从“会说话”到“能办事”：智能体Agent的本质跃迁与认知框架_服务软件

1. 华为乾崑生态大会发布重磅升级：🐾 极端场景全覆盖：动物出没、异形障碍物、前后夹击、侧向极限挤压，eAES 2.0统统轻松应对🧠 真正懂路懂物：主动识别风险，提前预判避让，安全感拉满🏃 L3商用进入冲刺：北上广深+合肥、武汉、重庆7城同步路测，高速L3商用在即！从日常通勤到极限路况，从被动响应到主动避险，ADS Max用科技守护每一次出行。 #华为乾崑生态共赴热爱##华为乾崑##华为乾崑智驾开启多城L3内测# 醒知同学的微博视频

2. 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

3. 看完吉利在2025世界人工智能大会（WAIC）上展示的“全域AI”技术布局，终于明白#AI汽车除了特斯拉就是吉利#这句话了。首发搭载端到端AI语音大模型的超拟人车载智能体（银河M9），可以实现情感化交互；同时带来下一代智能座舱系统Agent OS（预览版），支持多模态交互与人机共驾；千里浩瀚智驾系统将落地L3技术架构，结合世界模型提升安全性。在核心技术上，与阶跃星辰深化合作，开源多模态大模型，并应用其新一代Step 3大模型推进智能化升级；联合成立“智能汽车算力联盟”，以星睿智算中心（23.5 EFLOPS）保障算力领先。智能汽车的下半年是AI，是智能化。目前AI从软件算法已经向实体交互进化，汽车作为“移动机器人”的载体，需整合情感交互、环境感知与自主决策能力，所以吉利带来了这样的改变和突破。吉利还有一个优势，在芯片、卫星、AI方面，构建起一个技术闭环，让“数据-算法-算力”实现三位一体优势。未来竞争焦点将集中于数据生态规模与跨域融合效率，这样，我们也能更快的看到L4级以上自动驾驶快速落地到我们身边。#吉利的野心是成为全球最大的机器人公司#

4. 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#

5. 从功能机到智能机，最大的感触可能只是功能更广，而在AI的加持下手机好像真的开始智能起来了。作为#荣耀巅峰旗舰#的全新#荣耀Magic8#系列不仅全能而且亮点很足，就像它所具备的 “沟通式交互+主动式服务”的AI体验，真的很接近跟朋友面对面交流的感觉，一起来感受一下它所给到的纯享体验～#2025旗舰手机最爆标准版# 科技九洲君的微博视频

6. AI智能体也卷起来了？又懂业务又不用搭工作流…

7. 一个不错的Agent教程：《从零开始构建智能体》——从零开始的智能体原理与实践教程本教程旨在带领大家深入理解并构建真正的 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。访问：github.com/datawhalechina/hello-agents #ai创造营# #程序员#

8. 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#

9. 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】

10. 这才叫 AI 手机荣耀Magic8 系列超详细体验 | 超护眼 2 亿影像旗舰「科技美学体验」

11. #华为乾崑生态共赴热爱#华为乾崑生态大会以“乾崑生态，共赴热爱”为主题，引领智能汽车迈向“场景生态”新时代。#鸿蒙座舱率先进入L3时代#具备感知、理解、决断等六大功能，可自主调用各类应用，完成服务闭环。通过“超级桌面”技术，超5万款手机应用一键流转至车机，实现“人-车-家”无缝协同。HUAWEI SOUND空间音专区配备43个高保真扬声器，打造沉浸式环绕声场，#华为乾崑#正在为用户带来前所未有的智慧出行体验。#华为乾崑有境界# 搞机梓凡的微博视频

12. 在 AI Agent 的开发中，交互设计（壳）和底层模型能力哪个更重要？未来哪一方会成为竞争核心？

13. 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#

14. 2025的AI Agent浪潮，百度早已布局

15. 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」！

16. 一文讲透DeepSeek 的技术原理和应用场景

17. #2025 联想天禧生态伙伴大会# 这场盛会的最终意义，在于将 “个人 AI” 从未来概念变成了触手可及的现实。从 “聚力智能体共启新生态” 的主题定调，到 “一体多端加速 AI 普惠” 的战略落地，再到开发者扶持、软硬协同等一系列举措，每一步都在为 “人人拥有专属智能伙伴” 的愿景铺路，真正定义了个人 AI 发展的全新范式。# 天禧 AI 一体多端 ## 酷睿 UltraAI 更强谁不爱##天禧个人超级智能体##酷睿Ultra##酷睿UltraAI更强谁不爱#

18. 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#

19. 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

20. 千亿智能体爆发前夜，谁来保护我们的AI安全？｜甲子光年

21. 最近全球科技圈为 Agent掀起的白热化竞争，总让我想起百度创始人李彦宏两年前的一句话。2023 年，当大模型还在比拼参数规模时，他就在内部会议里点明：大语言模型生态中更大的机会是智能体。当时不少人觉得这是远景构想，可现在再看：全球大厂集体冲进 Agent 赛道，这不正是他预言的2025年可能会成为AI 智能体爆发的元年？2024 年Create大会上，李彦宏把这份判断落地成 AgentBuilder 工具，直言 “智能体是未来离每个人最近的大模型使用方式”；亚布力活动里，他把“智能体比做AI时代的网站” ，说 “起个名字，告诉它回答什么、不回答什么，就能做智能体”；世界人工智能大会上，更是笃定这是 “最看好的发展方向”。如今 2025 年被行业公认为 “Agent 爆发元年”，百度早已凭借文心智能体平台孵化出覆盖百业的智能体生态。从 2023 年的预判到 2025 年的验证，两年时间，李彦宏不仅提前锁定了 AI 竞争的核心战场，更让百度成为最早布局、最快落地的玩家之一。这种穿越技术迷雾的战略眼光，或许正是巨头领跑的关键。

