#智能体

14小时前

用 cursor 做了一个方便我做智能体的网页做智能体，调试智能体，使用智能体，在同一个页面完成而且做智能体，和用智能体，可以调用不同的模型使用智能体的时候，还可以同时调用 N 个模型（图 2），同时出结果解决了我平时要用两个 monica 页面 + 一个 cherry studio 页面才能做完智能体的问题

AI编程工具激战：Claude Code、Gemini Cli崛起· 491 条信息

#智能体 #Cursor #模型调用 #多模型 #效率提升

1天前

m3-agent：带记忆的智能体字节开源的智能体，能把多模态数据也转化成记忆，包括文本、音频、图片、视频数据。分别微调了2个模型用于记忆和执行，记忆模型基于Qwen 2.5 omni，执行模型基于Qwen 3 32B。 Github：

#m3-agent #智能体 #字节跳动 #开源 #Qwen

2天前

一个 Kiwi 设计师大哥约我吃晚饭，说："明天晚上行不行？我和老婆那边请示了一下，这周就明天，要不就下周了。" 我心里想你这牛高马大胡子拉碴感觉挺管事儿的白人，怎么吃个饭也要请示领导…… 一边想一边也请示了我家老婆，然后回复："我也请示了我老婆，咱们下周一应该行。" 那边也点头，于是我们两人就确定了下周一。感觉我俩像两个智能体，真正操作的用户都是各自的老婆😂

#Kiwi设计师 #家庭地位 #请示老婆 #智能体 #幽默

4天前

纯纯实战经验，找到了目前写小红书封面标题的最优解 1、把百分粉丝博主陈浪浪（小红书百万粉这个和抖音百万粉不是一回事）的数据抓下来，一通分析做成智能体 2、这个智能体同时开 gemini claude 和 gpt 去跑，图片里面用的 cherry studio 这套方案实战下来，目前看来是可以最快拿到结果，得到可以真正实战、搞到流量的标题内容这个阶段不能挑模型，能用的模型全部都整上，包括 grok 什么的，全上目前没有哪个模型可以实现写文案 100% 有效，就是靠大力出奇迹，模型越多越好

#小红书封面标题 #陈浪浪 #智能体 #Gemini #Claude #GPT #Cherry Studio #大力出奇迹

4天前

ChatGPT 的 study mode，是不是我写一套提示词做一个智能体，就可以实现？这个有什么特殊之处吗

OpenAI新德里发布会：ChatGPT语音翻译功能引发热议· 327 条信息

#ChatGPT #study mode #智能体 #提示词 #技术讨论

5天前

我在 monica 里面把以前做的智能体的模型从 gpt 4.1 或 claude sonnet 4 换成了 gpt5 部分智能体的表现直接起飞 🛫

OpenAI新德里发布会：ChatGPT语音翻译功能引发热议· 327 条信息

#Monica #智能体 #GPT5 #性能提升 #积极

1周前

被问了 N 次：哪里可以买到「AI 写文案」的智能体我说这个东西不存在，不同的文案要用不同的工具去写，不一定是智能体就算是智能体，也不是一个智能体而且在你明确表述出你需要什么样的文案之前，不管是不是智能体都做不出来但是就在我解释 ⬆️ 这些有的没的的时候，有人说：我这里有「AI 写文案」智能体什么文案都能写，使用的是宇宙最强的 DeepSeek！然后他们达成了交易 😂 挺好

#AI文案 #DeepSeek #智能体 #文案需求 #市场营销

1周前

AI应用在游戏领域，确实蛮有想象力的. 不只是生成3D道具、生成世界观、更聪明的智能体这么简单.

