知识图谱标签_AI Agent技术社区

知识图谱

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

 75

 1

#人工智能 #知识图谱 #机器学习
本体论的演进：从形式语义学到知识图谱、决策与 AI Agent

形式语义↓理解世界↓知识图谱↓连接世界↓决策智能↓判断世界↓AI Agent↓行动于世界这不是本体论被 AI 取代了。恰恰相反。AI Agent 越来越强，本体的价值反而越来越高。因为当 AI 只负责聊天时，语义错误可能只是一个错误答案。当 AI 开始修改订单、调拨库存、审批合同、调度设备时，语义错误就可能变成一次真实的业务事故。它看得懂、推得清、算得准、知道边界，而且能够安全行动的业务世界。这或

 图特摩斯科技
2026-09-02 14:18:56

 388

 6

#人工智能 #知识图谱
24万星开源AI项目，改软件开发文档效率翻倍

24万星开源AI项目，改软件开发文档效率翻倍用 AI Agent 写代码，通常先让它生成一份计划文档，再照着文档写代码。计划很少一步到位，总要反复改。有没有过这样的经历，打开那份 AI 生成的计划，定位到要改的一行，复制一大段过去让它改。一来一回，极其低效。今天要介绍一个改文档的工具，它来自一个 24 万星的开源项目，出自 Anthropic 黑客马拉松获胜者之手。它把文档变成一块 HTML 画布

 lincats
2026-08-29 20:38:30

 591

 13

#人工智能 #知识图谱 #驱动开发 +1
LangChain Agent 年度报告：输出质量仍是 Agent 最大障碍，客服、研究是最快落地场景！

2025 年，让 Agent 实际投产、落地应用的最大障碍已经不再是成本问题了，而是「质量」。如何让 Agent 输出可靠、准确的内容，仍然是最难的部分。近期，LangChain 通过对工程师、产品经理、企业高管等 1300 名行业人士进行调查，深度调研了 AI Agent 目前最真实的应用情况。进入 2026 年，企业对于 Agent 的讨论焦点，已经从「要不要做」全面转向了「如何规模化、可靠且

 上马定江山
2025-12-23 16:43:15

 554

 17

#人工智能 #大数据 #知识图谱 +1
AI Agent前端落地实战：从技术成功到产品失败再到认知升级的5大关键洞见！

文章通过AI Agent前端落地案例，讲述了团队从技术成功到产品失败再到认知升级的历程。团队解决了代码预览、AI学习私有组件等技术难题，但因产品逻辑与用户习惯错位导致使用率低。通过复盘，提出应从构建独立Agent转向将能力封装为Skill嵌入现有AI开发环境，总结出技术成功≠产品成功、AI产品需"以AI为中心"思考等关键洞见。

上马定江山
2025-12-22 16:04:22

 744

 14

#人工智能 #前端 #架构 +2
2026年AI Agent工程化实战：从概念到规模化落地的完整路径！

2026年AI Agent进入工程化落地阶段，57%企业已实现生产部署。应用从内部提效转向外部创收，面临质量、延迟和安全等新挑战。开发者需构建包括架构升级、高级检索、多模型协作、全链路观测、评估驱动开发和零信任安全在内的完整工程体系，才能实现AI Agent的规模化应用。工程纪律将决定AI Agent的成败。

上马定江山
2025-12-22 16:08:45

 1180

 10

#人工智能 #知识图谱 #深度学习 +2
2026最新AI Agent高频面试题（分类型精简详解）

本文梳理AI Agent高频面试考点，覆盖基础概念、架构、推理规划、工具调用、记忆、RAG融合、多智能体与工程落地。区分Agent、Workflow与普通工具调用，讲解ReAct、Plan‑and‑Execute等主流范式，分析三级记忆机制与上下文溢出的解决办法，对比传统RAG与Agent‑RAG差异，介绍多智能体协作模式。同时总结落地痛点、优化手段和安全风控要点，划分初/中/高级面试复习重点，可