22. 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

23. 99%的人都搞错了AI Agent？智能体该如何帮企业赚钱？

24. 还得是大吉利啊，宣布聚焦一个座舱，通过统一的AI OS架构、AI Agent、用户ID，实现AI座舱All in One，打造全球首个“人-车-环境”自主协同的智慧空间，引领智能汽车迈入AI座舱时代，并表示不再开发不具备AI能力的传统智能座舱。同时，吉利发布全球首个可大规模上车的超拟人智能体Eva及新一代AI座舱操作系统Flyme Auto 2，其中领克10 EM-P、吉利银河M9将率先搭载Flyme Auto 2。今年是吉利全域AI迈向具身智能元年，其全域AI已融入智驾、动力、底盘域，如今进入座舱域，重新定义座舱核心价值。基于《台州宣言》，吉利、领克、极氪聚合座舱研发实力，旗下Flyme Auto与Zeekr OS基于同一AI OS架构，有不同交互设计。吉利推出“五层AI座舱原生技术架构”，构建“云端+车端”双脑协同算力体系，打造原生AI OS架构，推进AI Agent生态，让AI座舱从被动走向主动。Flyme Auto 2实现情感交互与全维沉浸体验，将逐步搭载新车并通过OTA惠及老用户。 Eva基于多模型融合，有高感知情感交互与行动力，首搭端到端语音模型、拟人级情感计算、流动记忆功能，聚合全场景AI Agent应用。以“一个吉利，一个座舱”为支点，吉利正加速向“AI造车第一车企”迈进，致力成为具身智能进化领跑者。#吉利发布行业首个真AI座舱#

25. 2025年Agent领域的集体爆发，与其说是突然到来的风口，不如说是李彦宏战略预判的如期兑现。回溯2023 年，当多数人还在拆解大模型的技术细节时，他已在内部明确 “大语言模型生态中更大的机会是智能体”；2024年Create大会上，他进一步将智能体定义为 “未来最主流的大模型使用方式”；到了今年初直接点出 “2025年是AI智能体爆发元年，推理大模型推动智能体落地”。这三年时间里，从判断到布局再到验证，形成了完整的战略闭环。百度的行动始终紧随判断：文心智能体平台从开放到吸引 30 万家企业入驻，构建起成熟的开发生态；秒哒以 “多角色智能体协作” 打破开发门槛，上线首日的数据印证市场需求；GenFlow2.0凭借14亿文档资源和多工具调用能力，成为中文创作领域的标杆。如今全球厂商纷纷发力，恰恰说明李彦宏两年前就看清了产业演进的终局。

26. 盘点一周AI大事(11月16日)｜AI自己玩原神 OpenAI上线GPT-5.1，高情商人格回归，智商小幅提升，指令遵循独一档领先 Gemini 3.0 Pro下周发布，目前能在画布（移动端）中抢先体验 Gemini语音模型升级，能控制语速和语气，适合当口语教练 NotebookLM上线深度研究，支持上传图片和PDF，开放自定义视频解说风格微软开源数据分析智能体Data Formulator 李飞飞的世界模型Marble正式上线 Google发布最强通用智能体SIMA2 字节推出最强游戏智能体Lumine Epidemic推出AI配音工具 StepFun开源最强音频编辑模型Step Audio EditX ElevenLabs发布最强音频转文字模型 32岁的小姐姐与ChatGPT男友结婚 #AI新星计划 #人工智能 #AIGC #OpenAI #机器人

27. 你还不会砍价？我用AI做了个年货砍价智能体...

28. 原来AI XR和机器人是个闭环｜Myra's vlog

29. 《智能体设计模式》第六章「规划模式」完成翻译了，目前已翻译章节：00 - 前言部分网页链接01 - 第一章：提示链模式网页链接02 - 第二章：路由模式：网页链接03 - 第三章：并行模式网页链接04 - 第四章：反思模式网页链接05 - 第五章：工具使用模式网页链接06 - 第六章：规划模式网页链接规划模式让智能体具备前瞻性思维能力，能够将复杂任务拆解为更小且可管理的步骤，并制定实现预期结果的策略。通过规划能力，智能体不再只是对眼前输入作出反应，而是能够自主规划从初始状态到目标状态的完整路径。这里为大家梳理几个关键要点：1. 核心理念：从被动响应到主动规划规划模式的核心在于建立「理解目标 → 制定计划 → 执行步骤 → 灵活调整」的智能流程，让智能体具备战略性、目标导向的执行能力。- 传统模式的局限：基础智能体只能对眼前输入作出反应，缺乏处理复杂多步骤任务的能力，无法将高层次目标拆解为可执行的子任务。- 规划模式的价值：智能体能够接收高层次目标并自主拆解为有序的执行步骤，在遇到阻碍时灵活调整路线，从而有效处理包含多个步骤和相互依赖的复杂任务。2. 规划的关键特征规划模式通过以下特征实现智能化的任务执行：- 目标驱动：接收高层次的目标声明（做什么）而非具体指令（如何做」，由智能体自主决定实现路径。- 即时生成：计划不是预先存在的，而是根据当前状况和目标要求即时生成的。- 灵活应变：初步计划只是出发点，智能体能够接纳新信息并在遇到阻碍时动态调整策略。- 结构化分解：将复杂目标拆解为一系列更小、可执行的步骤或子目标，按逻辑顺序处理依赖关系。3. 典型应用场景规划模式在四大领域展现出核心价值：- 流程自动化：编排复杂工作流，如新员工入职流程，包括创建账户、分配培训、部门协调等有序子任务。- 机器人与自主导航：进行状态空间遍历，生成从起始状态到目标状态的最优路径，同时遵守环境约束。- 结构化信息整合：生成研究报告等复杂输出，规划包含信息收集、数据归纳、内容结构化、迭代打磨等阶段。- 多步骤问题解决：制定并对系统化流程进行诊断、实施解决方案，并在必要时升级处理。4. 实现框架与特点- CrewAI：通过定义明确的智能体角色和任务，支持先规划后执行的工作流，适合结构化的多步骤任务。- Google 深度研究：利用多步骤动态迭代流程，把用户提示拆解为研究计划，循环执行搜索与分析，生成带引用的结构化报告。- OpenAI 深度研究接口：提供编程化控制能力，支持 MCP 协议连接私有知识库，展示完整的中间步骤（推理、搜索、代码执行）。5. 使用时机与权衡当任务复杂度超出单一操作范围时，应当使用规划模式，但需要权衡灵活性与可预测性：- 适用场景：任务需要多个相互依赖的步骤才能完成；「如何做」的方案需要探索而非已经明确；需要自动化处理复杂的工作流程；需要生成全面、综合的结果。- 权衡考量：当问题的解决方法已经清楚且可重复时，固定流程比动态规划更有效；规划增加灵活性的同时也引入了不确定性；需要在自主性和可预测性之间找到平衡。- 核心价值：将智能体从简单的被动响应者提升为战略性、目标导向的执行者，能够管理复杂流程并产出全面综合的结果。项目：github.com/ginobefun/agentic-design-patterns-cn/blob/main12-Chapter-06-Planning.md#人工智能##程序员#

