2026 年会有一波 AI 上市潮吗？答案是肯定的，且已经开启。除了今天上市的智谱 AI，MiniMax 紧随其后也已在港交所排队，昆仑芯、壁仞科技等算力/芯片龙头也在近期扎堆上市。原因：一方面是大模型研发极其“烧钱”，智谱等公司即便营收翻倍，研发费用依然巨大，需要二级市场“补血”。逻辑：资本市场正在从“广撒网”转向“押宝链主”。2026 年，投资者更看重谁能成为 AI 时代的“新基建”平台。#上市后AI大模型靠啥盈利##ai创造营##科技风向标#

29. 「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

30. 给AI一个“身体”：3D数字人或是具身智能的解法？【硅谷101】

31. AI智能体时代，职场规则已不同以往。想成为赢家，关键在于找准自己的位置。#大咖观察 #红衣聊AI #智能体

32. 你还在用旧思维与AI打交道吗？ #大咖观察 #红衣聊AI #AI时代 #智能体 #大模型

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

34. 被Jim Fan点赞！全球第一的千寻智能Spirit v1.5正式开源！

35. RAG、LangChain、Agent 到底有什么关系？

36. 给大家推荐一个不错的开源项目 Hello-Agents，是一套从零开始学习构建智能体的免费教程。内容覆盖得比较全面。基础部分讲了大模型和 Agent 的核心概念，实战部分手把手带你实现 ReAct、Plan-and-Solve、Reflection 这些开发模式。如果你更习惯用低代码平台，教程里也有 Coze、Dify、n8n 的实操内容。框架方面涉及 Python 生态里常用的 AutoGen、AgentScope、LangGraph，项目本身还从零搭建了一个 HelloAgents 框架。除此之外，记忆机制、RAG、MCP、评估方法这些也都有涉及，案例挺多的，还整理了面试相关的题目和代码。唯一的小遗憾是代码都是 Python 写的。顺便说一句，这个项目来自 datawhalechina 组织，他们那里还有不少其他 AI 相关的教程资源，感兴趣可以去看看。开源项目地址：github.com/datawhalechina/hello-agents#科技先锋官##微博兴趣创作计划##AI创造营#

37. 【阿里开源通义DeepResearch，性能超OpenAI、DeepSeek旗舰模型】9月17日，阿里巴巴宣布开源其首个深度研究Agent模型——通义DeepResearch。该模型在HLE、BrowseComp-zh、GAIA等多个权威评测中取得SOTA成绩，表现超越OpenAI Deep Research及DeepSeek-V3.1等同类模型。通义DeepResearch具备强大的复杂任务推理与执行能力，其模型、框架与技术方案已全面开放，用户可通过Github、Hugging Face和魔搭社区免费下载使用。今年以来，阿里已连续开源WebWalker、WebDancer和WebSailor等多款检索和推理智能体，并全部斩获开源SOTA成绩。

38. 无问芯穹首曝智能体服务平台，以基础设施加速企业级「智能体自由」

39. 大模型（LLM）和智能体（Agent）有什么区别？

40. 未来走向何方？Agent 创企 2025 生存现状一览

41. Mozilla：AI 智能体正在成为第 8 层互联网协议

42. 迈向AGI的第一步？国产自研GLM4.5，重新定义智能体【趁热聊聊x百大AI应用视频播客】

43. #天禧 AI 生态# 大会提出的 “应用商店 2026 年推进开设智能体专区” 规划，其意义在于为智能体应用搭建专属的展示与分发平台。这一举措将解决智能体应用 “难找、难用” 的痛点，让用户能快速找到适配自己需求的智能体，也让优质开发者的成果得到更广泛的传播，进一步繁荣天禧 AI 生态的应用生态。#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#

44. #OpenAI重回开源意味着什么#OpenAI 重回开源：一场迟到的战略自救，还是一次 AI 霸权的重新洗牌？OpenAI 终于放下身段，时隔六年再次拥抱开源，允许开发者自由下载、微调和商用。但别急着欢呼，这并非纯粹的“技术普惠”，而是一场精明的商业博弈。为什么 OpenAI 突然“开源”？中国 DeepSeek、智谱 GLM-4.5 等开源模型在推理、编程等任务上表现亮眼，甚至霸榜 Hugging Face，倒逼 OpenAI 不得不“开源”以维持生态影响力。美国 AI 鼓励开放模型，而 OpenAI 若继续闭源，可能被边缘化为“AI 时代的苹果”，而非“AI 时代的 Linux”。开放权重但不开放训练数据，既吸引开发者，又守住核心 IP，避免完全被开源浪潮吞没。对国产开源模型有啥影响？国产模型（如 DeepSeek R1、GLM-4.5）已形成“开源四杰”格局，OpenAI 的加入不会颠覆市场，但会加剧竞争。中国模型的优势在于更宽松的开源协议，而 OpenAI 仍保留关键训练数据。GLM-4.5 在长文本、智能体任务上的表现甚至优于部分闭源模型。 OpenAI 的回归，反而可能刺激国产模型加速迭代，形成“中美开源竞速”的新局面。新模型能力如何？接近 GPT-4 推理能力，单张 H100 GPU 即可运行，适合企业级应用。笔记本可跑，但幻觉率较高（49%+），离商用级稳定尚有差距。仅激活部分参数，兼顾性能与效率，但对比国产模型，未必有压倒性优势。 AI 行业的未来是开源还是闭源？开源已成趋势，但不会完全取代闭源。开源推动技术民主化，适合中小企业和研究者，如 DeepSeek、Meta Llama。大厂仍会保留最强模型（如 GPT-5），用于高利润 API 服务。 OpenAI 的“半开源”策略，或许正是未来主流——开放部分能力，但核心壁垒仍在巨头手中。 OpenAI 的开源回归，既是防守，也是进攻。它不会终结国产模型的崛起，但会让全球 AI 竞赛进入更复杂的“开放+控制”新阶段。这场游戏，才刚刚开始。

