AI标签_龙虾开发者社区

AI

我一路问 WorkBuddy，用腾讯云 OCR Skills 在几分钟内完成了投标审查

我没有把完整审查的摘要当成最终结论，而是再发起一次只针对 7 个边界项的复核，要求逐项输出“招标要求｜响应值｜比较表达式｜判定｜证据文件及页码”。这一步把结论重新落到数字和原文上。最终复核给出了清晰的结果：A 的Wi-Fi 5、18 日交付和 48 小时处理方案均不满足；B 的203 dpi、1 年质保和 48 小时处理方案不满足；B 的12 日交付满足；B 未提交同类项目证明属于缺失。

todoitbo
2026-08-19 18:45:08

 3.4w

 133

#腾讯云 #云计算 #AI
AI Agent 安全防护实战：最小权限与 Human-in-the-loop 的工程防线

本文深入剖析Agent安全核心风险——OWASP 2025新列的“LLM06 过度代理”，指出其本质是攻击面从文本升级为真实动作。文章系统梳理六大风险（含提示注入放大、输出处理不当等），提出“功能过多、权限过大、自主过高”三大根因，并给出四道工程化防线：最小权限工具收敛、人工审批闸门、输出校验与成本熔断，强调安全须内生于架构设计。

一叶飘零_sweet_
2026-08-19 17:19:18

 388

 9

#AI #安全 #人工智能
用 AI Coding 把一个想法更好地落地，mattpocock/skills 小白入门

本文介绍了mattpocock/skills项目，这是一个专注于提升AI编程代理工程能力的开源工具集。该项目通过35个Markdown格式的"Agent Skills"文件，为AI编程代理提供清晰的工程规范和工作流程指导，包括需求确认、测试驱动开发、故障诊断等关键环节。每个Skill都是一个独立文件夹，包含YAML元数据和详细指令，可组合使用形成完整开发流程。项目要求Node.js环境，通过npx

kaixin_啊啊
2026-08-18 21:57:04

 712

 43

#人工智能 #AI #github
Agent 也能自我进化？LlamaFactory 作者的新开源项目 30 天拿下 1466 星

开源 AI Agent 框架 penguin-harness 上线 30 天拿下 1466 星：LlamaFactory 作者出品，数据分析准确率第一、成本仅 Claude Code 的 1/70；一句话可生成完整 RAG 应用，并通过 Skills + benchmark 闭环让 Agent 自我进化。本文深挖它的基准数据、进化机制与技术选型。

瓶盖
2026-08-18 17:17:26

 303

 5

#AI #开源
AI知识图谱：一张图看懂AI学习全路径，大模型入门到精通

这篇文章系统性地梳理了从AI新手到AI架构师的完整学习路径，分为基础、进阶和深水区三个阶段。基础篇涵盖Python编程、LLM API使用和大模型基础（RAG、微调等）；进阶篇聚焦低代码平台应用、检索技术优化和AI Agents开发；深水区篇深入企业级解决方案，包括可观测性评估、AI基础设施与安全。文章强调构建结构化知识体系的重要性，指出AI大模型时代催生了技术+业务复合型人才需求，并预测2025

程序员小猴紫
2026-08-18 17:26:04

 689

 6

#人工智能 #知识图谱 #学习 +2
6种设计模式解锁2026年Agent开发新趋势

文章摘要：本文探讨了AI Agent设计模式的演进与选型策略，对比了黑盒式调用（如LangChain Agent）与图状编排（如LangGraph）的优劣，指出2025年主流框架正转向更透明的流程控制。核心内容为： 6种Agent设计模式：包括ReAct（推理-行动循环）、Plan-and-Execute（先规划后执行）、Reflection（自我迭代优化）、Tool-Calling（轻量工具调