30. 继昨天Google Agents 白皮书（网页链接），我们今天把mcp的白皮书也总结一下。 Agent Tools & Interoperability with Model Context Protocol (MCP)这应该是目前 MCP 体系最系统的白皮书（之一）了吧，通篇结构清晰，既讲了工具在智能体系统中的定义和设计原则，又深入分析了 MCP 在技术架构、安全与治理方面的优势与风险。1. 工具是智能体的“手与眼”。大模型本质上只是一个模式预测引擎，不能主动感知世界或执行动作。工具让模型拥有了外部交互能力，也因此成为智能体系统的核心组件。文中对工具类型有很清晰的划分：Function Tools（函数调用型）、Built-in Tools（内置工具）和 Agent Tools（智能体级调用）。特别有意思的是，Agent 本身也可以被封装成一个 Tool，这意味着多智能体系统可以通过“工具接口”彼此互操作。2. 工具设计的关键是可解释与细粒度。文档强调“Describe actions, not implementations”，也就是工具描述应聚焦行为语义，而非实现细节。并提出几个值得长期遵守的设计准则：文档清晰、输入输出有 schema 验证、输出简洁、错误信息具引导性。这些看似“文档规范”的建议，其实是让 LLM 能在推理过程中正确选择与调用工具的前提。3. MCP 出现的根本原因，是为了解决“N×M 集成问题”。过去模型和外部系统之间的连接高度碎片化，每个工具都要单独适配。MCP 通过标准化接口和通信协议把模型、工具和数据源解耦，形成“Host–Client–Server”的三层结构，从而实现了可复用、可组合、可动态发现的工具生态。4. MCP 的优势在于生态与扩展性。它让工具注册、发现与调用变得统一，支持动态工具加载，这使得智能体系统不再需要在部署前定义好所有能力。文中提到 MCP Registry 的构想（类似 npm 或 PyPI），也许会形成 AI 工具层的“包管理体系”。这将极大加速企业级智能体生态的互通。5. 但 MCP 也带来了新的安全威胁。白皮书后半部分几乎一半篇幅都在讨论风险，包括： 1）Dynamic Capability Injection：服务器可动态更改工具集，导致智能体意外获得高危能力； 2）Tool Shadowing：恶意工具通过相似描述“抢占”合法工具调用； 3）Confused Deputy 问题：智能体误用自身权限代替用户执行越权操作； 4）数据泄露与 prompt 注入：通过工具输入输出通道泄露敏感信息。文中提出的防御策略（如工具白名单、版本固定、mTLS、HIL 审批、输出净化、最小权限原则等）都是非常实用的企业级落地建议。6. MCP 的发展路径很可能会复现云计算早期的模式——底层协议开放，但企业实际使用都建立在“托管与治理层”之上。未来我们也许会看到“安全版 MCP 平台”，它提供身份管理、审计追踪、工具签名验证、访问控制等功能，就像当年的 API Gateway 成为了 REST 的守门人。7. 另一点值得注意的是“上下文膨胀”问题。文中指出，当 MCP 工具数量增多时，所有工具定义都要塞入模型上下文，会导致 tokens 暴涨、推理性能下降。文中提出用“RAG 化的工具检索”替代预加载——先检索，再动态注入。有个名词叫“ToolRAG”。MCP 已经成为智能体生态走向工业级互操作的关键里程碑，但它还远没到“可直接上生产”的成熟阶段。未来的重点不在于“协议标准”，而在于“安全与治理层”的建设。只有当工具、智能体与企业系统之间的边界被有效约束，Agent 才能在真正意义上成为可信的“行动者”。#ai创造营# #程序员#

31. 27岁清华学霸姚顺雨掌舵腾讯AI 27岁清华学霸姚顺雨掌舵腾讯AI，一个98年出生的年轻人，从清华姚班到 OpenAl，再到腾讯首席AI科学家，顶级人才回流，AI竞赛正式进入agent时代！#AI #腾讯 #agent

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

33. #天禧个人超级智能体# 大会倡导的 “智能体重塑应用新体验”，是对传统应用模式的一次颠覆性革新。它的意义在于让日常软件跳出 “被动执行” 的工具框架，通过智能体的赋能，升级为 “主动服务” 的贴心助手，无论是办公、学习还是娱乐类应用，都能实现体验的质的飞跃，为行业的应用创新指明全新方向。#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#

34. 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 #

35. 什么是 AI 智能体？

36. 一文带你通俗易懂的看懂"人工智能+"，这是十年一遇的大机遇。

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

38. 看完吴恩达 DeepLearning AI 「Agentic AI」前半部分，整理了一下。一、Agentic Workflows 介绍 Agentic AI工作流指的是由一个LLM作为核心“大脑”，通过自主决策来规划、执行多个步骤，并驱动各种工具以完成复杂任务的智能流程。其核心要素包括：LLM、多步骤执行、任务完成。 1. 自主性程度 - 较低自主性：步骤预先定义好，工具调用为硬编码。自主性主要体现在文本生成部分。 - 高度自主性：Agent 能自主做出决策，并可以动态创建工具。 2. 优势 - 性能更好：在使用相同模型的情况下，Agentic AI 通常能获得更优的性能表现。 - 并行执行：支持多个步骤或任务同时进行。 - 模块化与动态替换：可以灵活替换工作流中的特定模块或模型。 3. 任务拆解设计 Agentic AI 时，关键一步是对任务进行拆解。工作流/任务可以拆分为以下形式： 1）模型类型： - 大语言模型：负责文本生成、工具使用、信息提取等； - 其他 AI 模型：如 PDF 转文本、语音合成（TTS）、图像分析等。 2）工具类型： - 接口 API：例如网页搜索、日历查询等。 - 信息提取：如数据库查询、检索增强生成（RAG）。 - 代码执行：用于计算、数据分析等。 4. 评估的重要性 - 客观评价：可通过代码或计算进行量化评估。 - 主观评价：利用 LLM 对结果进行打分（例如 0-5 分），但并非最佳实践，后续会进一步展开。 - 评估可针对端到端流程，也可针对单个模块或步骤。 - 通过检查执行轨迹（trace）来进行错误分析和评估。 5. Agentic 设计模式 - 反思（Reflection）：将模型输出再次输入给模型，让其自我反思以优化结果；也可结合外部输入（如代码执行结果）进行反思；还可设计专门的反思 Agent 或使用不同模型进行反思。 - 工具使用（Tool Use） - 规划（Planning） - 多智能体工作流（Multi-Agent Workflow）二、反思（Reflection）反思是指通过固定步骤对 LLM 的初次输出进行再次思考和分析的过程。结合外部工具或输入进行反思，往往能获得更优质的结果。实践证明，反思是显著提升模型性能的有效方法之一。在实践中，使用推理能力更强的模型专门负责反思任务，通常能取得更好的效果。三、工具使用（Tool Use） LLM 本身并不直接执行工具，而是由 LLM 指示执行引擎调用特定工具。执行引擎负责实际调用工具、获取结果，并将结果返回给 LLM，LLM 再基于这些结果生成最终输出。代码执行（Code Execution）是一个非常有用的工具。 LLM 可以生成 Python 代码，由执行引擎运行代码并返回结果。需要注意的是，执行代码时需考虑安全性，建议在 Docker 或沙箱环境中运行。模型上下文协议（MCP）的出现，极大地减少了工具调用的开发工作量，从原来的 m*n 级别降低到 m+n 级别。 #ai创造营##程序员#

