机器学习标签_AI Agent技术社区

机器学习

AI编程Agent闭环：工具选型检查项与协作调整

Loop 工程这个说法值得拆开看。公开描述把 AI 编程的当前阶段概括为：AI Agent 可以自主完成触发、执行、评估与重试构成的闭环。这四个词其实是一份现成的检查表——任何一个宣称支持 Agent 编程的工具，都可以放进这四个环节里逐项核对，看它覆盖了哪一段，又在哪一段交还给人和流程。

天风之翼
16小时前

 41

#人工智能 #机器学习 #深度学习
AI Agent上线后怎么升级？先建立一套可回滚的变更控制

提示词、模型、工具和知识库的升级都可能改变 Agent 行为。本文给出变更单、固定样本、双轨回放、灰度切换和回滚的最小工程闭环。

nagualky123
19小时前

 386

 1

#人工智能 #软件工程 #语言模型 +1
6个核心概念助你告别AI生产环境踩坑：小白也能看懂的大模型实践指南（收藏版）

本文通过三个关键问题剖析AI Agent架构中Tool与Skill的本质差异：技能（Skill）不仅是工具的组合，更是集编排、领域知识、生命周期管理于一体的能力封装。相比原子级的Tool，Skill实现隐性经验显性化，支持按需加载与版本迭代，解决上下文爆炸与知识沉淀难题。以Claude Code为例，其三级披露机制凸显了Skill在降低注意力负担、提升系统可维护性上的价值。未来AI架构的核心竞争力

 网络安全工程师小龙
20小时前

 42

#人工智能 #开发语言 #机器学习 +1
万字讲透AI知识图谱：设计思想、企业ROI与轻量级落地实践

这几年我们一直在深耕 AI Agent 与大模型应用，比如 JitKnow AI 知识库、JitWord协同AI文档、Pxcharts 超级表格，同时也持续在给大家分享 GitHub 上真正能落地、能解决实际问题的优质AI开源项目。

程序猿李巡天
1天前

 28

 2

#机器学习 #人工智能 #python +2
一文彻底搞懂AI Agent是什么，大模型入门到精通，收藏这篇就足够了！

OpenAI 将AI Agent（智能体）定义为，以大语言模型为大脑驱动，具有自主理解感知、规划、记忆和使用工具的能力，能自动化执行完成复杂任务的系统。它不像传统工具只会“被动干活”，而是可以像“数字员工”一样，自己接任务、做规划、找方法，还能不断自我优化。想象你招了个“超级员工”：它自己会拆解任务，主动调用工具，持续进化不摆烂。简单来说，它具备三个“核心技能”：👁️ 能看懂：能感知客户行为、文

 IT职业领路人
1天前

 411

 4

#人工智能 #深度学习 #机器学习
AI Agent 工具越多越聪明吗？今天的热点告诉你：真正难的是“让 Agent 一直可靠地干活

随着 AI Agent 从简单的工具调用逐渐发展到长时间、自主化的任务执行，Agent 的技术重点正在从“模型有多聪明”转向“系统能不能稳定地把事情做完”。本文结合近期人工智能领域的热点，围绕 Agent 工具膨胀、上下文管理、长任务执行、Checkpoint、Harness、Multi-Agent、模型路由以及安全治理等问题展开分析。通过多个实际场景，用通俗易懂的方式讲清楚为什么工具并不是越多越

 打工仔折腾 AI
2026-09-13 18:32:25

 414

 3

#人工智能 #深度学习 #机器学习
零基础小白也能掌握的AI Agent搭建秘籍，年薪50万+不是梦！

本文揭示了AI Agent搭建的巨大潜力，以及普通人如何通过学习相关技术实现年薪大幅提升。文章详细介绍了Agent的价值、真实案例分享以及零基础入门的步骤，强调业务理解和执行力的重要性。对于想要转行或提升技能的程序员和小白来说，这是一份宝贵的指南。大家有没有发现一个很有意思的现象？身边很多被裁员的前端、面临岗位优化的运营、天天加班做表格的普通打工人，突然悄悄换了个赛道，工资直接翻了一倍。重点是，他

 编程唐小宝
2026-09-09 11:42:49

 264

#人工智能 #机器学习 #学习
从 Agent Demo 到持续落地运营：为什么需要一套闭环运行架构？

AI Agent 从 Demo 走向生产环境，难点不再只是模型能力和工具调用，而是如何在动态业务中持续感知状态、理解变化、完成决策、推动执行并接收反馈。本文从 AI Factory 运行逻辑出发，解析生产级 Agent 如何由一次任务执行走向持续闭环，并进一步梳理数字化系统、Factory Brain、专业 Agent 与反馈机制之间的协同关系，探讨 AI 从“能完成任务”走向“可持续运营”的关键

 qq_40453532
2026-09-07 16:48:11

 345

 6

#架构 #人工智能 #大数据 +2
企业 AI Agent Harness Engineering 知识图谱构建：从非结构化文档到结构化三元组的抽取 pipeline

