2026年前夕，多智能体系统全面平民化：主流开源框架门槛大降，普通人可低成本构建AI协作应用_服务软件

1. 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

2. 几分钟就能“攻破”一家公司的AI，怎么防？ #智能体 #网络安全 #360安全云 #科技改变生活 #网络安全宣传周

3. 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

4. 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

5. 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

6. 副业真相，2026年新一轮的洗牌开始！

7. PettingLLMs: 在verl的基础上支持通用的多智能体强化学习训练

8. 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

9. 「Github一周热点92期」智能机器人操作系统、语音转文本桌面应用、机械臂系统、虚拟音频工具、图片盲水印和多功能终端

10. 为什么在生产环境部署多智能体系统（Multi-Agent）容易出现成本失控，有哪些常见的踩坑场景？

11. 《Towards a Science of Scaling Agent Systems》在多智能体系统（MAS）与单智能体系统（SAS）之间，究竟何时“多代理合作”能真正提升性能？《Towards a Science of Scaling Agent Systems》为我们揭示了首个定量科学框架，系统探索了代理数量、协调结构、模型能力与任务属性之间的复杂交互。核心发现如下：1. 工具协同的权衡博弈任务中工具种类越多，MAS的协调开销越大，反而可能拖累整体效率。例如在复杂工具环境下，单智能体因无额外通信开销，反而表现更佳。这打破了“多代理越多越好”的迷思。2. 能力饱和阈值当单智能体基线准确率超过约45%时，增加代理数反而出现负收益，协调成本超过性能增益。说明高水平模型不一定适合盲目扩展多代理协作。3. 架构相关的误差放大效应独立代理系统因缺乏交叉验证，错误传播可达单体的17倍，严重影响结果质量；而集中协调架构通过协调者检验，能将误差放大控制在4倍以内，显著提升鲁棒性。4. 任务结构决定最佳架构 - 并行可分解的任务（如金融分析）中央集权架构优势明显，性能提升高达80.9%。 - 动态环境中的高熵搜索任务（如网页浏览）去中心化架构表现最好。 - 严格的顺序依赖任务（如Minecraft规划）所有多代理架构均表现不佳，甚至退步达70%。5. 性能与成本的非线性关系多代理系统的推理轮数随代理数量呈超线性增长（幂律指数约1.7），固定预算下，单代理的有效推理能力将被稀释，限制了实际可扩展的团队规模至3-4个代理。6. 模型能力的加速回报智能指数的平方项显著正相关，表明能力越强的模型，升级带来的性能提升呈加速趋势。7. 冗余带来的边际效益有限多代理中的任务分工冗余虽有助于错误校正，但其贡献远小于协调开销带来的性能损失，强调了高效协调设计的重要性。此外，研究搭建了180种配置的严格对照实验，涵盖三大主流LLM家族（OpenAI、Google、Anthropic）与多种协调拓扑结构（独立、集中、去中心化、混合），跨四类多样化任务（金融分析、网页浏览、游戏规划、工作流执行），确保结论在任务和模型间的广泛泛化。这项工作首次提出一个可预测性能的混合效应模型（交叉验证R²=0.513），能够基于任务的工具复杂度、单体基线表现及协调效率，准确预测最优的代理架构，指导科学合理地部署多代理系统，告别经验主义。启示与展望：- 多代理系统不是“越多越强”，而是“适合的架构+匹配的任务结构”带来实质收益。- 任务的顺序依赖性、工具多样性和环境动态性是决定多代理成败的关键。- 协调设计需兼顾效率与错误控制，避免过度通信导致的性能灾难。- 未来研究应探索异构模型团队、工具访问调度及多模态环境中的协调机制，突破当前规模和效率瓶颈。这篇论文为多智能体系统的科学化设计奠定了坚实基石，为实际部署提供了首个可量化、可预测的理论指导，推动从“更多代理”走向“更优协调”的智能体发展新阶段。详细阅读请见：arxiv.org/abs/2512.08296

