microsoft标签_ModelEngine社区

microsoft

吴恩达亲授：从0到1打造AI应用，你只差这篇Prompt终极指南！

还记得第一次看吴恩达的视频，还是在Coursera上那门经典的《机器学习》课程。那时候的他，是站在AI浪潮前的布道者。而如今十几年过去，他依旧在AI的浪尖，但这次，他在谈创业。

Python_金钱豹
2025-10-14 17:44:37

 650

 4

#人工智能 #microsoft #深度学习 +2
AI智领传播未来微软峰会擘画传播行业智能化新蓝图

谢幸进一步以“价值观对齐”为例，详解跨学科研究实践。本次峰会作为传播行业首场AI应用体验盛会，汇聚了来自金融、汽车、医药、品牌咨询、营销传播等领域的上百位传播领袖与行业专家，围绕AI驱动传播变革的核心议题，通过主题演讲、圆桌论坛、调研成果发布等环节，共同探索人工智能时代传播行业的新趋势、新挑战与实践路径。此外，谢幸透露，微软已联合社会科学学者发布社会责任人工智能白皮书，提出AI安全、评测、人机交互

 趣味科技v
2025-10-21 22:20:26

 123

 1

#人工智能 #microsoft #百度
微软发布技术蓝图：构建防御“间接提示注入”这一隐形攻击的坚固防线

微软推出纵深防御策略应对大型语言模型(LLM)的间接提示注入攻击，包含三大核心防护机制：1)采用"聚光"技术区分合法指令与恶意内容；2)部署"提示防护盾"检测系统集成Defender平台；3)实施数据外泄拦截机制与"人在回路"授权模式。该方案结合预防、检测和缓解措施，通过技术创新保障企业AI应用安全，使微软保持AI安全领域领先优势。（14

seoppg
2025-10-22 20:01:30

 425

 4

#microsoft
‌Semantic Kernel的可扩展性设计

Semantic Kernel的可扩展性设计通过插件化架构、技能组合、异步处理和开放集成，实现了高度模块化和弹性。开发者可以从小型项目起步，逐步添加功能（如新插件或技能），以应对用户增长或需求变化。这种设计降低了维护成本，并确保了系统在AI应用中的长期适应性。实际应用中，建议从简单插件开始，逐步测试扩展性，确保性能优化。

2501_93879173
2025-10-28 19:28:59

 671

 20

#microsoft #java #开发语言
上下文工程：AI开发领域的高薪新赛道与技术全景解析

上下文工程是一门综合性的AI系统工程，融合了计算机科学、数据处理、人机交互等多个领域的知识。它聚焦于AI系统运行环境、输入数据及交互流程的整体设计，通过优化指令与管理上下文信息，使LLM及高级AI模型能够高效完成复杂任务。与传统提示工程不同，上下文工程并非局限于单个任务的指令优化，而是以全局视角构建具备状态维持、动态信息访问和多流程协同能力的智能系统。从技术本质来看，上下文工程解决的核心问题是AI

这雪真白哈
2025-10-22 10:27:56

 988

 28

#人工智能 #microsoft
程序员必学：多智能体架构在AI企业落地中的实践与突破（建议收藏）

文章基于李飞飞团队的多智能体架构综述，详细介绍了智能体的五模块闭环架构（感知、认知、行动、学习、记忆）和多智能体协同的三层架构（组织层、通信层、协调层）。通过医疗、自动驾驶、工业制造等实际案例展示了多智能体技术的应用价值，同时分析了当前面临的模态融合、伦理隐私和大规模协同三大挑战。文章指出，多智能体架构正将AI从单一工具升级为生态伙伴，重构AI应用边界，是通往AI普及之路的核心密码。

yihanss
2025-10-16 17:54:57

 1074

 26

#人工智能 #架构 #边缘计算 +2
微软Semantic Kernel：开源AI编排框架的五大优势

微软Semantic Kernel的这五大优势——开源免费、多模型集成、插件系统、语义能力和社区支持——使其成为AI编排领域的强大工具。它特别适合构建复杂AI应用，如聊天机器人、自动化工作流和智能助手。通过逐步采用这些优势，开发者可以显著提升开发效率和应用质量。如需深入了解，推荐访问官方GitHub仓库或微软文档，获取最新示例和指南。

