登录社区云,与社区用户共同成长
邀请您加入社区
2026年8月,OpenAI等六家科技巨头联合发布AgentPlugins 1.0.0开放规范,统一AI智能体插件打包格式。该标准通过规范化的目录结构和清单文件,解决了跨客户端(如VSCode、Copilot等)插件适配的碎片化问题,实现"一次打包,多端运行"。规范将AgentSkills和MCP服务器配置打包为统一格式,同时MCP协议升级为完全无状态架构,显著降低部署门槛。GitHub Copi
企业部署 WorkBuddy 后,用户常遇到任务执行中途报"权限不足"而中断、或任务无法访问指定文件的问题。根因通常是授权范围粒度过粗/过细、角色与 Skill 权限未对齐、或文件路径超出授权目录。截至 2026-08-16,腾讯云文档显示,WorkBuddy 任务授权采用「最小必要」原则,需在任务创建时显式声明输入目录、输出目录和 API 连接器权限,而非默认全盘访问。本文从授权声明、角色绑定、
DeepSeek Harness开源:构建AI Agent的插件化底座 DeepSeek于2026年8月开源其Agent运行框架DeepSeek Harness,基于MIT协议提供高度模块化的插件架构,核心设计为“一切皆插件”。该框架通过Cordis微内核实现插件动态管理,支持四种运行模式(标准、代码、极简、创造),并内置多Agent编排能力(Spawn/Fork/Workflow/Ralph)。
本文介绍了如何在星图GPU平台上自动化部署DeerFlow镜像,赋能深度研究任务。该镜像内置Python沙箱环境,可自动执行数据抓取、分析计算与可视化,典型应用于金融走势分析、学术文献综述及多源信息整合等场景,显著提升研究效率与可信度。
NextBand 是面向下一代可穿戴智能设备的开源项目,探索健康传感、语音交互与 AI Agent 的新型可穿戴交互方案。它可以通过手环/手表形态,将心率、血氧等传感能力与云端 AI Agent 连接,使设备能够感知用户状态、理解用户意图,并代用户采取行动。
企业智能体运维负责人在腾讯云ADP上线新Skill版本后成功率骤降26%,本文从版本快照、连接器健康度、灰度配置三层给出诊断判断函数与恢复清单,含四类异常处理和验收指标。
这是它最硬核的能力。数据清理最怕的是什么?在生产环境执行了 DELETE。严格区分环境:dev / test / prod 三套环境配置隔离生产环境强制终止:识别到 prod 环境,直接终止执行 + 抛出警告日志全留痕:每一步操作都保留记录,方便审计追溯这是数据安全的最后一道防线——哪怕配置错了、参数传错了,也不会对生产环境造成任何破坏。“Flaky Test 是自动化最大的敌人。而 Flaky
首先,咱们先谈概念,Skill翻译成中文就是“技能中文对于“什么是技能?技能就是你执行某件事的方法论。举个生活中的例子:我会打羽毛球。当球飞过来,我拿起球拍,在合适的时机、用合适的力度击球,让球准确落在对方场地,这一整套操作逻辑,就叫“技能”。你会骑自行车,你会做饭,完成这些事情的整套操作逻辑,都是一项项技能。在 AI 界,最早是由 Anthropic官方 推出的 一套AI 技能系统,它定义了一种
传统接口脚本开发的第一步,就是人工研读 Swagger/Postman/HAR 文件,逐条梳理接口路径、请求参数、响应规则、业务约束。让人工来梳理 100 个接口,需要 2~3 天,还容易遗漏字段约束、枚举值、限流规则等关键信息。测试工程师的竞争力,到底是什么?不是"我会写多少代码",而是"我能让 AI 替我写多少代码";不是"我能加多少班",而是"我能把多少加班活交给 Skill 自动化"。今天
本文是补能雷达 Skill 的第 20 篇,围绕项目复盘和未来扩展展开,说明一个高德开放平台参赛 Demo 如何从功能展示走向真实可用。
本文是补能雷达 Skill 的第 19 篇,围绕演示脚本和录屏节奏展开,说明一个高德开放平台参赛 Demo 如何从功能展示走向真实可用。
本文是补能雷达 Skill 的第 18 篇,围绕CSDN 文章结构和传播展开,说明一个高德开放平台参赛 Demo 如何从功能展示走向真实可用。