 AGI大模型老王
2026-08-18 14:49:25

 313

 5

#人工智能 #AI #产品经理 +1
AI Agent 编排与云原生 AI 应用部署：权限边界应该划在哪里？

假设一个 AI Agent 被授予了过宽的 ServiceAccount 权限：它解析一条排障指令后，尝试创建。这种请求应被 RBAC、准入策略和审计记录共同拦下。这类风险会出现在接入 LLM 工具链的云原生应用中。部分团队为了提升自动化运维效率，给 Agent 的 Pod 绑定了过大的 RBAC 权限。模型输出失准或受到提示词注入时，过宽的权限会扩大对集群控制面的影响范围。AI Agent 接入

 键盘鼓手苏苏
2026-08-17 21:33:07

 3402

 8

#AI #人工智能 #云原生 +1
AI Agent 架构设计与多 Agent 协作系统搭建：权限边界应该划在哪里

Agent 可以理解请求，但不该拥有数据库或基础设施的最终操作权。若工具层没有单独校验身份、资源范围和动作类型，模型生成的调用参数就可能越过预期边界。Prompt 只能帮助模型理解任务，不能充当安全控制。面对提示词注入和模型输出波动，授权判断必须留在模型之外。一旦给 Agent 挂上了真实系统的 Tool Calling 权限，权限边界到底该划在哪里？

baronbool
2026-08-17 21:30:47

 3331

 6

#AI #人工智能 #后端 +2
LangChain已死！Agent SDK框架重新定义Agent开发

结合以上全套实操案例，我们可以总结出OpenAI Agents SDK的标准化开发规范1. 环境规范：固定SDK版本、通过.env统一管理密钥与超时，杜绝裸写配置。2. Agent设计规范：单一职责原则，子Agent专精单一能力，主控Agent只负责路由分发，彻底解耦。3. Tool开发规范：强类型注解+完整文档+异常捕获，让模型精准读懂工具，杜绝无效调用。4. 流转规范：优先使用Handoff语

 渣渣苏
2026-08-17 18:52:43

 345

 6

#AI
每日热门skill-43万下载量的“全栈程序员“上桌了！深度拆解 ClawHub 编程专家 dev-expert，让 AI 从“写代码“进化到“管项目“

《43万程序员选择的「编程外挂」：19个子技能+6步闭环的工程级AI助手》摘要：这款名为dev-expert的AI编程助手凭借43万次下载量成为CSDN热门工具，其核心价值在于将AI编码能力封装进工程化工作流。不同于普通代码生成器，它具备19个精细分工的子技能，覆盖从需求拆解到测试验收的全生命周期，并采用6步闭环机制（分析→方案→执行→验证→交付→复盘）确保任务完整性。特色功能包括：PLAN-G

weitingfu
2026-08-17 09:34:50

 306

 7

#人工智能 #AI
给 Pi 增加能力时，应该写 Prompt、Skill、Tool 还是 Extension？

摘要：本文探讨了如何为Pi智能体扩展能力时的五层架构选择策略（Prompt Template、Skill、Tool、Extension、Package）。核心原则是"用最低权限层实现确定性闭环"：从可复用的Prompt Template开始，逐步升级至需要运行时强制的Extension。每层对应不同触发主体、确定性要求和风险等级，例如Skill提供渐进披露知识，Tool确保结构化执行，而Packa

武子康
2026-08-17 08:37:37

 409

 12

#AI #ChatGPT #人工智能
GitHub 热榜项目 - 周榜(2026-08-16)

本期 GitHub 热榜明显聚焦 AI Agent 工程化：从 agent-skills、prime-agent 到 Cloudflare computer，强调可执行、可长期运行的自动化工作流；同时，知识图谱 RAG、Agent Memory、Switchyard 等项目表明模型路由、记忆治理与上下文管理正成核心基础设施。另有小模型端侧部署、低代码内建 AI 和可视化表达工具升温，说明行业正从“

