我们正式介绍两个新的 GLM 系列成员：GLM-4.5 和 GLM-4.5-Air——我们最新的旗舰模型。GLM-4.5 拥有 3550 亿总参数和 320 亿激活参数，而 GLM-4.5-Air 拥有 1060 亿总参数和 120 亿激活参数。两者都旨在将推理、编码和智能体能力统一到一个模型中，以满足快速增长的智能体应用日益复杂的需求。GLM-4.5 和 GLM-4.5-Air 都是混合推理模型

生物医学研究支撑了我们对人类健康和疾病理解、药物发现以及临床护理的进步。然而，随着复杂实验室实验的增长、大型数据集、众多分析工具和广泛文献的出现，生物医学研究越来越多地受到重复和分散的工作流程的制约，这些工作流程减缓了发现速度并限制了创新，这突显出需要一种根本性的新方法来扩展科学专业技能。在这里，我们介绍了Biomni，这是一种旨在自主执行各种生物医学子领域研究任务的通用生物医学人工智能代理。

在前面关务AI的文章中，有提到报关作为专业知识要求比较高的行业，用现有AI，比如KIMI，秘塔等工具，它的回答是基于现有网络搜索，相比于我们现有搜索来说，它提高了我们的工作效率在于汇总网页内容，那么如果基于设定的本地知识库，AI的输出结果怎么样呢？经历了一周通宵的摸索，尝试用智谱清言AI来搭建基于设定数据库的报关智能体，初步输出结果很出乎意料，下面尝试把本周的心得总结一下，供大家参考。在智普页面可

Agent 智能体的发展正步入黄金时代。随着众多新框架的层出不穷和对该领域的持续投入，现在 Agent 智能体已逐步摆脱初期的动荡，迅速崛起，成为开发者的首选，超越了 RAG。那么，2024年是否会成为 Agent 智能体系统全面接管撰写邮件、预订航班、数据分析等任务的元年呢？这或许有可能，但距离这一目标还有许多挑战需要克服。在构建 Agent 智能体的过程中，开发者们不仅要考虑选用哪种大模型、应

大语言模型（LLM）是一门博大精深的学科，涉及到高等数学、python编程、PyTorch/Tensorflow/Onnx等深度学习框架……然而奇妙的是，越是看上去难得要死、一辈子都学不完的技术，入门起来却越是容易。正如阿瑟·克拉克的名言：足够先进的科技看上去与魔法无异。大语言模型先进得如同魔法，我们这些麻瓜也许一辈子都没法完全理解它。但乐观地看，既然大语言模型是魔法，那我们就把它当魔法用好了，用

现在，我们来定义一些工具，以便助手可以搜索航空公司的政策手册，以及搜索和管理航班、酒店、租车和远足活动的预订。这些工具将在教程的各个部分中重复使用，具体的实现细节不是关键。现在，我们来创建图。这张图是我们这部分的最终助手。python复制代码from langgraph.checkpoint.sqlite import SqliteSaver# 定义节点：这些节点执行具体的工作# 定义边：这些边决

今天智谱在2025中关村论坛上发布最新Agent 产品AutoGLM，具备深度研究能力和操作能力，可自主打开并浏览网页，完成从数据检索、分析到生成报告。我说一下使用体验，后台不要又来骂我推agent了。人家这是开源的。别bb了。超长任务：理解超长指令，执行超长任务。例如，在采购火锅食材的例子中，AutoGLM 自主执行了 54步无打断操作。并且，在这种多步、循环任务中，AutoGLM 的速度表现超

那么，应该如何实现呢？分为如下三个步骤：\1. dify工作流发布为工具\2. 安装配置MCP服务器插件，并完成工具配置\3. 获取MCP链接进行调用先前的文章中，我们使用dify和DeepSeek创建过不少的工作流，此处我们可以选取自己想要作为MCP工具被调用的工作流，发布为工具。这里我选取之前的网页爬取工作流，进行工具的配置和发布。1.1进入工作流，在发布之后，再次点击“发布”按钮，可以看到“

项目的 GitHub 地址是：https://github.com/chaitin/PandaWiki点个 Star 支持一下国产开源软件吧！

那以下这些PDF籍就是非常不错的学习资源。给你学习，我国在这方面的相关人才比较紧缺，大模型行业确实也需要更多的有志之士加入进来，我也真心希望帮助大家学好这门技术，如果日后有什么学习上的问题，欢迎找我交流，有技术上面的问题，我是很愿意去帮助大家的！现在，通过构建高质量的提示词，任何投资者都能利用AI这一强大工具，执行堪比专业水准的系统化分析，从而做出更明智的投资决策。:指出该股票适合哪类投资者（例如