本文是补能雷达 Skill 的第 17 篇,围绕工程化与验收清单展开,说明一个高德开放平台参赛 Demo 如何从功能展示走向真实可用。
本文是补能雷达 Skill 的第 16 篇,围绕评审表达和创新点包装展开,说明一个高德开放平台参赛 Demo 如何从功能展示走向真实可用。
本文是补能雷达 Skill 的第 15 篇,围绕参赛材料和交付文档展开,说明一个高德开放平台参赛 Demo 如何从功能展示走向真实可用。
本文是补能雷达 Skill 的第 14 篇,围绕桌面和移动端布局展开,说明一个高德开放平台参赛 Demo 如何从功能展示走向真实可用。
本文是补能雷达 Skill 的第 13 篇,围绕可演示性和异常兜底展开,说明一个高德开放平台参赛 Demo 如何从功能展示走向真实可用。
本文是补能雷达 Skill 的第 12 篇,围绕Node 服务、环境变量和密钥保护展开,说明一个高德开放平台参赛 Demo 如何从功能展示走向真实可用。
本文是补能雷达 Skill 的第 11 篇,围绕URI 导航和执行闭环展开,说明一个高德开放平台参赛 Demo 如何从功能展示走向真实可用。
本文是补能雷达 Skill 的第 10 篇,围绕风险解释和安全提示展开,说明一个高德开放平台参赛 Demo 如何从功能展示走向真实可用。
本文是补能雷达 Skill 的第 09 篇,围绕补能策略对比展开,说明一个高德开放平台参赛 Demo 如何从功能展示走向真实可用。
本文是补能雷达 Skill 的第 07 篇,围绕自然语言解析和智能体入口展开,说明一个高德开放平台参赛 Demo 如何从功能展示走向真实可用。
本文是补能雷达 Skill 的第 06 篇,围绕静态地图与路线可视化展开,说明一个高德开放平台参赛 Demo 如何从功能展示走向真实可用。
本文是补能雷达 Skill 的第 05 篇,围绕充电站多因子评分展开,说明一个高德开放平台参赛 Demo 如何从功能展示走向真实可用。
本文是补能雷达 Skill 的第 04 篇,围绕补能判断模型展开,说明一个高德开放平台参赛 Demo 如何从功能展示走向真实可用。
本文是补能雷达 Skill 的第 03 篇,围绕UI 信息架构和交互设计展开,说明一个高德开放平台参赛 Demo 如何从功能展示走向真实可用。
本文是补能雷达 Skill 的第 02 篇,围绕高德 API 链路设计展开,说明一个高德开放平台参赛 Demo 如何从功能展示走向真实可用。
需要注意,AI 永远替代不了人的业务经验,核心场景必须由人来把关。虽然 AI 可以帮我们批量生成、快速补全、标准化校验,但它不懂业务背景、不懂历史坑点、不懂线上风险。真正关键的核心流程、高风险业务、复杂业务规则,最终还是要靠测试工程师的经验来判断、来兜底、来拍板。甚至,我们还可以联动上一篇教程中需求分析阶段搭建好的各类 Skill,实现跨环节协同作业。
本文介绍了如何在星图GPU平台上自动化部署Qwen3-ForcedAligner-0.6B(内置模型版)v1.0镜像,实现音文强制对齐功能。该镜像能精确识别语音指令中每个词的时间戳,应用于AI智能体的语音交互场景,显著提升指令识别准确率和多轮对话的上下文管理能力,使交互体验更加自然流畅。
本文介绍了如何在星图GPU平台上自动化部署AutoGen Studio镜像,快速搭建基于Qwen3-4B大模型的AI智能体应用。该平台简化了环境配置,用户可通过图形化界面轻松创建多代理协作系统,典型应用如构建一个包含接待、查询、质检角色的智能客服团队,实现复杂任务的自动化处理。
本文介绍了如何在星图GPU平台上自动化部署LFM2.5-1.2B-Thinking-GGUF镜像,快速构建AI智能体(Agent)实现自动化任务处理。该轻量级模型特别适合开发数据查询、分析及报告生成等自动化流程,可显著提升企业日常运营效率。通过简单的配置,用户即可在星图GPU平台上一键部署该镜像,开启智能自动化开发。