45. LlamaIndex 分享生产级 Agent 五大设计模式落地实践

46. 目前开源领域中，LangChain、LangGraph和DeepAgents是三款备受关注的项目，它们分别对应“代理框架”、“代理运行时”和“代理套件”三种不同的工具类型。尽管界限尚不完全清晰，但理解它们的区分有助于更好地构建和运行基于大语言模型（LLM）的智能代理系统。代理框架（如LangChain）侧重于抽象设计，提供统一的开发模型，帮助开发者快速上手并保持项目间的连贯性。它们的核心价值在于封装复杂逻辑，简化应用构建，但若设计不当，也可能限制高级用例的灵活性。市面上类似的还有Vercel AI SDK、OpenAI Agents SDK等。代理运行时（如LangGraph）则更关注生产环境中的执行基础设施，支持持久化执行、流式处理和人机协同等功能，保证代理的稳定可靠运行。它们通常低于框架层，能为框架提供底层支持。类似项目包括Temporal和Inngest。代理套件（如DeepAgents）是最新且更高层次的产品，构建在框架之上，内置默认提示、工具调用管理、规划工具及文件系统访问，提供开箱即用的完整解决方案。它们类似于“通用版的Claude Code”，目标是让复杂代理应用开发更简单高效。总结来说，框架适合快速构建和抽象设计，运行时保障生产级执行，套件则提供集成化的全功能体验。随着这一领域的发展，相关术语和边界还在逐渐明晰，社区的反馈和实践将推动更成熟的定义和标准形成。原文：blog.langchain.com/agent-frameworks-runtimes-and-harnesses-oh-my/

47. Agent 驱动开发 (ADD)：如何使用 AI 智能体开发软件

48. MiroFlow是由MiroMind AI团队推出的一款开源高性能研究智能体框架，专注于多步互联网调研，尤其擅长未来事件预测等复杂任务。它集成了四大核心组件：MiroFlow框架本身、支持工具辅助推理的开源基础模型MiroThinker、拥有14.7万条优质训练数据的MiroVerse，以及保障训练稳定高效的MiroTrain/MiroRL训练基础设施。这一框架以模块化设计和多层次子代理协同著称，支持包括GPT、Claude、Gemini、Qwen等多种模型和丰富工具（如语音转写、Python执行、文件读取、Google搜索等），实现复杂任务的高效执行。MiroFlow在多个权威基准测试中均名列前茅：如FutureX（未来事件预测）提升了GPT-5预测准确率11%，并在GAIA、HLE、BrowserComp及xBench-DeepSearch等测试中夺冠，彰显其领先的智能推理能力和稳定的并发处理性能。值得一提的是，MiroFlow采用完全免费开源的技术栈，仅需一块RTX 4090显卡即可部署高效的研究智能体服务，极大降低了使用门槛和运营成本。同时，项目配备详细文档和快速入门指南，支持社区贡献，推动开放生态建设。MiroFlow不仅是技术创新的典范，也为未来智能体的发展提供了可复制、可扩展的实践范式，展示了开放源代码在AI研究领域的巨大潜力和价值。🔗 github.com/MiroMindAI/MiroFlow/

49. 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

50. 开发Agent只懂拖拉拽？你真的能跟上生产级开发的节奏了吗？

51. #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#

52. #OpenAI重回开源意味着什么#OpenAI重回开源，并非“妥协”，而是竞争与生态的双重倒逼。Meta的Llama系列以开源抢滩市场，中小开发者与垂直场景需求倒逼技术普惠——闭源模型的“高门槛”已难覆盖长尾创新。对国产开源模型而言，这是“压力测试”更是“加速器”：一方面需直面国际顶尖模型的能力碾压，另一方面可借开源社区快速迭代，填补应用场景空白。此次回归的新模型，或在大模型推理效率、多模态融合上实现突破，进一步降低企业使用成本。行业趋势上，开源将成主流，但闭源在金融、政务等敏感领域仍有生存空间。开源不是终点，而是技术普惠的起点——当代码与数据流动起来，AI的“全民共创”时代才真正开始。 #ai探索计划#