 2401_83161252
2026-08-25 11:58:56

 735

 26

#人工智能 #学习 #知识图谱
AI Agent的进程：一文理解Ontology Engineering

我们借鉴Palantir的核心技术哲学：不直接让模型理解Raw Data，而是在数据之上建立"语义层"。三层架构语义层：定义业务世界的"名词"——对象、属性与关系，统一不同系统的数据语义。数据流转层：定义业务世界的"动词"——操作、动作与流程，涵盖数据同步链路和业务函数调用。智能决策层：定义规则、权限、Agent与模型的绑定关系，让AI得以进行推理和智能决策。FDE（Forward-Deploye

天府云创
2026-08-25 10:50:37

 562

 13

#人工智能 #知识图谱 #AI Agent
他写了 2000 小时 AI 代码，开源了 50 多个 Agent 技能

David Ondrej 是一名 AI 博主，今年 22 岁，专注 AI 编程和智能体工作流。做 AI 之前，他手里有一个 40 万订阅的视频频道。三年前，他把频道放下，扎进 AI agent，一写就是 2000 多个小时。这几年他做的事不止写代码。他还是开源智能体框架 Agent Zero 的作者。三周前，他又做了一件让 AI 圈集体侧目的事。他把平时用的那一整套 agent 技能，全部开源成

 lincats
2026-08-25 07:08:09

 399

 18

#人工智能 #知识图谱 #驱动开发 +1
【案例说明】融合知识图谱、大语言模型和 AI Agent 完成能源领域知识工程工作

以海上风电场智能运维为例，分析知识图谱、大语言模型与AI Agent在知识工程中的协同作用。知识图谱负责统一组织设备、故障、告警、措施和备件等知识，形成可查询、可追溯的知识骨架；大语言模型负责理解说明书、工单和专家经验，完成知识抽取、术语归一化与文本生成；AI Agent负责任务规划、工具调用、故障诊断、工单生成和知识更新。三者通过知识采集、建模、抽取、校验、应用和迭代更新，构建智能运维闭环。同时

 苹果二
2026-08-23 18:39:20

 487

 6

#知识图谱
测试人的新风口：掌握LangChain+Playwright这套组合拳，轻松拿捏 AI Agent 测试岗

最近跟好几位测开朋友聊，话题最后都会落到同一句。AI Agent 测试岗开始招了，简历上要写自然语言驱动 UI，还要写得懂 LangChain 跟 Playwright。很多人第一反应是，这是不是又在换名词收智商税。

程序猿李巡天
2026-08-22 10:45:00

 213

 8

#人工智能 #知识图谱 #jvm +2
AI Agent 知识图谱一定要用图数据库吗：一个被混淆了十年的问题

知识图谱和图数据库是两个正交维度：知识图谱是"怎么组织数据"，图数据库是"存在哪"。一个 SQL 例子证明知识图谱可以存进 MySQL，2 个正交维度 + 5 跳判断标准，帮你做出正确的选型决策。AI Agent 架构设计系列。

qwzh110
2026-08-22 08:15:00

 595

 17

#人工智能 #知识图谱 #数据库
Graphiti：为 AI Agent 构建“会随时间变化”的知识图谱

Graphiti 支持自定义实体类型，这一点特别有意思。官方文档将 Custom Entities 作为核心能力之一，可以通过开发者定义的实体类型来约束和改善知识表示。比如做一个 CRM Agent。CustomerCompanyContractProduct邮件CRM聊天记录合同会议纪要里面不断抽取这些实体。

JavaPub-rodert
2026-08-21 15:10:24

 407

 9

#人工智能 #知识图谱
Agent为什么需要沙盒？产品经理必须理解的AI安全边界

刚开始使用一个能执行任务的AI Agent，很多人遇到的第一个困惑不是它能做什么，而是它为什么总在问我。我让它修改一个文件，它问我是否允许写入；它准备运行测试，又问我是否允许执行命令；它要安装依赖、读取网页或调用外部服务时，还会弹出网络访问确认。任务明明是我发起的，为什么每走一步都要重新批准？