12. 全面战胜ReAct！斯坦福全新智能体推理框架，性能提升112.5%

13. Data Agent 智能决策引擎：数势科技在 NL2Semantics 与 Multi-Agent 架构上的革新与业务实践

14. 拉斯维加斯当地时间1月5日，吉利携极氪9X、极氪009、吉利银河M9等最新电动汽车，以及神盾金砖电池、Flyme Auto智能座舱系统等吉利“全域AI”技术体系成果，亮相2026国际消费电子展（2026 CES），同时，吉利还发布了千里浩瀚辅助驾驶系统的英文品牌及软件版本名称——千里浩瀚G-ASD，代表着吉利与千里智驾联合研发的高含模量智能辅助驾驶解决方案，旨在为吉利体系下的用户提供同等级下最优质的体验，。含模量已成为衡量智驾系统 AI 化程度的核心指标，那么#车企常说的含模量是什么意思# 呢？这个概念其实是在汽车智能驾驶领域的新兴术语，意思是指智能驾驶系统中 AI 模型驱动的功能占比。而前面提到的吉利则是全球唯一拥有汽车、芯片、卫星、飞行器、手机、AI大模型等全智能科技生态的车企，千里浩瀚G-ASD具有超高含模量、超大数据集、超强硬件平台三大特点，汇集行业最顶级车端算力、云端算力，规划了L2~L4全周期技术迭代布局，目前已具备向L3级演化的技术能力。

15. 2025年开学季蓝牙耳机怎么选？五大热门开放式耳机实测对比，真旗舰之争！南卡/Cleer/韶音/JBL/豆包耳机

16. 大型多语言代码库的文档生成一直是个难题，如何自动产出结构化、体系化的仓库级文档，涵盖跨文件、跨模块乃至系统层面的架构关系？CodeWiki 是一个开源框架，专注于自动化生成大规模代码库的全局文档。它支持 Python、Java、JavaScript、TypeScript、C、C++、C# 七种主流语言，结合层级分解、递归多智能体处理和多模态合成技术，不仅生成文字说明，还能产出架构图和数据流图，帮助开发者全面理解复杂项目。主要特点：- 层级分解策略，保持架构上下文，适配超大代码库；- 递归多智能体系统，动态任务分配，保证文档质量和扩展性；- 多模态合成，集成文本与视觉化架构图、数据流图等多种表达；- 支持主流编程语言，覆盖广泛开发场景；- 提供命令行工具，方便快速生成和部署文档；- 支持生成 GitHub Pages 网页文档，方便浏览和分享。适合需要对大型、多语言项目进行系统化文档管理的开发团队和开源社区。项目地址：github.com/FSoft-AI4Code/CodeWiki 在线演示：fsoft-ai4code.github.io/CodeWiki/

17. Apache RocketMQ × AI：面向 Multi-Agent 的事件驱动架构

18. 蚂蚁灵光，30秒生成专属程序，普通人也能手搓代码 #蚂蚁灵光 #AI #阿里

19. 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

20. 当AI从工具进化为队友，个人超级智能体硬件来了

21. 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#

22. 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。

23. 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/

24. 如何评价阿里云「2026云上安全健康体检」这类服务？云厂商主动提供免费检测，对不同用户的价值有多大？

25. 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

26. Aivis 揭秘：从领域知识到自主智能，智能体 Agent 驱动下的阿里云服务新范式

27. 上海交大团队发布首篇「搜索智能体」综述！四个维度深度剖析搜索智能体

28. #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

29. #DeepSeek推出新模型#：DeepSeekMath-V2是DeepSeek推出的数学推理模型，基于DeepSeek-V3.2-Exp-Base构建，其核心在于可自我验证的数学推理训练框架。该框架通过LLM验证器自动审查生成的数学证明，并利用高难度样本持续优化模型性能。这种创新方法使模型在复杂数学问题上表现出色，能够提供更准确和可靠的推理结果。DeepSeekMath-V2在国际数学竞赛中展现了强大实力，在2025年国际数学奥林匹克竞赛（IMO 2025）和2024年中国数学奥林匹克竞赛（CMO 2024）中均达到金牌水平，并在2024年普特南数学竞赛（Putnam 2024）中获得118/120的高分。团队表示，这一成果验证了自验证推理路径的可行性，为构建可靠的数学智能系统提供了新方向。目前，模型代码与权重已开源，发布于Hugging Face及GitHub平台#中国开源AI模型市场首超美国#。

30. 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

31. 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

32. 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

33. 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

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. AI Agent应用开发：构建多智能体协同系统

36. 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

37. 瀑布型热水器，方太蝶翼3.0拆机实测

38. 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

39. 升级鸿蒙6都有哪些好体验？一个视频给大家讲清楚！鸿蒙6发布之后，我把我的华为Pura 80 Ultra第一时间升级，新主题好看好玩，新系统流畅丝滑，全新小艺化身超级智能体，拥有了系统级AI能力，日常工作生活中，真的是帮了我大忙啊！来来来，视频带大家感受一下。 #鸿蒙操作系统6正式发布# #HarmonyOS6# #鸿蒙越用越香# 阿泰的深夜评测的微博视频