39. 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

40. 现在的大语言模型只是开始，真正的智能，要让机器理解物理世界。 #大咖观察 #红衣聊AI #智能制造 #科技

41. 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

42. 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

43. 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

44. AI智能体离掌管全球经济决策又近了一步！ #大咖观察 #红衣聊AI #金融 #科技 #财经

45. 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

46. #汽车黑科技# 当传统工业数字化陷入 “系统割裂、只呈现不解决” 的天花板，广域铭岛 Geega 工业智能体以四阶段转型路径，为制造业智能化提供了实战样本。其核心逻辑从 “流程管控” 转向 “问题闭环”，通过 “感知 - 决策 - 执行” 架构，在吉利、领克、极氪等工厂实现规模化落地，用量化成果破解工业 AI “概念空转” 的行业痛点。#汽车资讯##新能源汽车# 锐车小叔的微博视频

47. 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

48. #中国超算之父称中国智能体领先世界# 荣耀的AI战略最具颠覆性的，是提出了"与用户共同进化"的全新理念，而YOYO正是这一理念的实践核心。通过"YOYO许愿池"收集用户建议，经由"MagicOS月月焕新"进行OTA月度系统迭代，一句话直达荣耀产品中心。这一战略布局的深意在于，AI的终极价值是服务于人，只有让用户深度参与，才能让技术真正贴合需求。#荣耀AI终端生态大会# 荣耀正在用这种独特的生态模式，重新定义AI产业的发展逻辑！#中国工程院院士点赞的AI长啥样##荣耀Magic8##万事找YOYO# 凤凰网科技的微博视频

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

50. 吉利汽车发布行业首个AI座舱，核心由超拟人情感智能体Eva和Flyme Auto 2操作系统构成。主要亮点：架构革新，采用 5层AI座舱原生架构，整合“云端星睿中心2.0（23.5 EFLOPS算力）+车端AI Box（200TOPS算力）”双脑协同，搭载70亿参数端侧多模态大模型，实现从“被动响应”到“主动预判”的质变。引入 LangChain/LangGraph智能体框架，构建以智能体生态为核心的AI OS架构，大幅提升软件迭代效率。Eva智能体进化，情感交互，端到端语音模型可感知用户情绪变化；流动记忆，通过10T token数据训练，持续学习用户习惯与隐藏需求；主动服务，支持跨场景任务编排（如联动导航、购票、车控完成“看电影”指令）。统一用户ID实现吉利、领克、极氪等品牌数据互通，推动AI体验平权；从行业发展来看，以“服务找人”替代“人找功能”，重新定义汽车为“有温度的智慧空间”，被喻为汽车智能化的“iPhone时刻”。

51. 图解 AI 智能体的上下文工程

52. 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】

53. 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

54. 梦想照进现实！AI大模型全屋智能居然成了?!

55. 人类交互史的奇点：OpenAI发布的不是浏览器是一个“活”的互联网 #openai #Atlas #agent #AI新星计划 #科技改变生活

56. 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

57. 当AI从工具人变成“打工人”，你的工作会被重新定义吗？ #大咖观察 #红衣聊AI #黄仁勋 #AI人工智能

58. #中国超算之父称中国智能体领先世界# 最近种草了一部新手机，被称为“双十一省钱机”的荣耀Magic8，简直太适合喜欢购物的伙伴们了，省钱。省心、省时又省事！今天又看了#荣耀AI终端生态大会# ，荣耀AI场景化生态更是覆盖了八大生活高频场景，其中的宠物健康场生活场景，构建了丰富宠物硬件生态，AI赋能让智能设备更懂宠物，可以行为分析、视觉识别，实时定位，让养宠人能做到真的放心。#中国工程院院士点赞的AI长啥样##荣耀Magic8##万事找YOYO#凤凰网科技的微博视频

59. #天禧AI从助手到队友#联想天禧 AI 生态伙伴大会直播全程高能！主题演讲中，天禧 AI 3.5 的重磅升级彻底颠覆认知，实现了从 “被动响应指令” 到 “主动闭环执行” 的关键跃迁，真正成为能并肩作战的队友。大会对 AI 产业的展望清晰有力，提出 “全场景智能协同” 新方向，让 AI 深度融入办公、创作、生活等多元场景。产品规划上，天禧 AI 3.5 将联动联想全品类设备，不仅能精准理解复杂需求，更能自主拆解任务、联动工具完成闭环 —— 从文档整理、数据可视化到跨设备协同操作，无需人工中途介入。这种具备独立执行能力的 AI 升级，让智能体验再上台阶。大会传递的技术实力与生态布局，让行业看到个人 AI 时代的清晰蓝图，也让更多人期待天禧 AI 3.5 带来的高效新体验！

60. 这阵子试了国内外七八款 Agent 产品，发现一个有意思的现象：AI行业致力于让LLM从动嘴进入动手的时代，大家—方面在争夺Agent的入口，另—方面也在不断尝试定义Agent技术。但底层逻辑绕不开李彦宏两年前说的 “大语言模型生态中更大的机会是智能体”。作为最早押注这条赛道的公司，百度的布局已经形成闭环了。文心智能体平台像个超级工厂，30 万企业在这里批量生产行业智能体。秒哒让小白也能当开发者，自然语言描述需求就生成应用，这才是降低门槛的关键。文库 GenFlow2.0更绝，调用数百个多模态 Agent，几分钟搞定别人几小时的活儿，还能编辑调整。当同行还在定义 Agent 时，百度已经靠专利和落地案例跑在前面。李彦宏说 2025 是爆发元年，现在看，这更像是百度的主场时间。