程序猿李巡天
2026-08-21 13:57:06

 196

 4

#产品经理 #安全 #架构 +3
从 RAG 到 MCP 再到 A2A：构建一个真正的 AI Agent 全栈指南

当下，有三个缩略词（Acronyms）正在重塑真实世界的 AI 产品构建方式：**RAG**、**MCP** 和 **A2A**。大多数开发者对其中至少一个有所了解，但能清晰划清三者边界的人却寥寥无几。而这个认知鸿沟，恰恰解释了为什么一个 Agent 在 Demo 中可以看起来很"魔法"，到了生产环境却变得缓慢、混乱，甚至真的不安全。

小马不会过河
2026-08-21 11:53:33

 238

 5

#人工智能 #数据库 #java +2
AI Agent（智能体）的架构设计

AI Agent（智能体）的架构设计旨在将大语言模型（LLM）的推理能力与外部工具、记忆、执行环境相结合，实现“感知-规划-执行-反馈”的自主闭环。一个生产级的AI Agent架构通常采用分层设计，结合不同的控制流模式，并遵循特定的工程化原则。

程序猿李巡天
2026-08-20 22:23:43

 194

 6

#人工智能 #知识图谱 #jvm +2
企业级 AI Agent 系统架构

这张架构图把企业级 AI Agent 拆成七层：感知输入、意图理解、规划编排、记忆、执行与工具、反思反馈、输出。它不只是技术堆栈的罗列，更是一套让大模型从「聊天工具」变成「可自主完成任务的数字员工」的工程化方法论。本文按图的脉络逐层拆解，并给出落地时最容易踩的三个坑。

小马不会过河
2026-08-20 21:58:06

 182

 6

#人工智能 #系统架构 #架构 +2
如何用AgentMemory管理Continue的会话记忆

agentmemory是AI辅助编程经常会用到的会话内容持久化记忆的开源工具。这里探索agentmemory如何在本地配置，如何应用到VSCode+Continue的辅助编程环境中。所用示例参考和操作步骤，均参考和修改自网络公开资料。

liliangcsdn
2026-07-30 19:15:40

 240

 4

#知识图谱 #人工智能
如何用思维链提示方法提升ChatGPT的数学推理能力？实测效果超乎想象

本文深入探讨了思维链提示方法如何显著提升ChatGPT的数学推理能力，通过对比实验展示其在代数、几何、概率等领域的应用效果。结合大规模语言模型和知识图谱技术，思维链提示不仅提高了解题准确率，还增强了模型的逻辑推导和自我修正能力，为复杂数学问题提供了高效解决方案。

香菜滚出地球
2026-02-24 11:18:51

 206

 4

#知识图谱
Go语言实现LLM推理图：有状态多步Agent执行引擎

特性DAG引擎(第一篇)StateGraph(本篇)节点间流转固定拓扑动态路由状态传递input map全局State对象循环不允许(检测到报错)允许(有防护上限)适用场景确定性任务编排不确定性Agent推理复杂度O(V+E)拓扑排序步数上限控制。

Leo_Wcg
2026-06-30 01:20:02

 184

 3

#golang #网络 #人工智能 +2
Agent Memory 设计指南：AI 助手到底应该记住什么？

做 AI 产品时，很多人一谈到 Memory，就容易先去看技术选型——向量库、embedding、RAG，这些概念对从业者来说并不陌生。但真正动手时，最先卡住的往往不是技术，而是另一个问题：哪些信息值得保留、什么时候该出现、出现时能不能信得过。

程序猿李巡天
2026-07-17 18:08:53

 227

 4

#人工智能 #elasticsearch #大数据 +2
用Python和PyTorch实现双曲几何嵌入：从庞加莱球模型到知识图谱实战

本文详细介绍了如何使用Python和PyTorch实现双曲几何嵌入，特别是庞加莱球模型在知识图谱中的应用。通过对比双曲空间与欧式空间的本质差异，展示双曲几何在处理层次结构数据时的优势。文章提供了完整的代码实现，包括庞加莱嵌入层、黎曼优化器以及知识图谱实战案例，帮助开发者掌握这一前沿技术。

没吃药的小沙弥
2026-04-26 09:18:31

 355

 4

#知识图谱
WeKnora数据科学应用：Python实现知识图谱可视化

本文介绍了如何在星图GPU平台自动化部署🧠 WeKnora - 知识库问答系统镜像，实现知识图谱数据的可视化分析。通过该平台，用户可快速构建交互式知识图谱，应用于企业文档智能分析、实体关系挖掘等场景，提升知识管理效率与决策支持能力。