53. 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）

54. 《从零开始构建智能体》从基础理论到实际应用，全面掌握智能体系统的设计与实现在线阅读： datawhalechina.github.io/hello-agents/Hello-Agents 是 Datawhale 社区的系统性智能体学习教程。如今 Agent 构建主要分为两派，一派是 Dify，Coze，n8n 这类软件工程类 Agent，其本质是流程驱动的软件开发，LLM 作为数据处理的后端；另一派则是 AI 原生的 Agent，即真正以 AI 驱动的 Agent。本教程旨在带领大家深入理解并构建后者——真正的 AI Native Agent。教程将带领你穿透框架表象，从智能体的核心原理出发，深入其核心架构，理解其经典范式，并最终亲手构建起属于自己的多智能体应用。我们相信，最好的学习方式就是动手实践。希望这本教程能成为你探索智能体世界的起点，能够从一名大语言模型的"使用者"，蜕变为一名智能体系统的"构建者"。✨ 你将收获什么？ 📖 Datawhale 开源免费完全免费学习本项目所有内容，与社区共同成长 🔍 理解核心原理深入理解智能体的概念、历史与经典范式 🏗️ 亲手实现掌握热门低代码平台和智能体代码框架的使用 🛠️ 自研框架HelloAgents 基于 Openai 原生 API 从零构建一个自己的智能体框架 ⚙️ 掌握高级技能一步步实现上下文工程、Memory、协议、评估等系统性技术 🤝 模型训练掌握 Agentic RL，从 SFT 到 GRPO 的全流程实战训练 LLM 🚀 驱动真实案例实战开发智能旅行助手、赛博小镇等综合项目 📖 求职面试学习智能体求职相关面试问题#科技先锋官#

55. 从 OpenAI 回国的 90 后姚班博导，打造了国内首个开源 Agent 训练框架：从 OpenAI 团队解散与重组，看智能体技术十年沉淀

56. Agentic RAG 技术栈图谱，揭示构建智能代理系统的核心层级与关键组件：Level 0 部署与基础设施涵盖Groq、AWS、together.ai、Baseten、Modal、Fireworks AI、Replicate等，保障模型和系统的高效运行环境。Level 1 评估与监控 LangSmith、MLflow、Weights & Biases、Hugging Face、Deepchecks、Fairlearn等，负责模型性能、偏差与安全性监测。Level 2 基础模型包括Claude 3.7 Sonnet、Mistral AI、Cohere、Gemini 2.5 Pro、LLAMA 4、GPT-4等，提供强大的语言理解和生成能力。Level 3 编排框架 LangChain、DSPy、Microsoft AutoGen、Adaflow、LiteLLM、Ray、Haystack等，实现多模型、多任务的流程控制与协同。Level 4 向量数据库 Milvus、Redis、Pinecone、Elasticsearch、Chroma、Vald等，负责高效存储与检索海量向量化信息。Level 5 嵌入模型 Voyage AI、OpenAI、spaCy、FastText、Hugging Face、Cohere等，支持文本向量表示转换，为检索和推理提供基础。Level 6 数据摄取与提取 Scrapy、Firecrawl、Docling、Llamaparse、Amazon Textract、Apache Tika等，完成多源数据采集与结构化处理。Level 7 记忆与上下文管理 Letta、mem0、Zep、Chroma、Cognec、LangChain、LlamaIndex等，管理长期与短期记忆，提升对话连贯性。Level 8 安全与治理 Langfuse、Arize、Evalverse、Helicone、Guardrails AI、HELM、AI Explainability 360、AI Fairness 360等，保障系统透明、公平与安全，防止滥用。总结：这套Agentic RAG技术栈不仅涵盖了从底层基础设施到高层治理的全流程，也体现了智能代理对性能、数据、记忆与安全的多维度要求。掌握这张图谱，是迈向智能代理实用化的关键。

57. AgentScope Java 1.0 发布：当领先的 Agentic 框架遇上 Java 生态，企业级智能体开发新篇章

58. #天禧个人超级智能体# 大会反复强调的 “天禧 AI 想你所想行你所愿”，绝非一句简单的口号，而是这场大会赋予天禧 AI 的核心使命。其意义在于推动 AI 从 “被动响应指令的工具” 升级为 “主动理解需求的伙伴”，让智能体真正融入用户的工作、学习与生活，精准匹配每个人的个性化需求，这正是个人 AI 发展的终极愿景。#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#