定义从非结构化文档到知识图谱再到AI应用的完整工作流程，包括质量控制和审核机制。

禅与计算机程序设计艺术
2026-09-05 14:23:20

 92

 1

#人工智能 #知识图谱 #机器学习
深入理解 AI Agent 架构：从单 Agent 到多 Agent 协作

AI Agent 是能够自主感知环境、做出决策、执行行动的人工智能系统。感知 (Perception)：观察环境状态、接收用户输入、读取工具结果推理 (Reasoning)：分析信息、规划任务、做出决策行动 (Action)：执行工具调用、操作环境、生成响应Agent = LLM + 工具 + 记忆 + 规划Agent 是一个有"目标感"的 LLM，它不仅能思考，还能主动采取行动。LangGrap

tiger865
2026-09-05 07:26:55

 227

 6

#人工智能 #机器学习 #深度学习 +2
Hermes 全配置指南：从裸版到 AI Agent 天花板

选对模型版本、对齐聊天模板、跑通 Function Calling 闭环、用框架编排并加护栏。这一步一步串起来并不神秘，难点往往不在「模型会不会调工具」，而在工具描述是否清晰、闭环是否健壮、部署是否可观测。建议你从最小的 7B/8B 量化版开始完整走一遍本文链路，再逐步替换为更大参数版本。工程上持续积累「工具回归用例」与「真实任务评测集」，远比频繁换模型更能提升 Agent 稳定性。希望这份指南能

 2601_96492900
2026-09-04 20:53:15

 377

 7

#人工智能 #数据挖掘 #算法 +3
对于AI：AI的科普

人工智能已经从科幻概念发展为日常工具，正在深刻改变我们的生活和工作方式。文章系统介绍了AI的本质、发展历程、技术原理和应用场景。核心内容包括： AI本质是通过数据学习规律，而非预设规则，其能力取决于学习方法和数据质量；深度学习通过神经网络自动提取特征，突破了传统机器学习的局限； AI发展经历了理论奠基、两次寒冬和爆发期，近年因大模型取得突破性进展；主要技术领域包括自然语言处理、计算机视觉、语

 ShineWinsu
2026-09-04 12:17:29

 748

 20

#数据挖掘 #大数据 #人工智能 +2
基于AI Agent、RAG、工具调用与工作流编排的智能问答系统完整实施方案

本方案融合AI智能代理（Agent）、检索增强生成（RAG）、大模型工具调用、可视化工作流编排四大核心技术，搭建一套轻量化、可扩展、可定制的通用智能问答系统。系统具备自主问题拆解、知识库精准检索、外部工具联动、流程自动化执行、多轮对话记忆、答案溯源纠错能力，可适配企业内部知识库问答、客户智能客服、公文答疑、技术文档问答、行业智能咨询等全场景。

奋力向前
2026-09-03 15:33:55

 424

 8

#人工智能 #机器学习 #大数据
从工具到个人助理——AI Agent的原理、演进与安全风险

摘要AI Agent作为2025至2026年间最具变革性的技术方向之一，正在重塑人机交互的边界，推动人工智能从被动响应向主动服务的跨越。通过构建感知、规划、决策与反思等核心模块，结合工具调用能力与分层记忆管理机制，AI Agent已具备多步骤推理与环境交互能力，成为大模型时代技术落地的核心应用形态。

网络安全工程师小龙
2026-09-01 10:00:39

 350

 3

#人工智能 #安全 #机器学习 +2
AI Agent 核心概念解析：收藏这份指南，小白也能轻松入门大模型世界！

这两个概念可以放在一起讲，因为它们都会影响 Agent 下一步怎么做；但它们并不是一回事。Context Engineering 讲的是模型在每一步到底看见什么，Policy 讲的是基于这些输入表现出怎样的行为方式。所以，AI Agent 不是一个单独的新模型名词。它更像是一整套围绕模型搭起来的系统：模型负责理解和决策，工具负责行动，执行系统负责把任务一轮轮推进下去。把这些概念分清之后，再去看各种

 冻感糕人~
2026-09-01 09:15:00

 400

 14

#人工智能 #机器学习 #大数据 +1
Skill开发从零到能用

Skill 就是给 AI 的一份“照着做”的说明书，装在一个文件夹里。AI 再聪明，也有两件事它天生不知道：你们公司的规矩、内部叫法、接口怎么调；某一类活到底按什么顺序干。Skill 就是把这两类“怎么做”写下来。AI 遇到对应的活儿，自己会翻这份说明书照着做。打个比方：AI 是刚入职的新人，Skill 就是给他的岗位手册。没手册，他只能瞎猜。