青妍
2026-02-18 00:40:50

 299

 3

#知识图谱 #数据可视化
图解订票agent必懂的20个意图识别核心概念

帮我订一张明天从北京到上海的高铁，早上8点左右，二等座。这一句话，系统要完成20个步骤：先判断你是要订票还是查班次（判断错了就返回时刻表而不是付款链接），再识别出"北京"指的是北京南站不是北京站（高铁主要从南站发车），再把"早上8点左右"解析成06:00到09:30这段时间范围……任何一步出错，要么系统多追问你两轮，要么给你订了一张退不了的错票。

小天才学习机打游戏
2026-05-03 22:02:36

 383

 8

#javascript #前端 #开发语言 +4
深度拆解企业级 Agent 架构：LangGraph + 知识图谱 + 向量检索的协同设计

企业级Agent技术底座需突破单轮对话限制，构建动态编排、混合检索与知识图谱协同的三大支柱。LangGraph引擎实现复杂任务的可恢复执行，支持条件分支与并行处理；向量检索（Milvus）与全文检索（Elasticsearch）混合架构兼顾语义与精确匹配；Neo4j知识图谱解决跨文档关系推理难题。

adinnet2026
2026-07-22 17:51:06

 684

 18

#架构 #知识图谱 #人工智能
面向多模态RAG与智能Agent的生成式引擎优化（GEO）：企业数字知识图谱重构实战

摘要：随着大语言模型（LLM）向多模态、多智能体协同演进，搜索引擎优化（SEO）逻辑发生根本性变革。传统SEO方法失效，企业需转向知识图谱与实体语义对齐技术。本文提出基于Python的实战方案（含代码示例），通过构建企业级实体语义聚类与图谱对齐，提升多Agent检索命中率。同时强调数据清洗、参数标准化及跨渠道一致性，以消除大模型幻觉。针对企业转型难题，文章梳理了AI搜索优化服务商的四大评估维度（探

 Scott9999HH
2026-07-27 13:34:58

 452

 16

#知识图谱 #重构 #人工智能
工业 Agent 的边缘部署：Ollama + LangChain4j 本地推理方案

工厂网络不稳定、数据不能出厂、延迟要求毫秒级——云端 LLM 满足不了这些硬性要求。边缘推理让 Agent 在本地跑模型，断网也能工作。

Python编程杰哥
2026-07-02 21:20:33

 174

 7

#人工智能 #大数据 #python +2
Agent不是进程，是带状态的推理循环

一、进程是“一次性工具”，Agent是“终身学习者”三、推理循环：感知-思考-行动-反思的永动引擎。二、状态是Agent的生命线，而非临时变量。Agent不是进程，是带状态的推理循环。五、构建面向Agent的新一代计算范式。#状态推理 #终身学习 #认知循环。四、调试与运维：从看资源到读思想。

龙腾AI白云
2026-07-16 23:19:07

 196

 5

#人工智能 #知识图谱
Multi-Agent协同设计

你让一个 Agent 写代码、审查、测试、部署全包了，结果代码质量差、审查走形式、测试覆盖率低——这不是 Agent 能力不行，是**角色设计出了问题**。就像一个全栈工程师既写前端又写后端还做运维，不是不能干，而是精力分散后每样都干不精。多 Agent 协同的本质不是"多找几个人干活"，而是 **通过角色分离，让每个 Agent 只聚焦一件事，再通过结构化的协调机制让它们合力产出高质量结果

 Python编程杰哥
2026-07-03 21:21:20

 213

 6

#人工智能 #爬虫 #知识图谱 +2
RAG Agentic实战教程：从0到1无缝融合本地知识与实时网络信息

在智能体RAG中，智能体人工智能的决策能力与检索增强生成（RAG）的适应性相结合。它们共同构成了一个能够独立访问、推理和生成相关信息的系统。

人工智能小豪
2026-03-23 10:06:21

 330

 8

#知识图谱 #人工智能 #java +1
2026，做Agentic AI，绕不开这两篇开年综述

2025是Agent元年，2026年**Agent**迈入科研&落地深水区，推荐2篇开年必读综述：一篇剖析**Agentic AI**范式演进与挑战；另一篇拆解**AI Agent**系统架构。