59. 【华为宣布CANN全面开源开放！共建昇腾AI生态】在北京召开的昇腾计算产业发展峰会上，华为轮值董事长徐直军宣布，华为CANN将全面开源开放！未来，CANN Mind系列应用套件及工具链全面开源，支持用户自主的深度挖潜和自定义开发，加速广大开发者的创新步伐，让昇腾更好用、更易用。徐直军强调，华为AI战略的核心是算力，并坚持昇腾硬件变现。本次峰会，来自AI领军企业、伙伴、高校与科研机构的代表共同探讨了如何更好地构建开源开放的昇腾生态，加速AI创新和发展。与会代表和华为共同发起了《CANN开源开放生态共建倡议》，以凝聚产业力量，共探AI边界，共建昇腾生态。CANN全称为“Compute Architecture for Neural Networks”，是华为主导的神经网络异构计算架构，但无论生态系统还是开发者支持，相比NVIDIA CUDA生态还是要差很多，这也是华为AI硬件普及的最大障碍。消息称，华为正在改变AI芯片设计策略，从ASIC(专用集成电路)转向GPGPU(通用图形处理器)，同时在软件端也会重新设计，允许通过中间件兼容CUDA，也可以将CUDA指令转换为适用于华为AI芯片的语言。这一说法尚未得到华为证实，而且从华为的动作来看，即便转向GPGPU芯片，CANN也不会被放弃，而是通过开源开放的方式与行业共建。

60. LangChain Agent 年度报告：输出质量仍是 Agent 最大障碍，客服、研究是最快落地场景

61. 开发 AI Agent 应用时，直接使用 LangChain 或 LangGraph 等框架虽然方便，但复杂的抽象往往像个“黑盒”，让开发者难以理解底层的调用逻辑和决策机制。ai-agents-from-scratch 是一个专注于教学的开源项目，主张从零开始构建 AI Agent。它不依赖现有的成品框架，而是通过 Node.js 和本地大模型，带你一步步拆解 Agent 的核心原理。项目不仅涵盖了基础的模型调用，还深入讲解了函数调用、长期记忆、ReAct 推理模式等关键技术，帮助开发者在掌握底层逻辑后再去更明智地选择和使用框架。GitHub：github.com/pguso/ai-agents-from-scratch主要功能：- 基于 node-llama-cpp 实现本地大模型运行，无需依赖云端 API；- 循序渐进的学习路径，从基础交互到复杂的系统提示词与角色设定；- 深入解析函数调用原理，展示 LLM 如何决定调用工具并处理返回结果；- 实现持久化存储与记忆管理，让 Agent 具备跨会话的信息记忆能力；- 详解 ReAct 推理模式，演示“思考-行动-观察”的循环逻辑；- 提供进阶教程，手写实现类似 LangChain 的 Runnable 接口和状态机图结构。该项目要求 Node.js 18 以上环境，建议配置 16GB 内存以流畅运行本地 GGUF 模型。它非常适合希望深入理解 Agent 架构、提升 AI 应用底层开发能力的工程师参考学习。

62. www.philschmid.de/building-agents这篇文章介绍了如何从零开始构建一个基于Gemini 3的AI智能体。智能体的核心构成非常简单，包括一个LLM、可执行的工具、上下文/记忆以及一个不断循环的流程。文章通过逐步引导，展示了从基本的文本生成到创建一个功能完善的CLI代理的过程。#科技先锋官#

63. 2025年被称为“智能体（Agent）元年”，各行业、各领域应用AI技术，主要体现为研发各种基于Agent的智能体应用。2026年，预计会迎来“智能体应用”的井喷，并且会从单智能体全面转向多智能体应用，多个智能体相互连接和协作，将越来越多的工作和任务自动化和智能化。对于普通人来说，在2026年，你会看到，越来越多的人类工作由AI接管，AI取代人干活的步伐在加快。

64. 不陪你聊天，AI智能体成为你的“数字打工人”

65. 收手吧GPT-5-Codex，外面全是AI编程智能体！

66. 九坤投资至知研究院发布开源大语言模型，将给国内大模型开源生态带来哪些改变？

67. 为什么只有 5% 的 AI 智能体在生产环境中真正有效？

68. 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

69. 逛展实测！自进化AI有什么不一样？丨2025荣耀开发者大会李姐来打卡荣耀全球开发者大会2025啦！来看看这次的主角荣耀AI智能体YOYO，到底有多好玩～ Eva的科技生活的微博视频

70. 华为第三方鸿蒙应用开始反哺开源鸿蒙生态了，很多APP的组件已经发布到开源鸿蒙社区！许多互联网公司并未直接开源完整APP，但将核心能力或开发工具以“三方库”形式贡献给OpenHarmony社区，供所有开发者使用。近日，由钉钉团队自主研发的“HarmonyOS 图片编辑组件”正式上线 OpenHarmony 三方库中心仓并开源。作为一款填补鸿蒙社区图像处理领域空白的重量级组件，该方案基于 HarmonyOS ArkTS 语言开发，提供了画板、马赛克、裁剪、文字四大核心图像处理能力。

71. 武汉市人民政府印发《武汉市加快培育发展开源鸿蒙生态的实施方案》！《方案》提出，到2027年，落地100个开源鸿蒙示范场景，打造4款行业级开源鸿蒙操作系统，完成200款开源鸿蒙应用软件研发，完成50款终端设备开源鸿蒙适配，培育聚集10万名以上开源鸿蒙开发者，成为全国重要的开源鸿蒙技术创新和产业创新基地，打造开源鸿蒙生态建设“武汉模式”，为武汉打造千亿级物联网产业筑牢根基！这个时间节点和我之前说的重要领域完成鸿蒙化时间节点一致！网页链接