AI智能体联动短剧系统实现全流程自动化运营,解决矩阵运营中耗时的手工分发问题。系统支持多平台自动适配(抖音/快手/小红书等),智能调整视频参数、生成专属素材,实现零人工干预的分发。提供统一账号管理、自动数据监测、智能评论互动等功能,降低80%人工操作时间。通过持续升级的AI模型自动适应平台规则变化,帮助运营者实现"创作-分发-变现"全链路自动化,是短剧矩阵规模化运营的高效解决方案。
智能体(Agents)作为人工智能领域的重要分支,其核心原理是基于大语言模型(LLM)构建的自主决策系统。通过工具调用(Tool Calling)和规划(Planning)等关键技术,智能体能够感知环境、分析任务并执行相应操作,从而完成复杂目标。这种技术架构的价值在于将AI从单纯的对话交互升级为能够解决实际问题的自动化助手,广泛应用于客服自动化、数据分析、代码生成等场景。本文以datawhalec
在容器化技术普及的今天,Docker已成为应用部署和管理的标准工具。其核心原理是通过容器技术实现应用及其依赖的隔离与封装,从而提升开发效率和部署一致性。这项技术的价值在于简化了环境配置,实现了快速、可重复的部署流程,广泛应用于微服务架构、持续集成和家庭实验室等场景。然而,当我们需要将管理权限授予AI智能体时,传统的全权委托方式带来了巨大的安全风险。WAGMIOS应运而生,它基于最小权限原则,通过精
在AI应用开发中,工具调用是连接大语言模型与外部能力的关键环节。其核心原理在于通过标准化协议定义工具的描述、调用和返回格式,实现AI与异构系统的安全、高效交互。这种标准化设计的技术价值在于解耦工具实现与AI框架,大幅提升开发效率和工具复用性,尤其适用于需要复杂工具调用的智能体应用场景。本文以MCP(Model Context Protocol)协议为例,深入解析其作为AI工具领域“USB标准”的设
在AI智能体开发中,工具调用是实现复杂任务的关键环节。传统方式如硬编码或函数调用存在耦合度高、扩展性差等问题。模型上下文协议(MCP)作为一种开放协议,通过标准化工具描述、动态发现和安全隔离机制,实现了工具提供者与使用者的解耦。其技术价值在于构建统一、可互操作的工具层,让AI智能体能够像使用标准化工具箱一样,灵活调用外部功能。在应用场景上,MCP适用于构建可扩展的AI助手、集成DevOps工具链以
在自动化工作流和AI智能体开发中,程序化邮件处理是常见需求。传统邮件API往往功能单一、集成复杂,难以满足智能解析等高级场景。mails项目通过将邮件能力API化与智能化,为开发者提供了轻量、可编程的解决方案。其核心原理是采用双通道设计:发送端集成Resend API确保高送达率,接收端利用Cloudflare Email Routing和Workers实现邮件解析与存储。技术价值在于将复杂的邮件
在AI智能体开发中,模块化与可复用性是提升开发效率的核心。通过将复杂任务封装为独立的技能单元,开发者可以构建灵活的功能组件库。其原理在于定义清晰的接口规范,确保每个技能具备可描述性、可执行性与可组合性,从而降低系统耦合度。这种设计显著提升了智能体的工程化水平,使其能够快速集成网络抓取、文件解析、数据处理等通用能力。在实际应用中,技能库可作为智能体的“工具箱”,支持从个人助手到企业自动化流程等多种场
在博弈论与多智能体系统中,隐性合谋是一种无需显性沟通、仅通过行为模式达成的非竞争性均衡。其原理在于,在重复博弈环境下,参与者通过策略互动学习到,合作(如轮流中标、共同限价)能带来比持续竞争更高的长期收益。这一机制的技术价值在于揭示了复杂系统中自组织行为的涌现风险,尤其在AI驱动的自动化决策场景下。应用场景广泛存在于在线广告竞价、频谱拍卖、电商动态定价等依赖算法竞价的市场。当采用深度强化学习训练的A
在AI智能体开发领域,如何让大模型安全、高效地与外部环境交互是一个核心挑战。Model Context Protocol(MCP)作为一种标准化通信协议,为智能体与工具之间提供了统一的接口规范,类似于计算机领域的USB标准。其技术价值在于通过资源(Resources)和工具(Tools)的抽象,实现了能力的安全沙盒化与模块化组合。这一设计使得AI智能体能够以结构化的方式访问和操作外部系统,极大地扩