坐视万物皆浮尘
2026-09-01 00:29:39

 619

 18

#人工智能 #大数据 #机器学习
zg 正式开源：本地检索，不止于关键词

🚀 zg（zvec-grep）正式开源！　我们打磨了一款面向人与 AI Agent 的「本地检索工具」——默认在本机完成索引与检索，既能理解模糊意图，也保留 rg 的精确与高效。

DashVector
2026-08-31 17:48:47

 414

 5

#开源 #人工智能 #大数据 +3
Skill 市场爆发四万项，但 62% 半年未更新——如何验证一个 Skill 的真实能力？

Skill 市场的繁荣是 AI Agent 生态成熟的标志，但数量不等于质量，描述不等于能力。当前 Skill 市场正在经历的，是每一个技术生态从诞生到成熟都必须经过的"野蛮生长期"——npm 如此，VS Code 插件如此，今天的 Skill 也是如此。作为 Skill 的使用者，我们没法改变市场的整体质量分布，但可以通过系统化的验证方法，在良莠不齐的海洋中筛选出真正可靠的能力模块。

Efiwob?
2026-08-31 14:20:03

 571

 9

#人工智能 #机器学习
AI Agent 从 Demo 到工业落地：Skills、Trajectory、Policy 与 Omniverse 训练体系解析

本文观察 Agentic AI 背后的计算架构变化，重点解析生产级 AI Agent 的训练逻辑：为什么 Agent Demo 进入真实工厂后难度骤增，以及如何通过 Knowledge、Skills、Trajectory、Rollout、Policy 构建任务能力。进一步结合工业场景，围绕设备知识与运维、生产协同、系统调用及多 Agent 协同等实际场景，讨论 AI Agent 如何从“回答问题”

qq_40453532
2026-08-27 17:08:07

 465

 13

#人工智能 #机器学习 #深度学习 +2
智能体性能评估

在传统的生成式 AI 应用中，评估的核心通常聚焦于单次输入输出（Single-turn I/O）的质量。例如，通过 RAG Triad 评估检索的相关性与回答忠实度，或通过预设标准答案评估数学推理的准确率。然而，一旦进入AI Agent（智能体）│ 传统 LLM 评估 vs Agent 智能体评估 ││ 评估维度 │ 传统 LLM 评估 │ AI Agent 智能体评估 ││ 交互模式 │ 单轮

 tachibana2
2026-08-27 09:30:00

 337

 10

#人工智能 #机器学习 #数据库 +1
AI Agent 架构全解：LLM、Skills、Tools、Memory 与 MCP 如何协同

本文面向想弄懂"AI Agent 到底是什么、为什么能自己干活"的读者。跟着一个例子看完，就能理解它的架构与协同机制。

程序猿李巡天
2026-08-26 20:43:53

 380

 12

#人工智能 #架构 #剪枝 +3
AI大模型与数学·第56课快速傅里叶变换FFT：DFT高效优化算法，图像、音频、扩散模型工程加速核心工具

本文介绍了快速傅里叶变换（FFT）的算法原理及其在AI工程中的应用。FFT通过利用旋转因子的周期性和对称性，采用分治策略将离散傅里叶变换（DFT）的时间复杂度从O(N²)优化至O(NlogN)，显著提升了计算效率。文章详细推导了基2-FFT的分治过程，解释了蝶形运算这一核心计算单元，并对比了FFT与DFT的性能差异。在应用层面，FFT已成为图像处理（降噪、压缩）、语音识别、扩散模型和时序预测等AI

船厂电气自动化ai大模型
2026-08-26 08:17:05

 600

 19

#机器学习 #人工智能 #算法 +2
Agent 技术原理与架构解析

AI Agent（智能体）的技术架构，本质上是让大语言模型（LLM）从"能说会道的大脑"，进化成"能动手解决问题"的完整系统。它的核心是一个"思考-行动-观察"的循环，让AI能自主完成复杂任务。核心架构：四大关键模块。

游民一枚
2026-08-24 11:27:35

 354

 4

#人工智能 #开发语言 #算法 +1
初见DeepSeek Harness和论文解析

DeepSeek 于 2026 年 8 月开源了 AI Agent 运行时框架 DeepSeekHarness（DSH），核心理念是"一切皆插件"——模型适配器、工具注册表乃至 Agent 主循环都可热替换，发布数日即收获超 14.9 万Star。本文前半介绍 DSH 的安装与四种运行模式，后半整理其底层框架 Cordis 的论文《A Programming Paradigm forSpatiot