40. 我和欧洲“达里奥”做了一场对谈，如何用AI预测未来，用AI把工作效率提升10倍#AI #拉斯特维德 #超智能与未来 #AI预测未来#AI对普通人的影响

41. Shopify：构建生产级智能体系统的经验

42. 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」

43. 蔚来「SkyOS·天枢」在世界新能源汽车大会上获得认证，我觉得这是个挺有意义的进展！毕竟这是中国车企第一次在智能汽车核心操作系统领域，打破了国外长期的技术垄断。之前一直认为，智能汽车的核心系统如果长期依赖海外方案，在技术适配和功能优化上多少会有些局限。蔚来花了4年研发这套系统，我更看重它解决的实际问题：从底层把硬件、计算、通信这些环节打通后，智能驾驶、数字座舱和车控系统不再各自独立，连跨域通信时延都控制到了1毫秒以内。按120km/h的行驶速度算，这个时延能多争取3米多的制动距离，对行车安全的提升是很实在的。而且它没有局限在单一品牌或车型上，而是做成了开放的技术底座，能适配不同的硬件和品牌。现在乐道L60已经开始应用，后续其他车企也能借助这套系统发展。这种突破不只是一家企业的技术进步，更像是中国新能源汽车从“规模领先”向“技术深耕”迈进的一个信号：我们终于能在核心领域，从“使用别人的标准”逐步转向“建立自己的体系”了。 #蔚来智能系统#

44. AgentRun Sandbox SDK 正式开源！集成 LangChain 等主流框架，一键开启智能体沙箱新体验

45. 科研智能体「漫游指南」—助你构建领域专属科研智能体

46. 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

47. 99%的人都搞错了AI Agent？智能体该如何帮企业赚钱？

48. 「Github一周热点94期」开源AI渗透测试智能体、模块化智能镜子、开源AI Coding、多平台热点聚合、IPTV 频道集合和开源游戏合集

49. 视频生成DeepSeek时刻！清华&生数开源框架提速200倍，一周斩获2k Star

50. 小米发布并开源具身基座模型MiMo - Embodied，并同步开源技术报告、代码及完整模型。人类在厨房烹饪、客厅整理、道路通行等不同场景中，能依靠同一套对空间、物体及动态规律的通用理解能力完成行为切换，这一现象为AI技术研发提供了关键启发。从技术本质来看，机器人与自动驾驶系统的核心诉求均围绕感知、理解物理世界及预测动态变化展开，理论上可共享统一的物理世界认知框架。该模型通过多阶段预训练、思维链（CoT）及强化学习（RL）微调等技术路径，验证了自动驾驶与机器人数据间显著的正向迁移效应和相互强化价值。经实验验证，该模型在自动驾驶与机器人领域的29个权威基准测试中均达到当前最优水平（SOTA），同时完整保留通用视觉语言能力，充分证明了“统一具身智能大脑”的技术可行性。

51. 78ms的VLA推理！浪潮信息开源自驾加速计算框架，大幅降低推理时延

52. 谷歌大神出手，免费发布《智能体设计模式》，AI Agent开发的终极秘籍

53. 行业首个！吉利超拟人情感智能体Eva量产上车，传统座舱时代正式落幕？

54. 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

55. 个人AI行业的“说明书”来了！联想联合IDC发布的白皮书，把个人AI的四大特征讲得明明白白：个人超级智能体、端云混合、开放生态、可信安全。联想“天禧AI一体多端”直接把理论变现实，多设备协同无压力，数据主权牢牢在握。2026年规模化元年，以后AI服务不局限于单一设备，开放连接让体验更丰富，科技感拉满～

56. 智能汽车正处在“人找功能”到“服务找人”的临界点，这一步跨成了“人车共生”。超拟人智能体Eva的上车，让汽车第一次拥有了“个性”和“记忆”，要通过全域AI技术，将座舱、智驾、动力、底盘全面串联，最终让汽车进化成智慧生命体。在“一个吉利，一个座舱”的框架下，是整个集团的智能化共振。发布了头条文章：《超拟人Eva上车，吉利要把汽车变成具身智能生命体！》超拟人Eva上车，吉利要把汽车变成具身智能生命体！

57. AgentScope x RocketMQ：打造企业级高可靠 A2A 智能体通信基座

58. 关注 | Cell子刊系列综述：医疗AI智能体，从临床应用，到建立AI智能体医院

59. 协同加速，多机器人协作不再「慢半拍」！软硬一体化框架ReCA破解具身智能落地效率瓶颈

60. 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？

61. 阿里云函数计算 AgentRun 全新发布，构筑智能体时代的基础设施

62. 拆解腾讯智能体战略：自身验证，开放能力，生态放大 | 甲子光年

63. 除了英伟达的机器人芯片，具身智能还有新答案！#华为云 #具身智能 #华为全联接大会 #人工智能 #科技改变生活

64. OpenAI 发布 GPT-5，xAI 开放 Grok 4 免费使用，智能体成关注焦点，2025 被称 “智能体元年”，头部企业纷纷布局生态。高德地图 2025 推出 AI 原生智能体，“小高老师” 等功能实现主动服务，依托空间智能升级体验，与阿里生态协同。你觉得智能体未来会如何改变生活？来聊聊～