CoderJia
2026-08-16 10:43:09

 2353

 41

#github #AI
Pi 怎样决定模型看见什么：AGENTS.md、SYSTEM.md 与 Skills 的加载边界

摘要：本文探讨了AI代理Pi在模型上下文管理中的资源加载机制，重点分析了AGENTS.md、SYSTEM.md和Skills等资源文件的加载边界与冲突处理。系统通过ResourceLoader分层管理基础提示词、项目规则和按需技能，但不会自动解决规则冲突。关键发现包括：1）资源加载遵循固定顺序，可能继承隐藏的祖先目录规则；2）SYSTEM与APPEND_SYSTEM分别承担基础替换和增量修改角色

 武子康
2026-08-16 09:57:25

 306

 9

#人工智能 #AI
面试官问：什么是Agent？Agent 不就是 LLM 加点工具？”。应该这样回答！

Agent 不就是 LLM 加点工具？我：ReAct、MCP、Skills、Function Call、A2A ……核心公式：Agent = LLM + Planning+ Memory+ Tool。Agent 核心架构可简单总结4点，分别是......

flechazo194
2026-03-30 10:49:29

 190

 5

#人工智能 #AI
从 Prompt 到 Agent：2026 年 LLM 应用的四层架构

大模型实战》第 2/10 篇下篇预告：RAG 还值不值得做？很多人把「会写 Prompt」当成会做大模型应用。本篇给你一张分层图，以及每层该上、不该上的判断标准。

赵大仁
2026-07-21 17:51:02

 257

 4

#AI #RAG #人工智能
开源后台编程 Agent 系统 background-agents：架构拆解与落地判断

（"修复这个 Sentry 报错"、"把这个 Linear 卡做成 PR"），模糊需求会让 Agent 跑偏且没有人及时纠正。

星核 AI 实验室
2026-07-13 12:24:09

 363

 7

#AI #自动化
Agent中的CoT，原来是让AI学会“说人话”的秘诀（上）

更有甚者，已经不满足于让AI走一条推理链，而是让AI像人一样，在脑子里画一棵“思维树”，或者开一场“辩论赛”。有了CoT之后，你只需要在提问的时候加一句 “请一步步思考” ，或者给它看几个带有推理过程的例子，它就会模仿人类，在给出最终答案之前，先输出一大段“内心戏”。跟现在这些AI助手聊天，有时候觉得它挺聪明，有时候又觉得它像个“神棍”——直接给你一个答案，但你完全不知道这结论是怎么蹦出来的。它就

 L-影
2026-03-06 21:51:01

 462

 9

#人工智能 #AI
[Agent的评估-06]如何改进MAF针对MEAI评估系统的适配方案？

在[Agent的评估-04：利用MeaiEvaluatorAdapter适配MEAI评估系统]中，我们对MAF的Agent评估系统利用MeaiEvaluatorAdapter适配MEAI评估系统的实现原理进行了详细介绍，但是在[Agent的评估-05:MEAI用来评估LLM响应质量的9种评估器]我们却说这种适配方案是完全错误的。那么究竟错在哪里？又该如何解决呢？

JaydenAI
2026-07-31 10:09:00

 662

 24

#AI
[基于OpenEvals的自动化评估-11]针对Agent对话的评估[下篇]

在[上篇]我们介绍了评估用户与Agent对话的三个指标，包括语气评估（Tone）、知识记忆评估（Knowledge Retention）和用户感知错误评估（Perceived Error），接下来我们补充余下的三个：任务完成度评估（Task Completion ）、用户满意度评估（User Satisfaction）和用户赞赏评估（Wins）。

JaydenAI
2026-08-10 07:33:39

 337

 7

#AI
又一个Agent神器爆火，10分钟登顶ClawHub榜一！

Capsule 告诉 Agent 解决方案。

努力的光头强
2026-03-14 14:49:18

 548

 11

#知识图谱 #oracle #人工智能 +2
100%开源！吴恩达做了个个人桌面Agent

不只是陪你聊天，也不只是给你列一个待办清单。而是你说一句“帮我准备客户brief”，它就能跨文件、日历、Slack这些日常工具自己干活，最后把整理好的文档、写好的消息、更新后的日程交到你手上。项目名为，现已在GitHub开源，采用MIT License。以及。吴恩达在推上表示，OpenWorker已经可以在Mac上运行，Windows版本也即将上线。

