登录社区云,与社区用户共同成长
邀请您加入社区
你是否有过这样的困扰:满怀热情想开发一款AI应用,却发现自己的技能止步于“调API”?今天为大家推荐一个GitHub开源项目**awesome-llm-apps,一个AI应用大全**,由谷歌云高级AI产品经理Shubham Saboo创建并维护。目前项目已斩获**72k Star**,发布以来多次登上GitHub热门榜单。
AI技术正在重塑各行各业,从金融风险评估到医疗诊断,从招聘筛选到客户服务。然而,随着AI影响力的扩大,其潜在的伦理风险也日益凸显。算法偏见、隐私侵犯、决策不透明等问题频频出现,不仅损害用户权益,也给企业带来法律和声誉风险。本文旨在为企业提供构建AI伦理顾问系统的全面指南,帮助企业在AI开发和部署过程中识别、评估和缓解伦理风险。我们将覆盖从理论框架到技术实现的全过程,特别关注可落地实施的解决方案。本
阿里云磐久128服务器专为中小企业AI应用设计,通过高密度ARM架构实现128核计算能力,在2U空间内提供超高并发处理性能。其核心优势在于:1)节省空间和电力成本,ARM架构能效比显著优于传统服务器;2)专为AI推理场景优化,128核并行处理能力确保高并发请求下的低延迟响应;3)稳定支撑业务高峰,避免传统服务器过载降频问题。该方案以"经济适用型"定位,帮助中小企业在有限预算内实
今天,有人问我给NexentaVSA查看一个很好的测试驱动器在我的实验室。我用我家实验室和Nexenta的CE,自从我开始使用它,我是一个大风扇!它给了我更多,因为ZFS和速度与SATA和一些SSD的最小数量。Nexenta的VSA查看NexentaStor的设备和自动化部署视图来管理这一切上面一层是一个很好的结合。Let’s start with some pictures...
<br />NetApp和Oracle已经同意放弃各自对对方的法律诉讼。使用ZFS的公司,比如Coraid和Nexenta现在可以无需担心NetApp的威胁和干涉。<br />这两家公司的和解条款尚未公开。NetApp首席执行官兼总裁Tom Georgens表示:"展望未来,我们将继续同Oracle合作以提供更好的解决方案来帮助我们共同的客户获得更好灵活性和更高的IT架构效率。"<br /> <b
在当今的科技发展中,多智能体系统的应用越来越广泛,如自动驾驶、机器人协作、智能电网等。在这些多智能体协作任务中,AI模型的决策能力至关重要。一个具有良好决策能力的AI模型可以使多智能体系统更加高效、稳定地完成任务。本文的目的就是探讨如何提升AI模型在多智能体协作任务中的决策能力,范围涵盖了从核心概念的理解到实际应用场景的分析,以及相关技术的研究和实践。本文首先介绍多智能体协作任务中提升AI模型决策
OWL 的多智能体协作机制通过分层架构和模块化设计实现高效协作。它的核心组件包括 BaseAgent、ChatAgent、RolePlaying、Workforce 以及 Task 相关 Agent 等,这些组件各司其职,共同完成任务分解、角色分配和任务执行等功能。项目地址:https://github.com/camel-ai/owl。
在 AI 原生与多智能体协作迅猛发展的背景下,仅靠传统 REST/GraphQL 已难以满足“模型可调用”“可观测”“安全合规”的系统诉求。MCP(Model Context Protocol)通过标准化会话、工具注册与上下文携带,为后端能力接入 AI 打开了直接通路。本文以 Java 为例,系统阐述从 REST 到 MCP 的迁移路线:理论框架、场景价值、架构模式、Java 实战(Spring
本文探讨了6G网络智能化重构的关键技术方向。在网络架构方面,通过大模型实现空天地一体化组网优化和通感算智融合,包括智能拓扑调整、量子密钥分发、智能反射面调控等技术。终端侧则提出了通感算一体终端设计、联邦学习增强隐私、多智能体协作网络等创新方案。智能运维方面构建了多模态故障诊断、动态资源编排、意图驱动运维等系统。此外,还研究了低轨卫星智能管控、绿色节能技术及网络深度治理方法,最终形成认知型通信生态,
