登录社区云,与社区用户共同成长
邀请您加入社区
你的 Agent 是否也存在"Token 越烧越多、上下文越跑越乱、一断对话就失忆"的问题?2026 年 1 月,火山引擎 Viking 团队开源了专为 AI Agent 设计的上下文数据库 OpenViking,主张"记忆、资源、技能,皆为文件"。本文从实际痛点出发,深度拆解它如何用统一文件系统(viking:// URI)解决上下文碎片化、用 L0/L1/L2 分层加载控制 Token 消耗、
文章摘要:火山引擎Agent Plan智能体编排平台技术测评 本文对字节跳动火山引擎推出的Agent Plan智能体编排平台进行了全面技术测评。该平台采用分层微服务架构,包含基础设施层、大模型服务层、Agent运行时层、编排引擎层和应用接入层,支持多模型接入和灵活切换。核心能力包括:多模态任务理解与分解、丰富的工具调用与自定义工具创建、分层记忆管理体系(工作/会话/长期记忆)。平台通过DAG执行引
当前,以大模型为代表的 AI 技术正深刻重塑证券行业决策范式。“人+AI”协同已成为行业共识,如何突破传统展业中等瓶颈,构建覆盖投资展业全链条智能决策支持体系,已成为券商数智化转型的核心命题。广发证券股份有限公司(以下简称“广发证券”)与火山引擎围绕这一目标展开合作,通过引入火山引擎智能营销 Agent,在让用户能低门槛在专业场景适用 AI 能力的基础上,持续以(路由准、回答准)为目标,不断提升服
针对千万级 AI 搜索场景 ReAct 三节点架构延迟高、流程割裂问题,火山引擎推出 Unified Policy 架构,将多节点决策合并为单一策略中心,全部系统行为标准化为工具,配套上下文治理,显著降低响应延迟、提升可扩展性。
Agent,中文译为"智能体"或"代理",是人工智能领域一个核心而古老的概念。在经典的人工智能教材中,Agent被定义为*“能够感知环境并采取行动以最大化某种目标函数实现的实体”*。感知(Perception)决策(Decision)和行动(Action)。从哲学意义上讲,Agent概念触及了人类对"智能"本质追问的核心。哲学家们长期争论的一个问题是:什么是"意向性"(Intentionality
【火山引擎AgentPlan安全功能深度解析】本文系统剖析了火山引擎智能体平台AgentPlan的核心安全机制,重点聚焦Loop模块的多层次防护体系。通过架构图和工作流分析,详细解读了其四大安全防线:输入过滤(防指令注入/敏感词)、动作校验(权限控制/参数验证)、沙箱执行(资源隔离/环境限制)及输出净化(脱敏/合规检测)。文章结合YAML配置示例和伪代码演示了安全策略的实施,并提供了客户服务智能体
新车定位"智慧性能旗舰SUV", AI车载伴侣“奥迪助手2.0”搭载豆包大模型,实现更强大的语义理解、多轮对话、长期记忆及车控交互。豆包大模型为“奥迪助手2.0”带来行业首个生成式全情感化语音,让奥迪助手能呈现喜怒哀乐复杂的情感交互表达,像真人一样感知并回应你的情绪,连哄娃都不在话下。此前上市的AUDI 首款量产车型——奥迪 E5 Sportback 也搭载了豆包大模型,火山引擎与上汽奥迪在智能座
豆包大模型与Seed2.1火山引擎Agent Plan技术测评摘要: 2024-2026年是AI Agent从概念验证到规模化落地的关键期,火山引擎凭借豆包大模型系列占据中国公有云MaaS市场49.5%份额。2026年发布的Seed2.1系列采用混合专家架构(MoE)、深度思考架构和多模态编码体系三大核心技术,通过动态推理深度控制和缓存复用机制显著提升生产场景适用性。测评显示该系列在GDPVal等
“豆包汽车”,赛力斯真正操盘一个新品牌的开始。
MCP协议开发实战:AI Agent工具链构建指南 摘要 本文深入探讨了2026年AI Agent开发的关键技术Model Context Protocol(MCP),这一由Anthropic开源的开放标准协议已成为连接AI与外部系统的行业标准。文章系统性地解析了MCP协议的核心架构,包括其分层模型设计(协议层、传输层、服务层)和三大核心原语(Resources、Tools、Prompts),并对