72. 自动化量化交易从未如此简单。AutoHedge 是一款开源的多智能体量化交易系统，利用群体智能和 AI 代理，实现市场分析、风险管理和交易执行的全自动化。它集成了策略生成、技术分析、风险评估和交易执行四大智能代理，实时接入市场数据，提供结构化交易建议和详尽日志，帮助你快速搭建属于自己的自动对冲基金。主要功能：- 多智能体架构，覆盖策略、量化分析、风险管理及交易执行；- 实时市场分析，支持多股票组合；- 风险优先的仓位管理，自动调整交易规模；- JSON 格式输出，方便二次开发和集成；- 完善的日志系统，支持调试和回溯；- 支持自定义扩展，灵活适配各种交易策略。支持 Python 3.8+，pip 安装即可快速部署，适合量化交易爱好者和金融科技开发者。项目地址：github.com/The-Swarm-Corporation/AutoHedge使用 AutoHedge，轻松迈入自动化交易新时代。

73. "没有退路就是胜利之路"——从2019年制裁下的"战略备胎"到10亿设备生态，鸿蒙印证了自主创新+开放共建路径的可行性。11月28日央视鸿蒙星光盛典将以"在一起，就可以"为主题，致敬这场千万人接力的科技突围。#鸿蒙走出一条中国科技的新路#

74. #卢伟冰称小米用户规模超7.4亿# 小米这生态实力太能打了！卢伟冰在合作伙伴大会上官宣，全球月活用户达7.42亿，IoT设备连接数破10.4亿，还有全球唯一的人车家全生态，护城河直接拉满。现在小米汽车成了，小米芯片也已是国内顶级，AI也全跟上——新出的MiMo大模型性能比肩豆包、deepseek，开源后更是让开发者有了大舞台。而且小米认准“开源才是正义”，openvela生态合作伙伴超100家，搭载设备1.6亿台，从硬件到软件全开放，朋友圈越扩越大。120万开发者、15000+硬件合作伙伴的阵容，再加上庞大的用户基础，小米生态下一轮爆发稳了。不管是硬件厂商还是软件开发者，现在上车都不晚，借着开源东风和全生态底座，轻松就能落地项目、触达海量用户！

75. #上班要显贵效率才是搭配# 8月26日“人工智能+”行动纲领上强调，到2027年要实现智能体普及率70%以上，咱也不能掉队。中国电信天翼AI星辰超级智能体，深度适配行业场景，让AI真正变成企业的“生产型资产”，而不只是玩具。#科技感拉满的北京有多亮眼#以前只有大厂才玩得起的AI决策能力，现在中小企业也能轻松接入！这波「人工智能+」的泼天富贵，接住了！

76. 【华为终于放出了芯片大招，英伟达恐在瑟瑟发抖】近日，华为在昇腾计算产业发展峰会上宣布，昇腾硬件使能CANN（神经网络异构计算架构）全面开源，Mind系列工具链同步开放。CANN作为连接AI框架与昇腾芯片的桥梁，支持PyTorch、MindSpore等8种主流框架，算子开发周期缩短至1.5人周。此次开源旨在打破英伟达CUDA生态垄断，联合产业发起《CANN开源开放生态共建倡议》，吸引高校、科研机构参与底层技术创新。目前，昇腾芯片在国内AI训练市场市占率已达75%，开源后预计加速政企、金融等领域规模化应用。

77. AI智能体时代，职场规则已不同以往。想成为赢家，关键在于找准自己的位置。红衣大叔周鸿祎的微博视频

78. 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#

79. LlamaIndex 深度实战：用《长安的荔枝》学会构建智能问答系统网页链接“这篇文章兼顾了 RAG 的科普与 LlamaIndex 的实战。无论你处在哪个阶段，都能找到适合自己的阅读路径：1. 如果你是 RAG 或 AI 新手（👋 欢迎！）建议从第一部分：原理篇开始。这部分会用一个生动的比喻，帮你建立 RAG 的核心概念，理解 AI 是如何"读书"的。然后，你可以直接跳到第二部分：实战篇，快速体验用 30 行代码构建一个问答系统的乐趣。第三部分：优化篇和第四部分：架构篇可以先收藏，等有概念后再来深入。2. 如果你熟悉 RAG，想深入 LlamaIndex（🚀 进阶！）你可以快速浏览第一部分：原理篇，回顾一下核心概念。第二部分：实战篇值得一看，LlamaIndex 的 API 非常简洁高效。第三部分：优化篇是本文的精华。我们通过真实实验，展示了 chunk_size 和 top_k 等参数对结果的具体影响，这对于生产环境调优至关重要。第四部分：架构篇将帮你理解 LlamaIndex 的内部机制，为你的二次开发或深入定制打好基础。”