65. 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#

66. 《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#

67. 360安全云架构全解，AI智能体如何开启「主驾」新时代？

68. Agent 2.0时代来了，首批「工业级智能体」正在核心位置上岗

69. 开源RL框架Verlog来了，专为LLM智能体打造，400回合不成问题

70. 新职业？AgentOps智能体运维！《谷歌智能体构建指南》解读

71. 攻克记忆瓶颈：腾讯云Data Platform如何为智能体打造记忆湖架构

72. AI智能体开发太散乱？这本书从理论到实战，给你一条“直通”路径

73. 《扣子开发 AI Agent 智能体应用》031-实战案例：多 Agent 模式开发旅游助手

74. 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#

75. IROS'25 | WHALES：支持多智能体调度的大规模协同感知数据集

76. 赛力斯：子公司与火山引擎签署具身智能业务合作框架协议

77. #职场人手一只AI牛马或成常态#“加班是态度，熬夜是常态”，的魔咒正在被打破！00后开始把一些工作交给AI处理，自己则专注创造价值。这不是摸鱼，而是职场效率革命。Agent智能体正在重塑千行百业，从简单的自动化脚本变成如今的“数字助理”，AI正在成为企业降本增效的标配。但要让这种变革真正落地，关键在于算力能否像水电一样普惠。今年3月，华为云在以往按卡时计费的基础上，正式推出Tokens服务。针对不同应用、不同场景的性能和时延要求，提供多种服务规格，为大模型、Agent智能体等AI工具提供了更为灵活、便捷、低成本的先进算力。值得一提的是，华为云Tokens服务迎来全新升级，全面接入CloudMatrix384超节点，并通过其原生的xDeepServe框架再次实现了超高吞吐、低时延的性能突破，能够做到50ms时延的场景下，吞吐2400TPS，实现业界新高，是H20的3倍。大算力的构建不是单点突破，而是一个从硬件到软件、从算子到存储、从推理框架到超节点的全栈创新，充分依托了华为的“大杂烩”能力。从数字时代到智能时代，华为30年来始终在打造数字基建。基于最新的CloudMatrix384超节点和Tokens服务，华为云正在为企业步入AGI时代提供源源不断的“算力新能源”。#00后开始反向拿捏工作了#

78. 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”。

79. 智能家居黑科技，人人都能成为烹饪大师？#智能家居# #智慧生活# #AI友妙计#海尔与阿里云深度合作小优智能体，打造专属的AI生活管家。@阿里云路诞先生的微博视频