在LLM Agent的自动化流程中,Human-in-the-Loop(HITL,人类参与闭环)是常见的设计模式之一。特别在要求较高的企业级场景中,HITL可以让**人类**在流程中对Agent运行进行适时的监督与接入,从而提高系统的准确性、可信度和用户体验。
<br />Nexenta OS是一份免费和开放源码的操作系统,它将OpenSolaris内核与GNU应用软件系统相结合。NexentaOS运行在Intel/AMD的32位或64位架构上,并以单张可安装光盘的形式发布。可以通过高级软件包管理工具从NexentaOS软件仓库安装更新及未包含在光盘上的二进制软件包。此外,基于源码的软件组件可以从Debian/GNU Linux和UbuntuLinux的
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。
自己的电脑通过客户端代理用户提交的请求(自然语言),把MCP Server提供的工具tools说明(包括参数说明)、提示词(可选),加上用户的请求,一同提供给大模型,由大模型决定是否有合适的工具解决用户的问题,如果有就返回给客户端,由客户端调用具体的工具(数据库、服务接口等等)。在没有MCP的时候,如果智能体要调用外部的服务,通常情况下需要智能体开发者根据服务接口文档,开发连通大模型和服务接口的代
通过本文详细介绍的步骤,您已经掌握了在 Wireshark 上运用 MCP 进行网络协议分析的方法。从环境搭建、启动服务端和客户端,到在 Wireshark 中进行捕获设置和数据包分析,每一个环节都紧密相连,共同帮助您深入了解 MCP 通信的奥秘。在实际操作过程中,可能会遇到各种问题,但通过对常见问题的排查和解决,您的技术能力将得到进一步提升。未来,随着 MCP 在更多领域的应用和发展,结合 Wi
MCP百宝箱智能体是蚂蚁集团基于"模型上下文协议"(MCP)开发的智能体开发平台,提供一站式AI开发解决方案。平台支持接入主流大模型,提供50多款插件和近百款工具,覆盖政务、文旅等多个场景。通过MCP协议,不同智能体可实现高效协作。开发者可在"百宝箱MCP专区"快速调用30余种服务,最短3分钟完成智能体搭建,并享有全周期托管和动态扩展能力。平台还提供安全保障
Agent智能体API技术作为连接智能体与外部系统的桥梁,正逐步在各行业中实现广泛应用,推动工作流程的自动化和智能化。技术的发展经历了从单机Agent到协作网络的演进,MCP协议和A2A通信标准的引入,以及LangChain、AutoGen等框架的应用,都极大地提升了智能体的协同作业能力和复杂任务处理能力。行业落地案例如百度文心智能体平台和实在Agent在RPA领域的突破,展示了智能体技术在零代码
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。
AI智能体开发全流程指南:从数据准备到部署维护,涵盖数据清洗、算法选择、超参数优化、模型评估等关键环节。重点强调使用TensorFlow/PyTorch等工具进行训练优化,部署后需持续监控更新,并注重安全伦理。推荐Colab、Git等实用工具,通过系统化训练提升AI适应复杂场景的能力。(149字)
本次分享我们深入浅出地介绍了MCP(模型上下文协议)的两种通信方式:标准输入输出(stdio)和基于HTTP的服务器推送事件(SSE)。通过开发一个天气助手智能体的实战案例,生动展示了两种模式的异同——stdio适合本地高效通信,而SSE则适用于远程分布式场景。本次分享我还着重对比了代码差异,比如SSE需要URL参数,而stdio直接调用子进程。最后,还为大家安利了调试神器MCP Inspecto
*1**__—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