2501_93879851
2025-10-28 19:27:19

 441

 3

#microsoft #人工智能
微软推出AI编程神器Cursor 2025：告别传统IDE的时代？（2025开发范式革命全景）

2025年微软发布Cursor 2025，以自然语言编程为核心，融合多智能体协作、云端开发大脑、全息代码感知三大技术，将开发者从语法记忆与机械编码中解放。实测数据显示：Java模块开发效率提升6.8倍，漏洞率降低72%，系统设计耗时压缩至传统模式的1/10。本文通过金融系统迁移、跨平台游戏开发、遗留系统重构三大场景，解析Cursor如

 cainiao080605
2025-07-14 00:15:00

 1477

 4

#microsoft #ide
MCP的发展历程

MCP（Multi-agent Collaboration Protocol，多智能体协作协议）是人工智能领域的研究方向，旨在为多个AI智能体之间的协作提供框架和标准。随着人工智能技术的发展，研究人员认识到单一智能体在处理复杂任务时存在局限性，而多智能体协作可以互相补充，共同解决更复杂的问题。多智能体协作技术代表了人工智能研究从单体智能向集体智能转变的重要趋势。通过建立协作框架，使多个AI智能体能

 O_____V_____O
2025-04-21 16:18:55

 1565

 10

#microsoft #学习 #开发语言
MCP与A2A协议：AI协作的“双核引擎”解析

摘要： MCP协议（模型上下文协议）和A2A协议（智能体间协议）是构建高效AI系统的两大关键。MCP专注于标准化AI模型与外部工具（如数据库、API）的交互，通过MCP Host、Client和Server实现连接；而A2A则解决多智能体协作问题，通过Agent Card和任务管理机制协调复杂任务。两者互补：MCP提供单点能力调用，A2A实现多智能体协同。以智能客服为例，MCP查询库存和价格，A2

码力金矿
2025-06-19 21:04:36

 556

 4

#人工智能 #microsoft #spring +4
微软Build大会宣告进入AI智能体时代，Microsoft 365 Copilot、GitHub编码升级，马斯克xAI模型纳入微软云

GitHub Copilot 升级为“自主编程智能体”；Microsoft 365 Copilot引入Copilot Tuning能力，多智能体协作；Azure AI Foundry新增xAI模型；推出统一本地AI开发平台Windows AI Foundry；Edge浏览器新API可将AI功能整合到Web应用，拥有支持70多种语言的PDF翻译工具；名为NLWeb的开放项目让网站轻松构建AI聊天机器

 加百力
2025-05-20 08:04:11

 2005

 22

#microsoft #人工智能 #copilot
LLaMA Factory 实战—单卡 3 小时训练你的专属大模型！

Agent（智能体）是当今 LLM（大模型）应用的热门话题[1]，通过任务分解（task planning）、工具调用（tool using）和多智能体协作（multi-agent cooperation）等途径，LLM Agent 有望突破传统语言模型能力界限，体现出更强的智能水平。在这之中，调用外部工具解决问题成为 LLM Agent 必不可缺的一项技能，模型根据用户问题从工具列表中选择恰当

 黑帽子唐哥
2025-04-28 14:04:04

 1656

 25

#microsoft #人工智能 #transformer +1
报告下载丨2025 年 AI Agent 重新定义未来企业：微软集团生产力与企业流程业务研究报告

报告指出，AI Agent 已从工具升级为 “数字员工”，通过整合 Dynamics 365、GitHub Copilot 及 Azure 能力，实现跨系统自动化。其核心价值在于构建 “AI Agent 工厂”，通过标准化接口和多智能体协作框架，推动企业从 “人驱动 AI” 转向 “AI 增强组织执行力”。报告预测，到 2028 年 15% 的日常工作决策将由 AI 自主完成，而微软的实践已在金融

 智能计算研究中心
2025-07-31 18:28:42

 1119

 2

#人工智能 #microsoft
【必学收藏】AI智能体(Agent)核心概念全解析：20个关键知识点助你从入门到精通

本文系统解析AI智能体的20个核心概念，涵盖基础组件、大模型推理、工具行动及多智能体系统四大类。从Agent基本定义到复杂的多智能体协作机制，全面介绍构建自主AI智能体的关键知识，帮助读者从零开始掌握智能体工作原理，为开发自主智能系统奠定基础。

yihanss
2025-10-22 18:31:47

 1462

 41

#人工智能 #架构 #学习 +1
Agentic AI系统提示设计从0到1：架构师如何进行需求分析？

Agentic AI系统代表了下一代人工智能的发展方向，其自主决策能力和环境交互特性为解决复杂问题提供了新范式。本文提出了一套架构师导向的系统化需求分析方法论，专门针对Agentic AI系统的提示设计挑战。通过从第一性原理出发，结合系统工程与认知科学视角，我们构建了"需求分析-提示设计-系统实现"的闭环框架。本文详细阐述了如何将模糊的业务需求转化为精确的智能体提示规范，建立多智能体协作的通信协议