80. 一文读懂Multi-Agent System的概念、场景和实现框架

81. Multi-Agent（多智能体）如何重构B端工作流？

82. AI系列-开源的智能体开发框架有哪些？

83. 构建多智能体AI系统的五大开源框架

84. 京东开源业界首个高完成度轻量化多智能体产品，直接开箱即用，性能超越OWL等知名框架

85. 阿里开源多智能体框架

86. 2026智能体元年

87. MiroFlow一款开源高性能研究智能体框架

88. 腾讯开源智能体构建框架

89. 微软开源轻量级高性能智能体框架

90. 基于Rust的开源智能体开发框架AutoAgents，了解一下

91. Semantic Kernel + AutoGen = 开源 Microsoft Agent Framework

92. LangGraph框架入门01

93. LangGraph 入门实践

94. CrewAI 深度剖析 —— 与自建 Agent 系统的差距在哪

95. LangGraph

96. 多智能体开发框架之LangGraph全面剖析实战课教程资料 - 哔哩哔哩

97. LangGraph

98. LangGraph 多智能体框架，用过后是真的不错

99. LangGraph 入门

100. LangGraph学习笔记 (一)

101. 深入浅出LangGraph AI Agent智能体开发教程（一）—全面认识LangGraph

102. LangGraph 教程

103. 吃透LangGraph大模型全套教程

104. 2026智能体风口爆发！普通人0基础AI变现实战指南，少走3年冤枉路

105. 2026AI 元年

106. 2026生存指南

107. 2026智能体时代 | 不会用智能体的人，正在被偷偷甩开

108. AI框架大盘点

109. 2026 程序员必看

110. 多智能体系统的构建时机与方法

111. 使用 cagent 在 5 分钟内构建多智能体系统

112. 《智能体设计模式》结语

113. 多智能体系统评测

114. 大A概念笔记

115. 智能体开启AI新赛道

116. 企业级智能体落地，谁没踩这四种大坑？无问芯穹的系统性解法来了

117. 盘点国内14家热门智能体

118. IT新语|赛迪顾问:智能体最具潜力的AI应用方向,通向AGI的桥梁(2024年第7期(总第13期))

119. 盈小花:AI人工智能创新领域趋势预测

120. 展望全球人工智能2026年演进新局

121. 智能体概览及应用场景

122. 智能体设计模式一

123. 未来新科技巨头?AI智能体技术应用及展望

124. 【LangGraph】LangGraph速成手册

125. 腾讯 AI Lab 开源深度研究智能体框架突破技术依赖瓶颈

126. LangGraph实战项目：从零手搓DeepResearch（三）——LangGraph多智能体搭建与部署

127. 如何构建多智能体研究系统

128. LangGraph实战：Claude Code核心功能实现

129. 开源智能体开发框架全面对比分析

130. 怎么用 LangGraph 创建属于你自己的 AI 智能体

131. crewai+ollama部署方法（2）

132. 11.基于LangGraph的多智能体系统

133. LangGraph实战教程（1）- 从零开始认识LangGraph

134. 【连载】零基础跟我学做AI Agent（第4课：用Autogen开发一个学霸Agent）

135. 全球AI智能体开源框架发展现状与趋势分析

136. AI智能体开发框架LangChain & LangGraph快速入门实战（包含LangSmith）

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

138. 关于multiagent系统和单体agent+multyTools的比较量化研究 - 哔哩哔哩

139. LangGraph多智能体2

140. 一文了解 CrewAI 是什么？

141. 如何使用 LangGraph 构建 AI 智能体？

142. Meta RecoHub：2025 最新 Multi-Agent 业界 Project

143. 开源智能体开发框架对比分析

144. 深入浅出LangGraph AI Agent智能体开发教程（三）—LangGraph工具调用实战

145. AutoGen 多Agent代码技术总结

146. 华为：鸿蒙智能体框架白皮书（附免费下载）

147. 基于大模型智能体Agent的LangGraph入门与实战教程资料

148. 【连载】零基础跟我学做AI Agent（第2课：用CrewAI配置一个软件虚拟团队）

149. 零基础跟我学做AI Agent（第2课：用CrewAI配置一个软件虚拟团队）

150. nest+LangGraph学习路线

151. 多智能体系统-Multi-agent system

152. 探索CrewAI：多角色AI智能协作的未来

153. 12月12日2025 AI云产业发展大会：云端智能体技术和应用分论坛共探智能服务新范式

154. 深入浅出LangGraph AI Agent智能体开发教程（四）—LangGraph全生态开发工具使用与智能体部署

155. 我用多智能体架构做了一个智能写作系统

156. AutoGen框架深度解析：基于AutoGen框架的多Agent协作架构实现

157. 《AD智能体系统：阿尔茨海默病综合管理多智能体系统框架》

158. 【国语】构建AI智能体与智能体系统2026

159. 用 LangGraph 和 Olama 打造你的本地Agent

160. 🦜完全本地化的 multi-agent system：LangGraph 实战

161. AI智能体协作新范式：多智能体系统架构详解，程序员必备（建议收藏）

162. 逛到一个投资多智能体框架

163. 深入浅出LangGraph AI Agent智能体开发教程（五）—LangGraph 数据分析助手智能体项目实战

164. 推特上刷到的🔥开源“金融多智能体框架”

165. LangGraph多智能体1

166. 零代码也能玩转AI智能体？2026最值得尝试的5大平台测评榜单一览

167. 腾讯云发布「云+AI」全栈产品，智能体正在成为新服务入口

168. 企业级多智能体编排与生产就绪框架

169. 搞懂论文逻辑链之智能体Agentic Systems - AN ECONOMICAL COMMUNICATION PIPELINE FOR LLM-BASED MULTI-AGENT SYSTEMS

170. AI云 | “云上多智能体服务能力要求互联互通”首批评估启动

171. 阿里开源多智能体开发框架 AgentScope 1.0和多智能体框架Mobile-Agent-v3

172. 在github上开源了一个金融多智能体框架

173. 阿里推出智能体开发框架AgentScope 1.0，专注于多智能体开发的开源框架

2026年前夕，多智能体系统全面平民化：主流开源框架门槛大降，普通人可低成本构建AI协作应用

精选参考来源