#AI应用 #游戏领域 #3D道具生成 #智能体 #积极

1周前

在国内卖智能体就是提示词工程师的精神损失费 1、买家不能翻墙 2、买家不会使用任何第三方软件，下载 app 不记得应用商店密码 3、买家无法学习任何提示词技巧 4、如果你给的链接在微信打不开，那这辈子就都打不开 5、买家需要一键得到想要的结果要在微信浏览器里面让 DeepSeek 一键出结果，一个智能体卖 3 万真不贵，这事儿和 AI 没关系

#智能体 #提示词工程师 #微信 #DeepSeek #一键

2周前

已经有很多人靠智能体翻身了，智能体是我们这个时代少有的大机会了，来看看智能体的十种变现方式：扫码领取极客时间智能体知识库，智能体前沿资讯一手掌握！

#智能体 #变现 #机会 #极客时间 #知识库

2周前

啊？用扣子搞个智能体，都还没调试好，就额度不够了？！说好的字节财大气粗呢？！

#智能体 #扣子 #字节 #额度不足 #调试

2周前

Coze宣布开源两款核心产品：零代码开发平台Coze studio和调试工具Coze Loop。扣子开发平台采用Apache 2.0开源协议，支持零代码开发，用户可通过拖拽组件快速搭建智能体工作流程。 Coze Loop提供全生命周期管理工具链，涵盖开发、评测、观测和优化四大阶段，助力开发者高效调试和优化智能体。

#Coze #开源 #零代码开发平台 #智能体 #调试工具

2周前

#ChatGPT 智能体自动点击我不是机器人轻松绕过 Cloudflare Turnstile 人机验证，全程丝滑没有任何摩擦。Reddit 用户使用智能体执行视频转码任务，网站使用人机验证阻挡机器人，但 ChatGPT 智能体识别后自己移动鼠标轻松完成验证，证明 “我不是机器人” 查看全文：

#ChatGPT #Cloudflare Turnstile #人机验证绕过 #智能体 #自动化

2周前

腾讯元器在测试的微信支付 MCP 可以在智能体里面付款做了个智能体测试了一下（付款会在 24 小时后退回）

#微信支付 #MCP #智能体 #付款测试 #腾讯元器

2周前

最近 4 条短视频有 3 条是按照我之前说的，用 4 个智能体组合成了一套 sop 去写的基础文稿，可以把时间压缩在一小时出头，完成短视频日更目前看下来，平均数据可以稳定在抖音一条是 7 万播放，小红书一条是 700 点赞唯独我去讲这套sop、这套做内容的方法的那条视频是没有人看的 😂 发布当天，小红书 100 赞，抖音不到 1 万播放我觉得那一条内容所讲的东西，是超越了市面上 99.9% 以上的付费课程的，但免费发出来没人看，也许变成收费的才会有人看