 2501_91590464
2025-07-25 18:15:02

 1140

 18

#人工智能 #需求分析 #microsoft
【收藏必看】9个步骤教你从零开始构建AI智能体，附实用工具清单，从Idea到可运行产品

文章系统介绍了构建AI智能体的9个关键步骤：定义角色与用途、定义输入输出、设计提示词、添加推理与工具调用、支持多智能体协作、处理记忆上下文、添加多模态能力、格式化交付输出、部署API或界面。每个步骤都提供了具体方法、实用工具和作用说明，帮助读者从零开始打造可运行的AI智能体，适合小白和程序员学习参考。

大鱼Ss
2025-10-31 22:17:26

 2421

 3

#人工智能 #服务器 #云计算 +3
智能体来袭！微软发布10多个Agent！

微软宣布全面增强智能体功能，推出Azure AI Foundry，支持跨云多智能体协作，提供智能体检索和可观察性，为企业级智能体身份和评估器。

Leinwin
2025-05-20 15:23:23

 1344

 17

#microsoft
智能体在交通运营与服务领域的应用研究：技术架构、场景与实践

随着人工智能技术的飞速发展，智能体（Agent）作为具备感知、决策与执行能力的自主系统，正深刻改变着交通运营与服务的传统模式。本文系统探讨了智能体技术在公路养护、港口调度、港航监测、物流服务及行业风险分析等交通关键场景的应用实践与创新突破。研究表明，以大语言模型为核心的智能体通过多模态感知、任务规划与多智能体协作等核心技术，能够实现交通系统的自主优化与智能决策。论文在分析多个真实应用案例的基础上，

matlab_python22
2025-09-30 07:47:45

 1231

 15

#人工智能 #大数据 #microsoft
Automation Anywhere 加强与AWS和谷歌云合作，结合生成式AI推出3项创新方案

现在，Automation Anywhere已经在整个 Automation Success Platform 中引入了生成式 AI功能，并推出三项创新解决方案，分别是：面向业务用户的生成式 AI、面向自动化人员的生成式AI，以及文档自动化+生成式 AI。例如，AWS、谷歌和微软都有保护LLM中使用数据的方法，如Automation Anywhere首席运营官Mike Micucci所述，他们还采

 RPA中国
2023-06-05 16:08:20

 307

#人工智能 #aws #microsoft
Multi Agent框架对比----Magentic-One、AutoGen、LangGraph、CrewAI、Swarm

作为该领域最早且最受欢迎的微软框架，主要涉及用户（User）和助手（Assistant）两类智能体。在其用户 - 助手智能体模型中，用户智能体提供提示或需求，助手智能体负责生成并执行代码，且能将结果反馈给用户或其他智能体。专注于代码任务的多智能体编排，但也能处理其他任务，在交互过程中可引入人类指导，并有微软强大的社区支持。

小天才学习机打游戏
2025-01-14 15:59:57

 4955

 16

#人工智能 #架构 #microsoft +2
微软医疗AI诊断系统发布多智能体协作实现疑难病例分析

2025年7月1日，微软推出医疗AI诊断工具MAI-DxO，该系统通过创新性的“协调器”组建5个AI智能体虚拟专家组，对复杂病例进行多角度分析。测试显示其诊断准确率达85.5%，在疑难病例场景中效率显著高于人类医生。

未来智慧谷
2025-07-04 13:19:56

 1173

 5

#人工智能 #microsoft
微软Build 2025：Copilot Studio升级，引领多智能体协作时代

试想一下， Microsoft Copilot Studio 构建的智能体能够从客户关系管理 (CRM) 系统提取销售数据，将其传递给 Microsoft 365 智能体，让它在 Word 中起草提案，再触发另一个智能体在 Outlook 中安排后续跟进。这些安全与治理能力的全面升级，使 Microsoft Copilot Studio 不仅进一步巩固了其在企业级 AI 应用领域的安全标杆地位，更

 dotNET跨平台
2025-06-04 08:02:16

 524

#microsoft #copilot
从小白到高手：深度掌握MCP & A2A协议，实战代码全解析

摘要： MCP（模型上下文协议）与A2A（Agent间协议）是AI协作的"黄金组合"，分别解决单体智能体的工具扩展与多智能体协作问题。MCP通过标准化接口（如JSON）实现模型与工具的无缝调用（如文件读取、API访问），开发效率提升90%；A2A通过任务驱动和Agent Card机制实现跨框架智能体协同（如旅行规划、供应链管理）。两者互补：MCP侧重低延迟工具调用，A2A擅长异

 码力金矿
2025-06-18 11:01:38

 722

 5

#人工智能 #microsoft #前端 +4
微软跑步入局MCP，来晚了餐桌都要挤满了！

微软的“协议帝国”能否改写AI生态的规则？从Windows到GitHub，从Azure到Copilot，微软正将自身生态转化为“协议基础设施”，争夺AI时代的“水电煤”地位。：微软CEO将MCP与多智能体协作称为“开放智能体网络”，并类比“互联网的HTML时代”，试图将开发者创造力转化为生态护城河。：MCP是“AI的USB-C接口”，而Windows将成为AI代理的“插座”——即插即用，统一生态。