程序猿李巡天
2026-03-12 21:37:58

 196

#人工智能 #cnn #神经网络 +2
Neo4j实战：用Python构建社交网络关系图谱（附完整代码）

本文详细介绍了如何使用Python和Neo4j构建社交网络关系图谱，涵盖数据建模、关系建立、复杂查询等核心环节。通过实战案例和完整代码，帮助开发者掌握知识图谱技术在社交网络分析中的应用，提升数据处理和查询效率。

silver
2026-02-24 07:01:57

 949

 19

#知识图谱
多轮 Agent 会话爆雷？7 套工程化解决方案，从 90% 幻觉到 97% 可用！

本文探讨了大模型与Agent技术结合在多轮业务流程中的挑战与解决方案。文章指出，单轮Agent架构在天气查询等简单场景表现良好，但在预订、审批等多轮流程中存在四大核心问题：话题插入导致流程中断、机械式槽位追问、高准确率低完成率的"幻觉"现象，以及中断恢复能力脆弱。这些问题源于动态意图识别与多轮会话需求的结构性冲突。作者提出7套工程化解决方案，包括状态持久化、跳跃式引导、混合架构等，并通过案例展示如

 python零基础入门小白
2026-07-14 20:45:23

 244

 3

#java #开发语言 #学习 +3
我观察了一年，发现90%的Agent教程一开始就教错了

大部分Agent教程，第一节课都在教你"怎么调LLM API"、"怎么写prompt"、"怎么function calling"。

小天才学习机打游戏
2026-05-27 21:03:15

 428

 11

#人工智能 #决策树 #大数据 +2
知识图谱+LLM：增强Agent的事实推理能力

虽然“知识图谱”这个术语已经被广泛使用，但在不同的语境下可能有不同的含义。一种采用图结构来建模、存储和处理知识的数据结构，其中节点代表实体，边代表实体之间的关系。更正式地说，一个知识图谱GGGGhrt∣ht∈Er∈RG{(hrt∣ht∈Er∈REEE是实体（Entity）的集合，RRR是关系（Relation）的集合，hrt(h, r, t)hrt表示“头实体hhh通过关系rrr与尾实体ttt相连

 weixin_51960949
2026-04-22 21:42:47

 185

 2

#知识图谱 #人工智能
爆款预定！AI智能体(Agent)保姆级入门指南，零基础小白也能轻松上手

这篇文章将为你献上一份保姆级的入门指南，即使你是完全零基础的小白，也能轻松理解AI Agent的核心概念，并开启你的智能体探索之旅。

AI小白龙*
2026-03-12 11:29:55

 216

 4

#人工智能 #知识图谱 #算法 +1
AdaMem：清华/微信提出 Agent 记忆系统新 SOTA

AdaMem 把对话记忆从扁平的向量化检索，升级为"四层结构分类存储 + 动态路由检索"，在长周期对话推理和用户画像任务上都达到了 SOTA 效果

 Python_金钱豹
2026-03-23 14:14:45

 172

 3

#微信 #知识图谱 #人工智能 +2
Hermes Agent 多智能体怎么用？三种方式一文讲透

一个 Agent 不够用？分身、组队、临时工，三种玩法各有乾坤。

小天才学习机打游戏
2026-07-23 22:05:38

 257

 2

#知识图谱 #人工智能 #java +2
从零开始理解 Agent：LangChain / LangGraph / DeerFlow 小白入门指南

这篇文章帮你搞懂三件事：Agent 到底是什么？三个热门框架是什么关系？怎么从零开始搭建一个 Agent 运行时？一、先搞懂一个概念：Agent 不是 ChatBot 很多人把 Agent 和 ChatBot 搞混。区别其实很简单：ChatBot 只会对话聊天，而Agent 会做事。Agent 的核心能力是**调用工具**。它不是一个只会聊天的模型，而是一个能**理解需求、选择工具、执行操作、观

 小马不会过河
2026-07-22 21:47:14

 237

 5

#人工智能 #知识图谱 #大数据