61. 【#如何重新定义人车关系#——鸿蒙座舱率先进入L3时代】相比于辅助驾驶的L3，鸿蒙座舱HarmonySpace5更容易让用户感知到智能的与技术的进步，全新混合大模型MoLA架构，带来30多项新特性，像3D智控桌面、车内外对讲等。其语音助手能响应“有点冷”这类模糊指令，还支持多任务并行处理，同时具备主动学习记忆用户习惯、连续倾听与灵活纠错等能力，实现了座舱从“被动响应”到“主动服务”的转变。车内像多了一位“专业助理”，有感知力、记忆力、理解力、决断力、联接力、执行力，能像人一样交流、做事，这可能就是鸿蒙对L3时代的定义。#2025广州车展#

62. 别把AI的“效率”当成唯一目标，安全永远是底线。红衣大叔周鸿祎的微博视频

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. Anthropic：高效构建 AI 智能体的上下文工程

65. 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）

66. AI眼镜最终答案？对话翻译，疾速换电，INMO GO3 AI眼镜体验

67. 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

68. 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

69. 让AI从工具进化为“系统级超级大脑”！华为Mate X7全新小艺智能体联动，打破应用壁垒，一句话就能调用多个APP应用智能体，完成复杂操作。华为此次再度突破技术瓶颈，不只是升级功能，更是让AI真正融入生活，用智能化革新操作体验。吴小杰WJie的微博视频

70. 2025年，Agent对于打工人真的有用吗？实测OK Computer

71. 真正的系统级Agent！这个桌面上的AI能帮你全自动干活

72. AI 眼镜联合时尚眼镜厂商？ Rokid 乐奇眼镜 & BOLON AI 智能眼镜上手体验

73. 这期我们从《答案之书》智能体入手，再把它丢进“工厂”，看一个智能体如何在华为云MaaS中被生产、度量、复用。5分钟一条视频讲明白智能体是否真的能落到业务场景？华为云MaaS是不是真的企业级AI应用的“版本答案”？#AI# #人工智能# #华为云# GenJi是真想教会你的微博视频

74. 当今时代，各种各样的AI智能体充斥着我们的生活，但对于日常工作而言，现有的AI对我们来说，大多只能叫“助手”，而现在，联想发布了全新的天禧AI，喊出了#天禧AI从助手到队友# 的口号。在交互体验上，天禧AI创新了全新的AUI，在交互界面上做出了巨大突破。在目前联想的手机，平板，电脑等终端设备的硬件基础上，为用户打造真正个性化，从用户真实需求出发的AI。在会上，联想喊出了“享受要亲身体验，工作由AI代劳”的口号。而在宣传片中，AI助手，AI翻译，AI处理表格的内容，都让天禧AI智能体显得更加智能全面。在行业不断成熟，AI需求不断高涨的大环境下，联想天禧正走出一条属于自己的AI之路。

75. 荣耀发布 MagicGUI 自研开源大模型，首发搭载折叠屏Magic V5，MagicGUI以7B（70亿）参数规模，支撑底层 AI 智能体的多模态感知与自动执行规划能力。对比评测结果显示MagicGUI 大模型已达到行业领先水平。

76. 智能体设计模式总结

77. 清华校友出手，8B硬刚GPT-4o！单一模型无限工具调用，终结多智能体

78. Agent 驱动开发 (ADD)：如何使用 AI 智能体开发软件

79. 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」

80. 两个教学项目：1️⃣从零开始构建 AI 智能体github.com/pguso/ai-agents-from-scratch本仓库教你从基本原理开始，使用本地 LLM 和 node-llama-cpp 构建 AI 代理。通过完成这些示例，你将理解：✨LLM 的基本工作原理✨智能体究竟是什么（LLM + 工具 + 模式）✨不同智能体架构的运作方式✨框架为何做出某些设计选择理念：通过构建学习。深入理解后，再明智地使用框架。2️⃣从零开始构建RAGgithub.com/pguso/rag-from-scratch通过一步步构建RAG（检索增强生成）来解密它的原理。没有黑箱。没有云API。只有清晰的解释、简单的示例和你完全理解的本地代码。这个项目遵循与《从零开始构建 AI 智能体》相同的理念：通过简洁、解释清楚的真实代码，使开发者能够理解先进的AI概念。你将学到：✨RAG到底是什么，以及它为何在知识检索中如此强大。✨嵌入（embeddings）如何工作，如何将文本转化为模型能理解的数字。✨如何构建本地向量数据库，高效地存储和查询文档。✨如何连接所有内容，检索上下文并将其输入到大语言模型（LLM）中以获得有依据的答案。✨如何重新排序和规范化，提高检索精度并减少噪声。✨一步步的代码演示，每个函数都有解释，毫不隐瞒。#科技先锋官#

81. AI加持的智能锁，真的比想象中更好用吗？

82. 未来十年世界会怎样？华为给出答案华为发布《智能世界2035》，预测未来十年世界会变成什么样！10年算力增长10万倍；全球AI智能体数量达到9000亿，平均每个人100个；超过90%家庭拥有智能机器人；80%慢性病能被预防，从被动治疗到主动预防；汽车成为移动第三空间；手机app将退出舞台；人类进入全息生活空间！看完134页报告，我给自己列了三点行动指南，陪你一起迎接这十年巨变 #华为 #算力 #2035算力总量10万倍 #智能世界2035 #AI

83. 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

84. 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

85. 乐奇AI眼镜上手：2026，什么样的智能眼镜才是未来？

86. 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

87. #AI手机没用明白机器人手机已经来了# 这几年手机圈内卷，大家都在卷影像、卷性能，没想到真正的变量在这里。当AI不再局限于一块屏幕，而是通过机械结构与现实世界交互，手机的定义就被彻底改写了。它不再仅仅是信息终端，而是一个能主动感知、执行任务的智能体。这不仅是国产手机的胜利，更是“中国智造”为全球科技描绘的新蓝图。 #国产手机开启逆袭剧本# 封面新闻的微博视频

88. 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

89. #与追觅一起敢梦敢为##CES2026#看完追觅这支视频，不得不感叹，所谓的“未来生活”正在被技术一步步变为现实。在 CES 2026 的舞台上，追觅 Dreame 再次展示了什么是真正的“敢梦敢为”。这次最让我兴奋的不是某一个单品，而是追觅在“具身智能”领域的全面爆发。从追觅 AI 具身洗护机器人到具身智能割草机器人，再到仿生爬楼机 CyberX，你会发现追觅已经打通了机器人“感知-决策-执行”的核心技术闭环。这不仅仅是硬件的堆砌，更是算法与深度学习能力的体现。正是这种死磕技术内核的极客精神，让追觅有底气去构建一个不仅能“动”还能“懂”你的智能家庭。在这个赛道上，追觅极有可能成为最快实现具身智能家庭化规模商用的公司。这就是硬核科技的浪漫，也是中国品牌走向全球的底气。