码字的特恩
2026-07-27 10:22:17

 414

 12

#人工智能 #AI
Agent中的ReAct：类型、作用与避坑指南（下篇）

说到底，Agent中的ReAct，就是给大模型装上了“手脚”和“眼睛”，还给它配了个“工作日志本”。ReAct本质上解决的是一个很朴素的问题：怎么让一个只会说话的模型，变成一个能干活、会思考、能自我修正的执行者。它不是多么高深的理论，更多是一种工程范式——把思考过程显式化，把行动步骤模块化，把反馈闭环自动化。一个Agent负责写代码，一个负责审查，一个负责执行，一个负责汇总。任务执行完之后，不直接

 L-影
2026-03-24 19:10:44

 459

 7

#人工智能 #AI
第十一章：Agent的“雷区“与边界—— 幻觉、安全、工程化与伦理挑战

全面了解Agent从理论到落地的全维度风险与挑战，每个问题都给出可落地的解决方案，而不是只提出问题，帮读者避开90%的落地坑。

LuoQuHen
2026-04-01 07:13:31

 587

 13

#人工智能 #AI
通义千问网页改免费API，只用单个Python脚本，全无额外依赖

编程创业者刚需：通义千问网页封装免费API，单Python文件零第三方依赖做数码和软件测评将近八年，日常既要测评手机数码硬件

 久久学姐
2026-08-05 00:27:00

 250

 7

#AI
多智能体如何协同，金智维Ki-AgentS智能体用一个案例告诉您

用户可逐一审核步骤合理性，若发现偏差，可直接修改步骤指令，规划智能体将实时调整流程，确保任务方向符合预期，这正是Ki-AgentS“受监督智能体”理念的核心体现——让智能决策始终处于人工可控范围。未来，随着Agent生态的完善与协同协议的标准化，多智能体将在金融、政务、制造等更多领域实现规模化应用，而Ki-AgentS所展现的“可控化、模块化、知识化”协同逻辑，或将成为企业级多智能体落地的主流范式

 金智维科技官方
2026-03-09 15:24:44

 245

 4

#人工智能 #AI
s02_工具调用拆解：为什么给 Agent 加能力，不用重写循环

这篇文章探讨了如何在不重写Agent主循环的情况下扩展其能力。核心观点是：稳定的Agent执行闭环比工具数量更重要。文章以代码示例s02_tool_use.py为基础，展示了通过添加工具schema和分发handler来扩展能力的方法。关键要点：专用工具比万能bash更安全高效，如read_file、write_file等新增了路径安全边界safe_path()来约束文件操作范围使用TOO

墨1024
2026-04-02 23:16:09

 451

 12

#AI
AgentScope 2.0：8. Tool —— 工具系统架构与生产级实践深度解析

文章摘要：AgentScope Java 2.0工具系统架构解析 AgentScope Java 2.0构建了一套完整的工具框架，通过注解驱动实现智能体与外部世界的连接。该系统采用分层架构设计，包含Agent层、Toolkit工具编排中心、ToolGroup工具分组和ToolBase工具基类。核心特性包括：注解驱动开发：使用@Tool和@ToolParam注解快速定义工具，自动生成JSON Sc

mqiqe
2026-08-11 08:00:00

 615

 10

#系统架构 #人工智能 #AI
零基础转行Agent开发需要掌握哪些基础？这份学习指南你一定

为什么AI大模型成为越来越多程序员转行就业、升职加薪的首选很简单，这些岗位缺人且高薪智联招聘的最新数据给出了最直观的印证：2025年2月，AI领域求职人数同比增幅突破200% ，远超其他行业平均水平；整个人工智能行业的求职增速达到33.4%，位居各行业榜首，其中人工智能工程师岗位的求职热度更是飙升69.6%。AI产业的快速扩张，也让人才供需矛盾愈发突出。