有很多小伙伴不知道学习哪些鸿蒙开发技术?不知道需要重点掌握哪些鸿蒙应用开发知识点?外层scroll滑动,内层waterFlow滑动,外层使用嵌套属性.nestedScroll进行联动。基于nestedScroll实现WaterFlow与Scroll混合滑动。外层list组件和内层list组件基于.nestedScroll进行联动。《鸿蒙 (Harmony OS)开发学习手册》(共计892页)第一阶
在2025年亚冬会期间,安恒信息基于安全智能体开发平台(如图1所示),以恒脑安全垂域大模型为底座,设计部署10个亚冬会专属智能体(数据安全风险评估智能体、场馆安全风险分析智能体、主机异常行为分析智能体、AI告警研判智能体、恶意IOC查询智能体、恶意IOC拓线智能体、安全情报分析智能体、恶意文件分析智能体、亚冬小恒智聊智能体、场馆安全检查助手),为亚冬会网络安全提供了丰富且专业的技术保障。三是智能分
《MCP协议:大模型与外部系统的标准桥梁》 摘要:MCP协议(模型上下文协议)作为连接大语言模型与外部系统的标准化方案,自2024年11月发布以来迅速获得行业关注。文章解析了MCP Server的三种实现形态:标准输入/输出(C/S架构)、服务器发送事件(B/S架构)和新型Streamable HTTP方式,重点指出后者在可靠性、兼容性和扩展性方面的优势。MCP协议不仅解决了大模型调用外部工具的技
您可以根据实际环境情况选择数据接入的方式,目前支持安装新的APO探针(基于OpenTelemetry)采集链路追踪数据,也支持对接已有的OpenTelemetry+Jaeger和SkyWalking数据源。本次更新带来了专为可观测性系统设计的Agentic工作流编排功能,通过使用工作流,能将你的专家经验转变为可复用的执行流程,赋予智能体专业决策能力,提高故障排查效率。详细配置方式请参考“文档”-“
主要介绍LCEL、Runnable interface、Stream的一些概念
**可视化与代码的平衡**:既推荐低代码平台(如TCADP/Coze)提效,又保留原生开发灵活性(用户有技术能力)。3.**可扩展性**:工作流需能接入现有系统(如腾讯生态或私有API),并处理复杂逻辑(如多智能体协作)。-**结构化流程**:从目标定义到测试的完整闭环,强调迭代(因用户提过知识库不准确问题,需持续优化)。-**避坑指南**:比如错误处理、异步监控(用户关心过服务器攻击、SDK稳定
本次测试所采用的智能体整合了多项功能,包括执行函数调用(function calling)、使用多种工具或技能、与外部资源建立连接,以及实现状态或记忆的共享。该智能体具备以下几项核心能力:基于知识库进行问题解答数据交互:针对 LLM 应用程序的数据进行问题解答数据洞察:对获取的数据进行更高层次的趋势和模式分析为了达成上述目标,智能体需要掌握三项基本技能:结合产品文档的 RAG、在相关数据库上生成
这两天对于国产Manus的热议为AI Agent产品概念添了一把火,引发了AI巨头们的关注和重视。今天凌晨,在没有直播预告的情况下,OpenAI首席产品官凯文·韦尔(Kevin Weil)带领研发小队直接开播,抛出了一套重磅AI Agent组合拳。OpenAI团队表示,这是一套构建模块,它们可以帮助开发人员和企业构建实用可靠的AI代理。尤其是Responses API,被视为是OpenAI API
在AI智能体浪潮席卷全球的今天,无数企业纷纷投身智能体开发的热潮中,各种“AI原生”“超自动化”概念层出不穷。重构系统时,向智能体转型的关键时刻,还是RPA在兜底。某金融案例显示,某智能体因大模型误判数据导致交易失误,最终不得不人工紧急介入,凸显了纯大模型智能体的局限性。某智能成立于2018年,以RPA为起点,逐步融合AI技术,最终推出通用智能体产品,服务超4000家企业客户。IDC数据显示,20
GitHub开源项目humanlayer/12-factor-agents提出了开发AI智能体的12项核心原则,这些原则为构建稳健、可扩展且易维护的LLM驱动型软件提供了系统指导。作为AI智能体开发者或产品经理必备的参考规范,这些原则共同构成了智能体应用开发的基石。本文将深入解析这些原则及其协同作用机制。