80. 《Building AI Agents with Google Gemini 3 and Open Source Frameworks》AI代理正从简单聊天机器人进化为具备复杂决策能力的半自主系统。谷歌最新发布的Gemini 3 Pro Preview，成为推动这一变革的核心引擎。它不仅提升了推理深度和多模态处理能力，还通过“思维签名”技术确保多步骤操作不丢失上下文，实现高效稳定的任务执行。Gemini 3支持开发者灵活控制成本、延迟和推理深度，满足不同场景需求。其大上下文窗口有效防止“推理漂移”，让代理在长时间对话中保持逻辑一致。更重要的是，谷歌携手开源社区，实现了LangChain、Vercel AI SDK、LlamaIndex、Pydantic AI和n8n等主流框架的Day 0支持，助力开发者快速构建下一代智能代理。- LangChain通过图形化工作流，支持多角色复杂代理开发。- Vercel AI SDK以TypeScript为基础，优化代码生成和推理性能，助力现代前端框架。- LlamaIndex专注知识型代理，强化数据交互与索引能力。- Pydantic AI结合Python类型安全，提升代理数据的可靠性和可维护性。- n8n赋能非技术团队，无需编码即可打造智能自动化流程。使用Gemini 3时，建议简化提示语，开启thinking_level参数调控推理深度，保持temperature为1.0以保证性能，严格管理思维签名的传递，合理设置多模态分辨率以节省计算资源。详细开发指南中包含迁移建议和API新特性，助力顺利升级。Gemini 3不仅是技术升级，更是智能代理迈向实际应用的关键一步，推动AI更好地服务于复杂业务和多样场景。原文：developers.googleblog.com/building-ai-agents-with-google-gemini-3-and-open-source-frameworks/

81. 深圳首个鸿蒙系统政务大厅于近日在罗湖区正式启用“鸿蒙政务服务中心”是以开源鸿蒙操作系统为技术底座集成 AI、分布式协同等智能化能力能够提供“近场无感取号、AI 秒级应答、智慧填表自动填充”等智慧服务市民及企业办事可告别排队取号与繁琐填报

82. 2025鸿蒙生态年终盘点：三个关键词见证它的年度逆袭！

83. #IT技术# #微博兴趣创作计划# 今天为大家介绍四大热门AI框架：LangChain擅长复杂AI应用开发，Dify支持低代码快速搭建，n8n专注自动化工作流，Coze则面向中文用户优化。各框架特点鲜明，你更倾向哪种AI开发方式？搞机工程师的微博视频

84. 开源大模型与闭源大模型的差距是在缩小还是在扩大？关键因素是什么？

85. 能辉科技：光伏老炮牵手蚂蚁数科，打造能源AI智能体！

86. 前段时间参加了2025#荣耀智能体创意大赛# ，这次参赛真是大开眼界，在从0到1打造智能体的过程中，我不仅深入理解了荣耀AI的意图识别和多模态交互能力，更惊喜于荣耀YOYO平台提供的智能体开发工具，轻松搭建出高响应速度的智能体！睿哥基于多模态大模型开发的智能体作品《随机度过一天》《学霸同桌》《栽好一盆花》《二手车避坑指南》《差评回复大师》《Furry头像生成器》现已正式发布上架，欢迎大家打开荣耀YOYO-侧边栏探索-搜索智能体名称，立即对话体验。特别想点赞大赛导师团，每次调试遇到瓶颈时，官方技术文档和实时反馈系统都像开了外挂！最大的收获？AI开发不再是巨头专利，荣耀用高效工具链让每个创意都有机会发光！

87. 深度解析RAG、LangChain、Agent三者间的关系（附应用案例+大厂内部资源合集）

88. 构建面向智能体 API 的指南

89. AI大模型应用架构图案例合集

90. 【GPT周报｜DeepSeek发布V3.1模型；特斯拉新车型接入豆包大模型；阿里发布智能体编程平台Qoder】8月21日，DeepSeek发布DeepSeek-V3.1模型，具备混合推理架构：一个模型同时支持思考模式与非思考模式；相比之前发布的DeepSeek-R1-0528，DeepSeek-V3.1-Think 能在更短时间内给出答案。DeepSeek-V3.1还有更强的智能体能力，通过后训练优化，新模型在工具使用与智能体任务中的表现有较大提升。官方App与网页端模型已同步升级为DeepSeek-V3.1。用户可以通过“深度思考”按钮，实现思考模式与非思考模式的自由切换。GPT周报｜DeepSeek发布V3.1模型；特斯拉新车型接入豆包大模型；阿里发布智能体编程平台Qoder　　8月22日，阿里巴巴发布智能体编程平台Qoder。阿里巴巴称，该平台提供最强的上下文工程能力，可一次检索10万个代码文件。基于强大的编程智能体，可大幅提升真实软件的开发效率。使用Qoder开发一个电商网站的前后端，可将原本需要数天的工作缩短到十分钟。