90. AI懂得多不如懂你！小艺怎么让生活化繁为简

91. 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

92. #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#

93. #钉钉发布超20款AI新品# 软硬一体，押注AI Agent生态！🚀12月23日，钉钉在AI钉钉1.1新品发布暨生态大会上，一次性发布超20款AI新品。核心包括企业级AI硬件DingTalk Real（一款Agent OS执行终端）、企业级智能体操作系统，以及AI招聘、设计等智能体应用。【评论】四个月就从1.0迭代至1.1，并推出硬件终端，钉钉的AI转型堪称激进。此举标志着其战略从“协同办公软件”向“企业智能体生态”的彻底转向。通过“操作系统+硬件终端+智能体应用”的组合，钉钉正构筑一个更封闭、更深入的商业护城河，意图定义AI时代的企业工作方式。

94. 黄仁勋预言成真！AI智能体成GitHub主力，一天顶人类一年

95. AI智能体的5种设计模式如果你想尽早开始AI智能体的设计之路，那么这里给大家分享的5种设计模式，从最朴素的全托管的AI代理，到分工协作的多代理模式，到AI认知推理模式，最后再到结合AI的工具增强。未必哪一种能够胜任所有的挑战，选择一个适合应用场景的模式，或者把它们组合起来，才能发挥AI最大的优势。（图：译数据AI）

96. 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

97. 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

98. 真正的核心竞争力，来自于驾驭工具。 #大咖观察 #红衣聊AI #编程 #人工智能技术

99. 用我们自家的AI，普通人也能享用优秀分析师的服务#AI #Reportify #商业研究 #智能体

100. 2026 CES吉利汽车以全域AI 2.0为核心的技术矩阵，正式发布WAM世界行为模型、Eva超拟人智能体与千里浩瀚G-ASD辅助驾驶系统。比起行业内常见的单点技术堆砌，给我直观感受到吉利这次亮相的颠覆性，它更像一套完整的智能出行解决方案。尤其是作为全球首个完成全域AI布局的车企，吉利构建起覆盖汽车、芯片、卫星等全场景的智能科技生态，还实现了与特斯拉并驾齐驱的天地一体全链条布局，这种体系化实力，让我看到中国车企在智能赛道的绝对底气。深入了解后，WAM模型这个整车大脑最让我惊艳。它通过分层架构整合宏观规划与微操决策，还引入人类价值函数形成闭环，首次让汽车有了持续进化的世界观和判断力。这种让汽车拥有思考能力的突破，说实话超出了我的预期。而Eva智能体借此完成从功能模块到整车智能中枢的质变，成为连接多终端的生态智能体，更是让我感受到人车家互联的终极形态正在靠近。千里浩瀚G-ASD的含模量数据更直指行业天花板，搭配百亿级参数模型、64颗卫星组网的天地一体通信，再加上顶级硬件组合，这套配置放在行业里都是顶尖水平。尤其是计划今年落地高速L3、低速L4功能并推进Robotaxi运营，这种技术敢落地的态度特别圈粉。这些技术矩阵不仅是吉利冲刺2026年345万辆销量目标的硬支撑，更在重新定义智能汽车终极形态，通过1+2+N框架实现的跨域协同，最终转化为用户能感知到的体验升级。在我看来，未来智能汽车的竞争就是生态和协同能力的比拼，而吉利已经提前站稳了脚跟，正加速迈向全球智能汽车引领者的目标。#全域AI能给汽车带来什么##吉利连续三年参展CES#

101. #华为折叠屏首发A2A智能体协作# 智能体的协作为消费者带来更个性更智能的体验，应用日常可以举很多例子。比如小艺可以作为你的投资顾问，用大屏看大盘，生活小事先问小艺。值机选座播客推荐，或者做菜买菜，小艺都能轻松帮你搞定，省心又省事。对了这一次华为视频、华为音乐、华为阅读也可以为消费者提供了个性化的智能体的服务。小艺和它的朋友们，为消费者带来更多的a to a的这种智能体的服务。尤其大屏的这种分屏操作，就是更加智能更加便捷。华为的分屏的联动点文字出解释，点英文出翻译，点地址可以出地图。分屏联动，一点就通，小艺直接变会议助理，还有这个文档对比它的智能文档的分析让你两个文档的差异化内容做一个总结，全场景生活的智能中枢的产品调性了属于是

102. 华为WATCH Ultimate 2 非凡探索深度体验！手表里也能用 AI 小艺智能体了？！#华为表王到底有多少黑科技# #华为WATCH Ultimate2深度评测##华为手表首发腕上鸿蒙智能体# 李大锤同学的微博视频

103. 探访云栖（三）：AI不再遥远：它正如何“贴身”重塑你的日常？【101 Weekly】

104. 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

105. #一分钟视频创作季# Andrej Karpathy：高质量交互环境才是AI发展的沃土Andrej Karpathy 指出“当前 AI只是统计专家而非真正的思考者。”脱离真实交互的 AI 终将局限于模仿人类已知知识，而构建多样化高质量交互环境，才是突破这一困局的关键。Karpathy 强调的，AI需在类真实场景中试错学习。例如虚拟物理实验室需精准还原力学定律，分子模拟环境要符合化学反应规律，就像 AlphaGo Zero 的围棋环境虽为虚拟，却严格遵循真实棋规，才能孕育出超越人类的策略。若环境与现实脱节，AI 习得的能力将无法迁移到实际任务中。环境需覆盖多领域场景与难度层级，从基础操作到复杂决策形成完整训练链条。PrimeIntellect 的环境中心理念给出了绝佳范例：将教科书习题重构为可交互环境，既包含基础数学演算，也涵盖高阶物理实验。这种设计能让 AI 像人类一样循序渐进学习，避免因场景单一导致的能力固化。环境必须提供清晰、及时的结果反馈，这是 AI 调整策略的核心依据。AlphaProof 在数学环境中通过证明有效性即时判断行动价值，生成数百万条新证明，正是得益于明确的反馈机制。Karpathy 特别提醒，模糊的奖励函数会误导学习，因此反馈需如科学实验结果般可验证、可量化。环境能精准模拟现实、覆盖多元任务、提供明确反馈时，通用智能体的诞生才真正具备了土壤。#有点东西##AI创造营##微博兴趣创作计划# 种斌Marco的微博视频