小晨说数据
2025-05-21 12:58:59

 394

 5

#microsoft
从零到多:用Microsoft Agent Framework打造你的AI智能体军团

在接下来的内容里,我会用最接地气的方式,带你从"什么是智能体"聊到"如何编排智能体军团",从简单的旅行规划助手到复杂的多智能体协作系统。[Agent响应] 斐波那契数列中小于101的数字有: 0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89。:同样的问题,它不仅能告诉你景点,还能主动调用航班查询工具、比价工具,给出完整的行程方案,甚至直接帮你完成预订。接下来,我会逐一

 dotNET跨平台
2025-10-25 08:01:11

 1673

#人工智能 #microsoft
突破自动驾驶瓶颈！KoMA：多智能体与大模型的完美融合

本推文主要介绍了由来自北京航空航天大学的姜克谋、蔡轩和崔智勇教授等共同提出的一种名为KoMA的知识驱动的多智能体框架。论文《KoMA: Knowledge-driven Multi-agent Framework for Autonomous Driving with Large Language Models》提出了KoMA框架，通过结合大语言模型（LLM）和多智能体协作，显著提升了自动驾驶系统

 Python_金钱豹
2024-12-10 22:01:20

 1390

 24

#自动驾驶 #人工智能 #机器学习 +4
微软Build 2025：Copilot Studio升级，解锁多智能体协作未来

微软Build 2025大会展示了多智能体协同编排、智能体桌面控制、代码解释器等功能，推动企业规模化应用智能体，深化与Microsoft Azure AI Foundry的集成，实现更专业、灵活的AI应用。

Leinwin
2025-06-03 19:00:00

 2119

 13

#microsoft #copilot
对比5个最需要了解的AI多智能体编排框架【4】：“聊天派”的微软AutoGen

3AutoGen小结尽管AutoGen也是面向多智能体系统设计的开放框架，但相对基于角色扮演的CrewAI更复杂些。当然，从功能角度也更加强大（不考虑CrewAI新的Flows特性），毕竟CrewAI目前的多智能体协作还只支持顺序与层次两种方式。

程序员新一
2024-12-13 10:29:21

 2106

 27

#人工智能 #microsoft #语言模型 +3
AI多智能体编排框架对比：微软AutoGen深度解析

3AutoGen小结尽管AutoGen也是面向多智能体系统设计的开放框架，但相对基于角色扮演的CrewAI更复杂些。当然，从功能角度也更加强大（不考虑CrewAI新的Flows特性），毕竟CrewAI目前的多智能体协作还只支持顺序与层次两种方式。

猿类崛起@
2024-12-13 09:00:00

 4469

 46

#人工智能 #microsoft
19.2KStar 超级Agent，超LangGraph5000倍的

Agno 是一个轻量级的多模态智能体（multi-modal Agent）支持多种数据模态（如文本、图像、音频和视频），并且可以快速创建智能体。提供了内存管理和知识库支持，能够将用户会话和智能体状态存储在数据库中，基于向量数据库实现动态少样本学习。支持多智能体协作，帮助用户实时跟踪智能体会话和性能。纯 Python 实现，开发者可以轻松上手并快速构建高效的智能体应用。Agno的特点急速：创建智能体

 朝阳区靓仔_James
2025-02-25 19:12:06

 1054

 13

#机器学习 #算法 #人工智能 +4
基于MCP协议的AI智能体开发指南：从概念到实践

MCP（模型上下文协议）是一种创新性开放标准协议，旨在简化AI模型与外部服务的集成过程。本文详细介绍了MCP协议的核心概念、优势及其实际应用，包括降低开发成本、提升效率等关键价值。通过U-MaaS平台案例和智能体开发步骤的展示，文章演示了如何利用MCP实现高效集成。MCP协议有望成为AI领域的"数字神经系统"，推动技术生态的开放协作，为AI开发者提供更高效的解决方案。

码力金矿
2025-06-06 23:22:59

 597

 18

#人工智能 #架构 #microsoft +4
基于MCP协议的AI智能体开发指南：从概念到实践

MCP（模型上下文协议）是一种创新性开放标准协议，旨在简化AI模型与外部服务的集成难题。它将传统M×N的集成复杂度降为M+N，显著提升开发效率。文章详细解析了MCP的核心价值：降低开发成本、提升效率、增强产品竞争力，并通过U-MaaS平台案例展示了其在航班实时查询中的实际应用。开发者可通过定义模型上下文、实现服务交互、构建智能体三个步骤快速开发AI应用。MCP协议有望成为AI领域的"数字

 码力金矿
2025-06-06 23:30:51

 969

 21

#人工智能 #语言模型 #安全 +4