Windows安装opencode配置火山方舟DeepSeek、GLM等模型
Claude Code 提示 Not logged in /loginClaude Code key url配置问题,火山方舟Unable to connect to Anthropic servicesFailed to connect to api.anthropic.com: ERR_BAD_REQUEST
大语言模型API调用是当前人工智能应用开发的基础技术之一。其核心原理是通过HTTP请求与云端模型服务交互,实现文本生成、对话交互等功能。在工程实践中,开发者需要掌握token计算、请求优化等关键技术,以提升资源利用效率。火山引擎平台提供了GLM5.2模型的免费额度,支持开发者在零成本条件下进行模型能力验证。通过合理的额度规划和使用策略,可以覆盖个人学习、原型开发等多种应用场景。本文重点探讨如何高效
大语言模型(LLM)作为人工智能领域的核心技术,通过预训练和微调实现自然语言理解与生成。其原理基于Transformer架构,通过自注意力机制处理序列数据,在代码生成、文本总结等场景展现强大能力。API调用作为模型落地的重要方式,火山引擎平台提供的GLM5.2模型支持128K长文本处理,具备优秀的中文优化和代码能力。在实际工程实践中,开发者需关注免费额度的合理利用,通过批处理、缓存策略等技术优化成
大语言模型(LLM)通过深度学习技术实现自然语言理解与生成,其核心原理是基于Transformer架构的海量参数训练。在工程实践中,API调用成为模型落地的重要方式,开发者可通过HTTP接口集成模型能力。火山引擎作为云服务平台,为智谱GLM-5.2模型提供免费额度,支持代码生成、逻辑推理等关键技术验证。这种免费体验机制降低了技术门槛,特别适合个人开发者进行原型验证和功能测试。通过合理的token管
大语言模型作为人工智能领域的核心技术,通过Transformer架构实现文本理解和生成。其原理是基于海量数据预训练,具备强大的语义理解和逻辑推理能力。在工程实践中,API调用成为模型部署的关键环节,火山引擎提供的GLM-5.2服务让开发者能够零成本体验130B参数大模型。通过多轮对话测试和代码生成验证,可以评估模型在上下文保持和编程辅助方面的实际表现。该服务特别适合快速原型验证和API集成测试场景
大语言模型作为人工智能的核心技术,通过深度学习算法实现对自然语言的理解和生成。其技术原理基于Transformer架构,采用注意力机制处理序列数据,具备强大的上下文理解能力。在工程实践中,API调用成为模型落地的重要方式,开发者可以通过RESTful接口快速集成AI能力。火山引擎提供的GLM5.2模型支持128K上下文长度和函数调用功能,特别适合聊天助手、代码生成等应用场景。通过合理的免费额度管理
好的,请看以“C++中的智能指针现代内存管理的艺术与实践”为主题的文章。
方法引用主要分为四类:引用静态方法(`ClassName::staticMethod`)、引用特定对象的实例方法(`instance::method`)、引用特定类型的任意对象的实例方法(`ClassName::method`)以及引用构造器(`ClassName::new`)。例如,`System.out::println` 等价于 `x -> System.out.println(x)`,`S
以创建一个交互式英语学习网站为例,在相同的tokens使用量下(0-32k输入区间),豆包编程模型的使用成本仅为0.34元,而其他模型如Claude Sonnet 4.5的使用成本约为4.05元,GLM-4.6约为0.77元。TRAE(CN)企业版今日正式公测,并正式接入豆包编程模型,为企业级开发者提供了更加高效、稳定的开发环境。这一套餐支持Claude Code以及veCLI、Cursor、Cl