91. 奥特曼：ChatGPT只是意外，全能AI智能体才是真爱！Karpathy：7年前就想到了

92. 一文全面总结构建 AI 智能体开源技术栈 V2 版本

93. 经科思享 | 邬贺铨院士

94. 保险企业基于DeepSeek底座+多智能体应用落地方案探讨

95. 算力不再是瓶颈，云蝠智能大模型让企业低成本构建“AI智能体”

96. 智能体革命加速，超节点算力突破成本瓶颈，AI产业化迎来分水岭

97. 腾讯AI Lab王炸开源！一个框架带你打造顶级AI智能体！

98. Linux基金会宣布成立智能体AI基金会，Anthropic、OpenAI、Block加入

99. Github上66.5k Star最强编程AI智能体框架OpenHands真正解放你的双手

100. 腾讯开源“神级”AI智能体！无需付费工具，性能碾压商业系统

101. 腾讯AI Lab开源Cognitive Kernel-Pro:多模块、层次化的智能体框架

102. 每日GitHub热榜

103. 全球AI智能体开源框架发展现状与趋势分析

104. 腾讯 AI Lab 开源深度研究智能体框架突破技术依赖瓶颈

105. AI智能体协议全景图

106. LangChain

107. 三年构造LangChain的反思

108. LangChain深度解析

109. LangChain 1.0 & LangGraph 1.0 正式发布

110. LangChain

111. 智能体部署全流程

112. 构建人工智能智能体的实用指南

113. 中国开源模型如何重塑AI创业版图

114. 四大主流智能体框架大乱斗

115. 智能体框架

116. LangChain、LlamaIndex 有什么区别

117. 2602框架播报

118. AutoGen

119. 8个智能体框架，竞品对比

120. LlamaIndex的组件

121. LlamaIndex(1): 框架快速了解篇

122. 用LlamaIndex打造你的专属知识库助手

123. 每日GitHub精选

124. AutoGen 全面指南

125. 构建Agents框架｜LlamaIndex使用概览

126. Open Interpreter

127. 让 AI 直接接管我的 Linux 终端？Open Interpreter 深度实操，这玩意儿真能让我少熬夜！

128. 让AI接管了我的电脑后，才发现以前的操作方式有多原始

129. 2025最火的10个AI开源项目

130. 【开源】从复杂工作流到全自动，100%开源AI多智能体，自动化效率碾压同行！

131. 开源智能体开发框架全面对比分析

132. 2025年人工智能全景报告

133. LangChain、 Dify、 n8n、 Coze

134. AI Agent 及主流 Agent 框架介绍（一）

135. 瑞承

136. 2025 年企业智能体开发平台选型方法与主流平台推荐

137. GitHub 开源 50 多个详细的 LLM 智能体教程

138. 通义千问AgentScope1.0上新，新增开源智能体

139. 智能体（AI Agent）案例分析 —— 场景、架构、落地要点与开源 AI 获取途径

140. 告别集成噩梦！Metorial

141. 首个智能体模型实测

142. 智能体学习路线

143. 新华社

144. 微软开源智能体框架

145. 京东智能体开源，企业AI应用有解决方案了！

146. 0分钟搞定AI智能体部署！开源神器Coze，普通人也能玩转AI开发

147. 行业首个100%开源企业级智能体登场，京东云JoyAgent重塑AI 落地？

148. 构建多智能体AI系统的五大开源框架

149. AI系列-开源的智能体开发框架有哪些？

150. 京东JoyAgent开源了！狗哥手把手教你免费部署企业级AI智能体，效率直接翻倍！

151. 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

152. 开源共建 · 智能体时代的 AI 基础设施全栈实践

153. LLM应用开发之 “三国杀”

154. 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）

155. 企业 AI 开发门槛高？2026 AI 智能体平台低代码革命给出答案

156. LangChain 与 LangGraph 双双发布 1.0：AI 智能体框架迎来里程碑时刻！

157. 【今日AI速递】2025年9月29日：开源模型首超GPT-5、腾讯混元3.0引爆图像革命、AI智能体开启“管家时代”