106. #一句话让手机自己干活# 智能体比一般的 AI 工具要超前一个维度，因为智能体就像一个真人一样帮你干活，步骤连贯。我一直很想要智能体工具，之前那个manus很火，但是要邀请码，完全体验不到。现在这款Agent全面上线了，我真是狂喜！#真国产Agent上线#它已经在苹果手机应用商店上架了，我体验了一下还挺震撼的。有手机和电脑两个版本的智能体。我现在刚好在南京旅游，我下达了一个很复杂的指令任务，没想到智能体真的可以调用小红书帮我查找南京旅游攻略。也快开学了，我准备用电脑版智能体帮我做做 ppt 解放双手。也体验了一下做出师表 ppt，像真人一样搜索思考，最后生成。初步体验了一下，我只想说 AI 工具的下一个时代来了，真强。

107. #天禧AI从助手到队友#联想天禧生态伙伴大会，为我们清晰勾勒出AI进化的下一步改变。从被动应答的助手，跃升为能主动规划并执行队友。这背后是天禧AI 3.5的核心突破，不仅能深度理解用户的个性与习惯，更能主动发起行动，完成从想到做的闭环。并通过更自然的交互成为用户数字生活的延伸。从产业角度看，联想通过一体多端的战略，让AI能力能够无缝融入手机、电脑等各类设备，加速技术普惠。对于开发者，天禧生态提供了全链路支持。对用户更主动更聪明的智能伙伴。它不再只是一个工具，而是融入生活与工作的可靠队友。未来生态是开放的，体验一定是以人为中心。天禧AI队友则是去实现一个更主动贴心的智能时代！

108. #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。

109. 2025年被科技界提及最多的词—Agent！大家都把它视为下一个风口。那究竟什么是Agent？Agent到底能做些什么？这期视频，带大家看看理想同学Agent又能带给我们的生活哪些改变？ #理想i8# 骆智慧的微博视频抽奖详情

110. AI这么厉害！为什么机器人还是不像人？

111. 鸿蒙操作系统 6发布之后，小艺迎来了全面升级，现在的小艺变得是超能干、更自主，既能方言聊天，一句话进行多任务执行，也能协同更多鸿蒙应用智能体办专业事儿。尤其是AI修图更是好玩又实用。#HarmonyOS6##小艺##鸿蒙越用越香# 大泽科技SHOW的微博视频

112. #全域AI能给汽车带来什么# 从"功能叠加"到"整车觉醒"，吉利全域AI 2.0重构智能汽车终极形态。美国CES 2026，吉利甩出"王炸"——全域AI 2.0战略正式落地，千里浩瀚辅助驾驶系统同步升级英文名G-ASD，宣告智能汽车的"单点智能"时代终结。去年，我们把AI塞进架构、动力、底盘、座舱每个毛孔；今年，我们用世界行为模型WAM彻底打通任督二脉，构建真正意义上的 "整车大脑" 。这不是简单的功能整合，而是从底层架构开始的基因重组。更懂路？WAM赋予车辆对复杂交通环境的原子级理解能力。更懂你？AI主动学习用户习惯，从"响应指令"进化到意图预判。更会协作？感知、数据、信息全域共享，整车成为协同一体的智慧生命体。吉利全域AI 2.0，让汽车的"电子味"从调料变成本味，从工具属性进化为具备泛化思维与推理能力的移动智能体。下一步，是更安全、更个性、更低成本，是让闲置车辆自主创造价值。这不是升级，是物种进化。

113. 如果你现在还没用Agent帮自己干活，那其实很危险

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

115. 当 2025 年被称作Agent爆发元年时，再回头看李彦宏2023年的判断，会发现真正的战略眼光从来不是跟风，而是提前卡位。他在内部会议中提出 “大语言模型生态中更大的机会是智能体”，在当时看来或许超前，但如今全球科技巨头的动作，以及百度自身的产品进展，都在反复验证这个判断的准确性。百度的布局始终与判断同频：文心智能体平台从技术储备到吸引百万开发者，用商业化能力证明模式可行性；秒哒以 “多智能体协作” 重新定义开发门槛，上线数据印证市场需求；GenFlow2.0依托百度文库14亿文档资源，在中文创作领域建立壁垒。《2025人工智能创新与专利白皮书》显示百度智能体专利国内第一，这正是李彦宏战略前瞻性转化为技术优势的最佳例证。

116. 什么是AI Agent（智能体）？

117. 智能体 Agent 的定义

118. AI智能体

119. 到底什么是智能体？一篇讲透 AI Agent 的核心原理

120. AI智能体

121. 什么是 AI 智能体？谷歌2025AI智能体(Agents)白皮书深度解读（一）

122. AI智能体系列一

123. 三步辨别真AI智能体

124. 智能体 - 定义 | 智能体和ai的区别 | 智能体平台盘点 | AI行业科普

125. 拆解AI智能体

126. 智能体介绍

127. 智能体开发从入门到放弃

128. ai智能体是什么意思？通俗解释如下

129. AI智能体通俗談

130. 3分钟搞懂AI智能体

131. 一图胜千言

132. 一文搞懂大模型和智能体

133. 大模型与智能体

134. 一文理清智能体和大模型

135. 大模型和智能体到底有什么关系

136. 智能体（Agent）与大模型（LLM）的区别是什么？

137. 大模型（LLM）和智能体（AI Agent）是个什么关系？揭秘大模型与智能体的区别与联系！

138. 智能体（Agent）到底是什么？一篇文章讲清楚

139. 智能体应用场景的探索——从人的角度理解智能体应用

140. 智能体和大模型到底有什么区别

141. 一文读懂 AI 智能体

142. 智能体是啥？AI 为什么突然“能自己干活了”