小综t
2026-08-24 00:10:32

 629

 3

#人工智能 #机器学习
机器流量首次超过人类，互联网进入“三体流量时代”？

从这个意义上看，瑞数信息此次发布的《2026自动化威胁报告》，不仅是一份对自动化攻击趋势的年度观察，也提供了一个观察AI Agent时代网络安全变化的新视角：未来的互联网，可能不再只是“人与机器交互”的网络，而是一个人类、Bot与Agent共同参与的复杂数字生态。当用户打开网页、搜索商品、调用服务时，越来越多的请求背后，可能并不是一个真实的人，而是Bot、爬虫，甚至是能够自主理解任务、调用工具并完

 中國龍在廣州
2026-08-20 11:15:00

 178

 4

#人工智能 #大数据 #算法 +2
AI大模型与数学·第43课傅里叶级数（量子态波函数前置）

本文深入解析了傅里叶级数作为现代数学、AI和量子物理核心工具的重要地位。课程阐明：任何周期性波动都可分解为基频正弦波与高频谐波的叠加，这与泰勒展开的局部曲线拟合形成互补。通过方波分解案例，直观展示了傅里叶级数处理非光滑波形的优势。重点揭示了其在三大领域的应用：1）AI领域（图像压缩、扩散模型降噪、语音识别）；2）工程领域（信号处理）；3）量子物理（为波函数叠加原理奠基）。特别强调傅里叶思想与量子态

 船厂电气自动化ai大模型
2026-08-20 08:14:42

 455

 10

#机器学习 #算法 #深度学习 +2
企业选购AI会议助手，真正该比较的不是功能数量，而是语音识别底座

其中ASR，也就是Automatic Speech Recognition，是把语音变成文本的核心环节。这一层一旦发生错误，错误会沿着后续链路继续传递。例如原话是：“第三季度采购预算调整为一百五十万。如果ASR阶段把“一百五十万”识别成“一百五十五万”，后面的大模型即使把会议纪要整理得非常漂亮，也很难凭空知道原始语音实际上说了什么。更麻烦的是，人名、企业名称、金额、日期、型号、项目编号这类信息，本

 shxjnpl
2026-08-19 19:27:02

 319

 7

#人工智能 #语音识别 #机器学习
制造业生产排程智能体能解决什么问题：2026工业Agent落地深度解析与主流方案横评

文章摘要：制造业智能化转型中，生产排程智能体（AI Agent）已从辅助工具升级为具备自主决策能力的“数字员工”，有效解决插单、设备故障等动态扰动问题。2026年，大模型与工业软件融合推动智能体实现感知-决策-执行闭环，突破传统自动化局限。主流方案包括：实在智能的实在Agent（基于TARS大模型与ISSUT技术，支持非侵入式跨系统集成）；西门子ICX（专注PLC自动化与代码生成）；华为云智能体

 国内电商Agent丨实在智能
2026-08-19 17:22:36

 176

 6

#人工智能 #算法 #机器学习
AI Agent 必知必会 - Zero shot few shot

【代码】AI Agent 必知必会 - Zero shot few shot。

Starrier
2026-08-19 11:04:32

 233

 4

#人工智能 #机器学习 #深度学习
【AI Agent面试题】Agentic RAG 和传统 RAG 的区别？

传统 RAG 里检索是一条写死的流水线，Agentic RAG 把检索这件事"决策化"了——查不查、查几次、怎么改写、够不够，全交给 Agent 自己判断。下面把这句话拆开讲透。

瓦罗兰特顶级C位
2026-08-19 10:10:46

 204

 8

#人工智能 #机器学习 #前端 +2
如何选择合适的背单词软件：深度分析与品牌推荐

随着技术的发展，口碑好的背单词软件品牌和忘不掉的背单词软件品牌正不断融入新技术，如口语常用单词的智能语音识别和高频英语单词的动态学习计划等。背单词APP推荐中，一些应用已经开始使用大数据分析用户学习习惯，提供个性化学习方案。

单词记忆方法研究
2026-08-18 08:53:25

 212

 9

#人工智能 #机器学习 #学习方法
Python中的上下文管理器：原理与实践

计时器上下文管理器# 使用计时器# 临时更改环境变量import oselse:# 使用环境变量上下文管理器上下文管理器是Python中的一个强大特性，它为资源管理和状态管理提供了一种优雅、安全的方式。核心原理：上下文管理器的基本概念、工作原理和优势实现方法：如何使用类和装饰器实现上下文管理器内置支持：Python内置的上下文管理器和contextlib模块高级应用：嵌套上下文管理器、ExitSt

雷帝木木
2026-03-27 16:32:13

 3441

 27

#python #机器学习 #深度学习 +1
从原理到实战：一文读懂主流交叉验证技术及其Python/R实现

本文全面解析主流交叉验证技术，包括K折交叉验证、留一法、分层交叉验证等，并提供了Python/R实现代码。通过实战案例展示如何提升模型稳健性，特别适合小样本数据、复杂数据分布及模型调参场景，帮助数据科学家避免常见陷阱。

我会笑你一辈子的
2026-04-10 10:17:42

 225

 3

#机器学习