AI 智能体的可观测性与评估 3
智能体可观测性与评估的核心概念， 提升智能体性能、成本和有效性的技术， 评估 AI 智能体的内容与系统化方法， 在将 AI 智能体部署到生产环境时如何控制成本, 如何对使用 Microsoft Agent Framework（微软智能体框架）构建的智能体进行检测（Instrument）.
智能体记忆与自我改进
理解 AI 智能体记忆： 什么是记忆，以及为什么它对智能体至关重要。 实现和存储记忆： 为 AI 智能体添加记忆功能的实用方法，重点关注短期和长期记忆。 让 AI 智能体实现自我改进： 记忆如何使智能体从过去的交互中学习并随着时间的推移不断改进。
AI 智能体协议：MCP, A2A 与 NLWeb 3
MCP 如何允许 AI 智能体访问外部工具和数据以完成用户任务。 A2A 如何实现不同 AI 智能体之间的通信与协作。 NLWeb 如何为任何网站带来自然语言接口，使 AI 智能体能够发现内容并与之交互。
AI 智能体中的元认知 (Metacognition in AI Agents) 2
理解智能体定义中推理循环（reasoning loops）的含义。 使用规划和评估技术来帮助构建具备自我纠错能力的智能体。 创建您自己的、能够通过操作代码来完成任务的智能体。
AI 智能体设计原则
简介 (Introduction) 构建 AI 智能体系统有许多不同的思路。鉴于在生成式 AI 设计中，“模糊性”是一项特性而非缺陷，工程师们有时甚至很难确定从何处着手。为此，我们创建了一套以人为本的用户体验（UX）设计原则，旨在帮助开发者构建以客户为中心的智能体系统，以满足其业务需求。这些设计原则并非规定性的架构，而是为那些正在定义和构建智能体体验的团队提供的一个起点。 通常，智能体应该： 拓展...
多智能体设计模式 (Multi-agent design patterns) 3
多智能体适用于哪些场景？ 与执行多任务的单个智能体相比，使用多智能体有哪些优势？ 实现多智能体设计模式的构建模块（Building blocks）有哪些？ 我们如何观察多个智能体之间是如何相互交互的？
- 1
- 2
搜索当前分类