143. 智能体架构设计（5）

144. Agent智能体全集系列课件与视频

145. 第一章初识智能体

146. 智能体的核心技术

147. 智能体的本质

148. 智能体设计全景

149. 智能体发展与治理研究报告

150. 智能体设计模式（附下载）

151. AI项目经理-智能体的感知层

152. 医疗智能体

153. 从感知到行动

154. 使用 AI 智能体构建应用 1.1 智能体初窥门径

155. 从生成式到智能体

156. 自主性它主是未来智能的颠覆性标志

157. Cell系列综述

158. 什么是AI Agent

159. 真机智能刘智勇

160. 《智能体设计模式》

161. 什么是AI Agent智能体？为什么它是下一代AI风口？

162. AI Agent行业深度解析。本文主要探讨了AI发展阶段从推理者向智能体转变的趋势，以及智能体在商业化应用方面的进展。以下是核心内容总结

163. AI智能体的趋势，大模型(Large Model) 和 Agent(智能体)到底有什么区别?

164. AI的下一个拐点

165. AI的下半场

166. 关于AI Agent智能体

167. 北国咨观点 | AI智能体（AI Agent）

168. 【AI布局】智能体（AI Agent）生态全景解析！

169. 企业级可控AI智能体（Intelligent Systems）核心内幕解析

170. 【网警说·技术】关于智能体，这些你需要了解——

171. 智能体迈入L3时代未来十年人均100个？

172. 智能体掀起AI新革命！青岛企业围绕智能体应用开展积极探索实践

173. 从石头到智能体，Claude 3.5/4 解锁工具调用，AI 正复刻人类 “工具进化” 史

174. 2026开年AI智能体技术爆发

175. 智能体的崛起

176. 迎接智能体十年

177. 使用 AI 智能体构建应用 1.3 工作流与智能体

178. 什么是“智能体”？它让AI彻底“活”起来从被动工具到主动干活

179. 直击2025WAIC大会

180. [附文稿] 2026 年的人工智能代理 | 未来三大预测（a16z 重大构想）

181. 智能体来临

182. 智能体（Agent）全景拆解

183. AI智能体

184. 从“被动响应”走向“主动执行” 代理式人工智能提升肿瘤诊疗效率

185. 从“被动工具”到“主动智能体”

186. 从被动问答到主动闭环运营

187. 网警

188. 智能体AI正重塑API生态

189. Kimi K2 Thinking

190. 政务大模型应用

191. 提升科学数据可用性，中科院张正德团队提出基于智能体的 AI-Ready 数据加工和供给方案

192. 智能体技术加快多场景应用

193. 谷歌

194. 一文了解 AI 智能体及构建流程

195. 智能体（AI Agent）是由自主性（Autonomy）与行动力（Action）共同构成的智能系统，可形象概括为“大脑+手”的协同结构。“大脑”不仅要能自主思考，还应能与环境交互，并根据环境变化动态调整自身行为策略；“手”则需要根据“大脑”的指令直接完成工作(例如Deep Research)，还能使用外部工具（例如Tool calling）。其行为不再是静态响应，而是包含规划、执行、调整的完整循环，从而实现真正意义上的任务闭环。根据其架构和组成方式，AI Agent可分为狭义和广义两类：狭义智能体（AI Agent）强调在无需持续人工干预的情况下，实现自我学习与优化，具备高度的环境适应与泛化能力。其核心是模型本身具备原生工具调用与任务闭环执行能力。广义智能体系统（Agentic AI System）则更具包容性，泛指一切能够感知环境、决策并执行任务以达成目标的系统。它通常依托“模型推理能力（Reasoning）+任务指令（Instruction）”构成“引导式自主（Guided Autonomy）”，并通过“工作流（Workflow）+工具调用（Tool Use）”实现“预定义行动（Pre-defined Action）”。如果说狭义AI Agent是模型能力，那么Agentic AI System更是一种产品能力，是一种新的服务形态。 #晒图笔记大赛#

196. 《智能体设计模式》结语：组合设计模式构建复杂多智能体系统

197. 智能体：AI 的下一场革命？从问答工具到执行伙伴的范式跃迁！

198. AI智能体正在重塑药物发现：从数月到数小时的革命性突破

199. 3分钟搞懂智能体：普通人都能听懂的大白话解释

200. AI 智能体入门：从定义到落地，拆解自主决策系统

201. 谷歌AI智能体学习笔记（二）工具篇

202. 2026年企业智能体选型指南：从扣子到Dify，从玩具到生产

203. Loongwise分享如何做好智能体

204. 企业级智能体式AI实施指南白皮书：战略落地与价值创造框架（可下载）

205. 2025年智能体设计模式全解析

206. 云端智能体：AI Agent技术与应用研究报告（2025年）

207. 【AI智能体】1分钟带你了解现实生活中的AI智能体

208. 关于智能体Agent的实现技术之思维链和函数调用(function call)的思考

209. Agent发展趋势？信通院发布“2025智能体十大关键词”

210. AI智能体架构设计，9大核心技术全景解析

211. 智能体，大厂的第二曲线

212. 到底什么是AI智能体？为什么都在吹？一篇文章通俗解释清楚~

213. DeepSeek挑战全球AI巨头：年底推出革命性AI智能体

214. 智能体让社会运转模式从“人机分工”向“人机共生”跃迁

215. 智能体部署全流程：从0到1构建企业级AI解决方案

216. 一篇看懂Agent是什么？如何搭建Agent智能体

217. 一文讲清智能体（AI Agent）｜智能体来了：智能体培训机构深度解析与行业前瞻

218. AI智能体（ Agent）是什么？AI智能体与大语言模型（LLM）有什么区别？

219. AI Agent（智能体）如何构建？什么时候该用？有哪些模式？

220. 大模型入门：小白也能看懂的Agent智能体与RAG技术概述！

221. 首发首秀世界人工智能大会智能体开启AI新赛道

222. 人工智能现代方法第四版之智能体

223. 大厂都在研究的“智能体（Agent）”，到底能不能取代程序员？

224. 人工智能体进展、存在问题及央行应用展望

225. 第1节：通用智能体Agent是什么？怎么用？

226. 对话深演智能联合创始人谢鹏：使用智能体的企业，一定会打败不使用智能体的企业

227. 如何理解大模型智能体区别？

228. 洞见人与智能体协作七大趋势！蓝凌用户大会邀您11.6智启未来

229. 《医疗AI智能体综合调研》

230. 智能体（Agent）基本概念与概述

231. AI Agent 架构与实践：自主性、目标导向与编排能力解析

232. 一张图看懂AI Agent全景：从单智能体到智能体团队的发展趋势！

233. Anthropic发布Claude Opus 4.5双智能体突破：90%性能提升与无限对话，AI长时任务迎来革命性解决方案

234. 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

235. 城市超级智能体：智慧城市4.0的革命性跃迁

236. 解码AI科学家智能体：打造“人人可用”的科研助手

从“会说话”到“能办事”：智能体Agent的本质跃迁与认知框架

精选参考来源