Python程序员小泉
2026-07-28 11:38:09

 664

 5

#人工智能 #学习 #AI
.NET+AI | Harness | Harness 正式发布，一行代码，生产级 Agent 就绪

.NET+AI | Harness | Harness 正式发布，一行代码，生产级 Agent 就绪

 寒冰屋
2026-07-31 11:41:15

 49

 1

#AI
【多 Agent 协作系统】冲突解决：协商机制、投票系统、优先级策略——构建和谐的多 Agent 协作环境！

Agent 系统中冲突不可避免。本章将深入讲解冲突检测、协商机制、投票系统、优先级策略、仲裁机制，以及冲突解决的实战实现。

安逸sgr
2026-03-13 16:41:13

 242

#数据库 #网络 #AI +3
Agent协作：怎么让它们通上话

多个agent之间互相派任务、自主协作——听起来是prompt的事，实际上第一步就卡住了：它们根本说不了话。平台不允许bot之间互发消息。试了文件中转，效果不好；最后换了信道，折腾一晚上才把这条线打通。通了之后，agent之间的协作才真正跑起来。

uwings
2026-06-05 20:51:18

 228

 7

#AI
深圳 Agent 招聘火爆！790 个职位揭示 6 大行业薪资与趋势，大厂高薪但非唯一选择！

对于正在迷茫择业、想转行提升，或是刚入门的程序员、编程小白来说，有一个问题几乎人人都在问：未来10年，什么领域的职业发展潜力最大？答案只有一个：人工智能（尤其是大模型方向）当下，人工智能行业正处于爆发式增长期，其中大模型相关岗位更是供不应求，薪资待遇直接拉满——字节跳动作为AI领域的头部玩家，给硕士毕业的优质AI人才（含大模型相关方向）开出的月基础工资高达5万—6万元；即便是非“人才计划”的普通应

 Python怎么学啊
2026-07-14 21:29:23

 259

 6

#人工智能 #产品经理 #RAG +2
Agent设计模式全景图：2026年工程实践关键，避开10万开源项目踩过的坑！

本文系统介绍了Agent的核心概念及其与RPA、聊天机器人的区别，重点阐述了Agent具备的感知、规划、行动、记忆四大关键能力。针对当前Agent开发中的常见痛点，文章提出了设计模式的重要性，将其分为行为模式（如ReAct、Reflection、Tool Use）和架构模式（如Planning、Multi-Agent）两大类，旨在提升Agent系统的可靠性和可维护性。通过具体案例展示了设计模式的实

 AI-椰子不椰
2026-05-06 14:12:45

 302

 7

#人工智能 #AI
我用 Doubao-Seed-Evolving 做了一个每天可以刷的 “AI 朋友圈” Agent

我用Seed Evolving做了一个每天帮我刷 “AI 朋友圈“的Agent

Code_流苏
2026-08-11 00:41:44

 659

 24

#人工智能 #AI
经典AI开发面试题：如何防止agent执行过程中死循环

本文探讨了LLM工程中Agent死循环问题的核心原因与系统化解决方案。文章指出死循环是生产环境中最致命的Agent问题，会导致资源浪费和用户体验下降。作者将解决方案分解为五个关键环节：1）扩展ReAct循环的基础架构，增加复合路由节点和状态元数据；2）识别四种典型死循环场景（步数爆炸、动作复读、原地踏步、语义绕圈）及对应检测方法；3）提出四级优雅降级恢复策略（反思注入、紧凑重试、部分答案、任务交接

 全栈大佬！
2026-06-18 16:24:34

 284

 3

#人工智能 #学习 #产品经理 +1