logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

AI Agent Harness Engineering 在物流与配送中的动态路径规划与优化

AI Agent Harness、物流动态路径规划、多智能体协同、强化学习、车辆路径问题(VRP)、组合优化、数字孪生仿真随着即时配送、同城货运、跨境物流等业态的爆发式增长,传统静态路径规划方案已无法适配动态场景下的交通拥堵、订单突增、天气扰动、设备故障等复杂不确定性。本文从第一性原理出发,系统性阐述AI Agent Harness Engineering(智能体集群管控工程)在物流动态路径规划领

#人工智能#大数据#深度学习
智能体的可废止推理:当新信息出现时如何优雅地改变计划

刚才的扫地机器人场景只是民用AI的入门需求,但在工业AI、军事AI、自动驾驶AI、医疗诊断AI、法律推理AI这些“高风险、高动态、信息不完全/不确定”的领域,可废止推理的重要性不亚于芯片技术对科技的影响工业AI场景:工厂里的焊接机器人原定计划是“今天焊1000个汽车底盘部件”,但实时传感器传来新信息——“焊接材料批次检测不合格”“焊接车间湿度突然超标30%会影响焊接强度”,它需要立刻废止“今天焊完

#人工智能
智能体驾驭工程:AI Agent规模化落地的关键支撑

让我们先从一个小学生都能感同身受的生活故事讲起——先查一下最近7天天气预报,会不会下雨(如果下雨要选离地铁口100米以内的店);然后问问妈妈今天给的零花钱够不够(假设预算150元,人均最多75元);接着看同学的忌口——小明不吃香菜、小刚对海鲜过敏、小红只吃鸳鸯锅微辣;还要看火锅店里有没有包间(因为怕吵到别人,也方便玩桌游),包间有没有最低消费;最后看店铺评分要4.8分以上,月销量要5000单以上,

#人工智能
多智能体模拟社会与经济学实验:数字孪生社会的构建

本文将从核心概念到代码落地,带你完整理解多智能体模拟技术如何构建数字孪生社会,彻底解决传统社会科学实验的痛点。我们会从最基础的Agent概念讲起,一步步设计包含居民、企业、政府三类主体的微型数字孪生经济体,最终完成两个可复现的经济学实验:「最低工资上调对失业率和通胀的影响」、「消费券发放对GDP的拉动效果」。智能体(Agent):是虚拟社会里的最小行为主体,具备自主决策、和环境/其他Agent交互

行为驱动开发(BDD)的5大核心原则,90%的开发者都忽略了

在软件开发的世界里,行为驱动开发(BDD)就像是一位神奇的向导,能带领开发者们更加高效、准确地完成项目。本文的目的就是要把BDD的5大核心原则像打开神秘宝箱一样,一一展示给大家。我们会详细讲解每个原则是什么、有什么用,以及如何在实际开发中运用它们。范围涵盖了BDD的基本概念、原则的具体内容、相关的代码示例和实际应用场景等。接下来,我们会先介绍一些和BDD相关的术语,让大家有个基础的认识。然后用一个

#驱动开发
技术深度:智能体规划算法(Planning)原理拆解

基于上述关键术语,我们可以将经典确定性规划问题(Classical Planning Problem)PclassicalSATs0GPclassical​SATs0​GSSS是一个有限的离散状态集合;AAA是一个有限的离散动作集合;TS×A→STS×A→S是一个确定性状态转换函数;s0∈Ss_0 \in Ss0​∈S是初始状态;G⊆SG⊆S是目标状态集合。寻找一条可行计划πa0a1an−1。

#算法#人工智能
法律智能体:合同审查与案例研究助手

本文将从需求拆解、架构设计、代码实现、落地优化四个维度,手把手带你搭建一个完整的法律智能体:它支持Word/PDF格式合同的自动风险审查、类案智能检索与分析报告生成,所有代码可直接运行,稍加改造就能做成ToB SaaS产品商业化。法律智能体是指能自主完成法律领域特定任务的大模型代理系统,核心是通过规则引擎+检索增强+大模型推理的组合,解决纯大模型在法律场景的幻觉问题、专业知识不足问题,输出符合法律

#c##开发语言
Graph RAG 与 Agent 融合:知识图谱增强的智能推理

什么是知识图谱、Graph RAG、Agent这三个宝贝,它们各自的优点和缺点是什么;这三个宝贝是怎么单独工作的,就像乐高积木里的小方块、轮子、齿轮单独怎么玩;这三个宝贝是怎么“手拉手”融合在一起的,就像把小方块、轮子、齿轮搭成一辆超级赛车;融合后的系统能解决什么实际问题,比如帮医生看病、帮学生写论文、帮企业找客户;怎么用Python动手搭一个简单的融合系统,让大家能亲身体验一下这场“知识探险游戏

#知识图谱#人工智能
自然语言生成技术在AI原生应用中的知识图谱融合

想象一个场景:你问智能助手“秦始皇和汉武帝谁更早?”,它回答“秦始皇是秦朝皇帝,汉武帝是西汉皇帝,具体时间需要查证”——这显然不够好。而更理想的回答是:“秦始皇(前259-前210)统一六国建立秦朝(前221年),比汉武帝(前156-前87)早约70年,所以秦始皇更早。问题来了:传统自然语言生成(NLG)技术能生成流畅句子,但常因缺乏“结构化知识”而出现事实错误、信息模糊。而知识图谱(KG)像机器

#知识图谱#人工智能
为什么你的 AI Agent Harness Engineering 总是“听不懂人话”?意图识别与槽位填充的优化实战

Harness Engineering(交互控制层):Agent的输入输出控制模块,核心职责是将用户的自然语言输入转换为结构化的可执行指令,同时将执行结果转换为自然语言返回给用户,是用户和Agent之间的翻译官。意图识别(Intent Recognition):分类任务,判断用户输入背后的目的,比如「订机票」「查快递」「投诉」都是不同的意图,分为封闭式意图(预定义好的有限类别)和开放式意图(未预定

    共 676 条
  • 1
  • 2
  • 3
  • 68
  • 请选择