158. 必看！六大AI智能体框架深度对比，收藏这篇选型指南就够了

159. 开源智能体初创公司LangChain估值达12.5亿美元

160. 【中配】开源与闭源AI：大语言模型、智能体与AI技术栈解析 - IBM Technology

161. 新型开源模型正迅速缩小与闭源旗舰模型在智能体任务上的差距

162. MCP+GraphRAG+LLM的智能体agent全栈开发实战

163. 2026年全球智能体 Agent 白皮书｜AI 智能体 001

164. AI Agent竞争的下半场：决胜关键不在模型，而在系统架构

165. 智能体框架全解析：Dify、Coze、n8n、AutoGen、LangChain、CrewAI 深度对比

166. 2026年七大智能体AI核心趋势解析

167. LangChain：构建智能AI应用的利器!

168. 从框架到智能体，一文看懂LangChain五兄弟的秘密

169. 别再用Dify了！这个GVP开源项目把「智能体+赚钱」一次性打通了！

170. 20K Star！AI智能体终极武器库：200+开源项目大盘点，告别找Agent的焦虑症！

171. 智能体开发框架Langgraph基础流程和理论梳理

172. 知识管理与 RAG 框架全景：从 LlamaIndex 到多框架集成

173. Github-LangChain：构建可靠AI代理的终极框架

174. LangChain跻身独角兽，1.25亿美元融资开启AI智能体新纪元

175. 500个AI智能体开源案例，一次看全AI落地应用

176. 智能体核心逻辑拆解：faq/calc/web/llm 是什么 #智能体 #大模型应用开发 #llm #aiagent #agent

177. LlamaIndex：RAG 与智能体开发的终极利器

178. UCSD推出PettingLLMs框架，多智能体协同训练提升LLM任务，达5.8倍

179. Linux基金会成立智能体AI基金会统一管理行业标准

180. 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？

181. 北京重磅布局开源生态！三年行动方案瞄准AI与硬科技，打造全球开源新高地

182. AI 智能体三大核心组件：从框架（Framework）、运行时（Runtime）到工具集（Harness）的技术边界与应用场景

183. 推荐9个开源智能体（AI Agent）项目

184. AgentScope：阿里通义开源的新一代智能体开发框架阿里通义团队开源了其新一代大模型驱动的智能体开发框架——AgentScope 1.0。该框架致力于为多智能体协作与企业级应用提供从开发、调试到部署的全流程支持，标志着智能体技术从“实验性工具”迈向“生产级系统”的重要一步。#ai智能体 #ai智能体 #agentscope

185. Coze Studio：开源AI智能体开发平台的全面解析与对比

186. 3.5K Star！CMU团队的多智能体神器Langroid：颠覆LLM开发体验，告别LangChain！

187. 2025主流Ai Agnet框架比较分析

188. [开源]一个定义、组织和运行智能体 AI 的开源平台，构建你的 AI 智能体工作团队

189. 2026自己动手做Agent,这些工具就够了

190. 你应该了解的顶级AI智能体框架

191. 【重点】智能体应用发展报告2025|附下载

192. 两大框架：LangChain与LlamaIndex的大对比

193. 阿里卷王！多智能体AgentScope狂飙11.9k星

194. 暴躁reviewer在线吐槽。审ICML的智能体稿子发现，90%的学生还在做「API拼接」的伪研究：套个LangChain框架，接个GPT-4接口，就敢叫「智能体系统」。这种Work现在就是秒拒。智能体研究的核心趋势，已经从「LLM调用层」转向「自主认知与进化」。真正能中顶会的3个方向： 1.无监督自进化智能体：通过环境交互，实现能力的自主迭代。 2.多智能体协同博弈：设计能涌现群体智能的通信协议，而非简单分工。 3.资源受限的智能体决策：让低配设备上的智能体，用最少计算资源完成复杂任务。这些方向不需要H100集群，拼的是认知架构和代码实现能力。我组正在推进「开源轻量级自主智能体」，已搞定自反思框架。可以带1-2位熟悉AutoGPT/LangChain底层、Python扎实的同学。基础一般也非常欢迎，会投入资源好好培养。不想当API调包侠？可以找我的科研助理，我们一起聊聊，不谈虚的，只聊 Research #Agent #智能体 #ICML #科研 #申博

195. 大模型面试题——LangChain框架应用场景

196. 中国互联网协会：智能体应用发展报告（2025）

197. GenAI-Toolbox，让 AI 智能体与全量数据库 “无缝对话” 的超级引擎

198. 一图看懂LangChain-AI框架关系，快速选对合适库，轻松开发智能体

199. 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

200. 智能体平台该怎么选？国内外主流AI Agent平台有什么本质区别？

201. Shopify：构建生产级智能体系统的经验

202. AI智能体(Agent)盛行,Dify、n8n等主流开发框架与低代码工具对比

203. 2026年AI的两大主题：企业级AI智能体应用和AI加速科学研究

204. GenEnv：让AI智能体像人一样在"游戏"中成长

205. 新开源的Agent库npcpy，能快速创建智能体

206. LangChain 入门①：什么是 LangChain？LLM 应用开发的 “好帮手”

207. LangChain 1.0 智能体开发 - 模型 LangChain 1.0版本以来，框架正式确立了 agent engineering 的发展方向。在智能体开发中，模型是核心。本期视频我们一起来看看在最新版本Langchain上，我们所拥有的模型声明与使用方面的开发体验。 #LangChain #AI #agent #智能体

208. 运用AI智能体技术构建下一代商业智能技术方案分析

209. 锐龙AI Max+395赋能AI医疗晶耀智远多智能体冲破医疗大模型瓶颈

210. LlamaIndex是什么？LlamaIndex综述！看这一篇就够了！

211. 2026年的6大AI革命性突破，你预测到了吗？

开源工具正成为AI智能体普及的关键推手

精选参考来源