摘要:2025年,火山引擎发布国产AI编程模型Doubao-Seed-Code,具备四大核心技术突破:256K超长上下文处理能力、视觉理解编程、Agentic任务优化及全面生态兼容。该模型在SWE-Bench榜单达到78.80% SOTA成绩,为企业开发者提供高达62.7%的成本优势(0.34元/次调用)。通过独创的强化学习训练系统和视觉代码生成能力,支持从UI设计稿自动生成代码(还原度达92%)
其中,在“落地能力”上,火山引擎全球第五、中国第一。就像火山引擎凭借豆包大模型家族和火山方舟大模型服务平台,成为全球云计算的“最强挑战者”背后,持续以“更强模型、更低成本、更易落地”加速AI应用落地。图注:今年2月,各大厂商部署DeepSeek-R1开源模型的效率对比图,火山引擎提供的大模型API在吞吐、并发、首字延迟、平均延迟、资源保障、安全可信等可感知指标上,均为行业领先。中国厂商中,火山引擎
海亮集团打通知识孤岛,构建的企业级知识库,不仅支持PDF、PPT、视频、数据库等结构化与非结构化数据导入,还融合向量检索、全文检索、知识图谱多跳查询等技术,知识检索准确率提升至95%。”双轮驱动,构建了“1个 AI 中台+1个大模型基座+N 个场景应用”的智能体应用架构,让一线教师、行政和财务人员都能快速搭建智能体,深度适配教育行业特色需求。目前,海亮教育已“上岗”了504个教育智能体,涵盖教学、
在内容创作场景,英特尔AI PC端云混合AI视频剪辑方案,通过“端侧解析-云端规划-本地执行”的智能流程,革新了传统视频制作模式,在支持批量全自动剪辑与精准微调的同时,有效降低了视频制作的技术门槛,使广大用户能够轻松、高效地完成高质量的视频内容创作。依托火山引擎在算力资源调度和大规模AI推理优化方面的优势,我们将芯片级的创新通过云原生架构无缝延伸至边缘与终端,实现对多样化、异构算力资源的高效协同与
RAG系统效能取决于知识库构建这一核心环节。尽管问题改写、重排序等通用技术可提升检索精度,但知识库作为"外部大脑",其质量直接决定系统上限。不同业务场景需定制化知识库架构,结合关系型数据库、向量数据库和知识图谱等多种存储方案,并通过持续的数据清洗、切片标注和更新维护,才能构建出真正智能、可靠的问答系统。知识库构建是融合业务洞察、数据科学和工程实践的匠心工程,而非简单技术任务。
火山引擎和CosyVoice3代表了语音合成的两种路径:云端API便捷高效,适合快速上线;本地开源模型支持声音克隆与精细控制,保障隐私与定制需求。前者适用于对稳定性要求高的商业场景,后者更适合需要个性化、方言或多情感表达的应用。选择取决于功能需求、成本结构与数据安全考量。
CosyVoice3支持本地部署、声音克隆和拼音标注,适合高安全与个性化需求;火山引擎提供云端API,易集成、稳定性强,适合快速上线场景。两者在中文语音合成中各有优势,选择取决于对控制力、成本与数据安全的权衡。
火山引擎AI平台集成阿里达摩院开源的CosyVoice3模型,实现3秒声音克隆、自然语言控制语调与方言播报,支持多语言、情感化、可复现的高质量语音生成,显著提升客服、政务、内容创作等场景的个性化交互体验。
火山引擎基于CosyVoice3推出语音清晰度客观评价API,实现无需人工听测的自动化语音质量评估。通过MOS、PESQ等指标量化合成语音的自然度与可懂度,支持零样本克隆、多语言方言及情感控制,已在短视频、客服等场景提升输出合格率与用户体验。
火山引擎为CosyVoice3提供Android与iOS官方SDK,让开发者轻松集成高质量语音克隆功能。基于少样本甚至三秒音频即可复刻音色,支持自然语言指令控制语调与方言,结合云端协同架构,在移动端实现低门槛、高保真的个性化语音合成体验。
本文详细讲解如何从零开始构建企业级AI Agent架构,将六大理论模块转化为实际代码。作者强调Agent本质上是状态机,只需一个Python文件即可实现所有功能。文章通过LangGraph和LangChain技术栈,展示了感知模块、执行系统、专业大模型、决策引擎、记忆管理和反馈优化六大模块的代码实现,为小白程序员提供了清晰的入门指南,帮助理解大模型驱动的AI Agent开发流程。
使用python调用火山免费API接口