#短视频日更 #智能体 #SOP #内容创作 #数据分析

3周前

智能体跑出爆款案例了，不容易 🎉🎉 用智能体简单，愿意自己露脸天天拍不简单一定是 AI 帮助人做内容，而不是人利用 AI 替自己做内容，这有区别

AI视频井喷：Midjourney领跑，多模态混战· 81 条信息

#智能体 #爆款案例 #AI内容创作 #积极 #露脸拍摄

3周前

AI Agent 到底是什么？从 Jennings 定义谈起 “AI Agent”这一术语虽在近年大热，但其核心概念早已由 Nicholas R. Jennings 与 Michael Wooldridge 在 1995 年的《Intelligent Agents: Theory and Practice》中系统确立。他们将“智能体”定义为：一个嵌入特定环境中的计算系统，能够在该环境中自主行动以实现其设计目标。这一定义成为多智能体系统（MAS）研究的基础，并提出四项衡量智能体的关键属性：自主性（能独立运行）、反应性（感知并响应环境变化）、前瞻性（基于目标采取主动行动）与社会性（能够协作与沟通）。然而，在当下的工程实践中，要真正实现这四大属性仍具有相当高的难度。尽管 ReAct、AutoGen、LangGraph、CrewAI 等主流框架纷纷打出“Agent”旗号，它们多数仍停留在“语言模型 + 工具调用”的阶段，缺乏结构化的状态封装、计划机制与交互协议。这些系统通常依赖自然语言记忆作为状态存储，对环境的感知局限于文本输入输出，目标与计划的建模大多被简化甚至省略，而协作机制也往往停留在对话模拟层面，缺乏真实的社会行为协议与组织控制结构。换句话说，当代 LLM Agent 多数只能在表层满足 Jennings 框架中的“工具调用”与“表面协作”，而在真正的状态感知、计划能力、环境互动与协作协议等方面仍存在明显工程落差。它们更像是 prompt 的包装器，而非具备认知与调度能力的结构性智能体。要真正构建接近 Jennings 理想的 AI Agent，必须引入可解释的状态模型与持久记忆结构、明确的计划调度机制、标准化的交互协议以及多轮对话中的身份与行为一致性。只有当智能体具备了这些结构能力，它才不再是一个被动执行的语言函数，而是一个真正能够协同、规划、反应并自主演化的结构系统单元。真正的智能体到底值不值得投入研究？还是说，它会不会最终成为一个耗尽心力、却注定走入死胡同的幻象？这个问题越来越像一面照妖镜。现实世界里，有太多曾被寄予厚望的底层技术，最终悄无声息地被市场淘汰、被工程复杂性吞噬。Jennings 所定义的理想型智能体，正面临类似的命运风险。它拥有令人敬畏的结构理想—— 🧱 结构性：每一个模块边界清晰、可组合、可迁移； 🧠 状态性：具备可追踪、可持久、可调度的运行状态； 💾 记忆性：融合语义唤醒与行为经验的双系统记忆机制； 🧭 路径性：支持非线性、多策略、可重构的执行结构； 🤖 调度性：能够统一调度工具、任务、子 Agent； 🔁 自演化：具备反思、失败容忍、成长与优化能力。这简直就是我心中最理想的“结构人格”，我是无比憧憬的。这个甚至能完美解决上下文的问题。看起来无比完美，却让人光是读完就头皮发麻。工程难度极高，构建成本惊人，调试流程复杂，状态不可控，行为难以解释。我也怀疑：这样一个理想结构真的能落地吗？它真的有价值吗？（2/n)

#AI Agent #智能体 #Jennings定义 #LLM Agent #多智能体系统

3周前

哦……更全能的智能体。

#智能体 #全能 #AI

3周前

JDGenie：京东开源的通用智能体完整的多Agent框架，开箱即用，轻量，不依赖于云平台。在GAIA榜单准确率达到75.15%，超过OpenManus、OWL、AutoAgent等产品。 Github：

#JDGenie #多Agent框架 #开源 #智能体 #GAIA榜单

3周前

公开我花半年打磨的 6 千字 SOP， 4 个 agent 完成 80% 的短视频创作我一直反对所谓的「 AI 一键出爆款」，我觉得这是骗傻子但同时我也觉得，如果我能把自媒体的创作流程拆得很细，形成完整的、可反复被验证的 SOP，那么让 AI 介入到其中的一些环节，是完全可行的昨天完全在 AI 的策划之下，我完成了一条及格线以上的短视频现在发布不到 24 小时，小红书点赞是 400+，抖音播放量是 3w+ 选题是：想赚钱就不要当个“烂好人” 算不上什么大爆款，但是我非常满意，因为这个创作流程极其有价值 1、这条内容是按照爆款的模板和形式去创作的，持续产出一定会迎来数据爆发 2、产出的成本足够低，速度足够快，AI 已经帮我完成了 70%～80% 的工作下面分享一下整个流程，用到了 5 次 AI，涉及 4 个不同的 agent（智能体）

#AI短视频创作 #SOP #智能体 #自媒体 #效率提升

3周前

从分布式认知到智能体沙盒：上下文工程的前世今生我们一直在追问一个问题：“上下文”到底是什么？在大语言模型时代，“上下文”似乎成了万物解释器。它是 prompt，是历史，是 token，是 memory，是一切的因。但真正追溯起来，这个词不过是现代工程视角下的临时叫法。在历史长河中，人类从未依赖固定术语来传达概念。意义的表达，一直是动态的、时代性的、多义的。我知道有人会在推特上不断争论名词定义，纠结术语本体，害怕说错话。其实你会这么焦虑，是因为你还太年轻。你还没来得及在图书馆把所有能读的书都翻过一遍，没啃完泛读课几千张的试卷，也没刷过晋江论坛上一万篇看起来无聊却构成语感基础的网络小说，更没读够《哈利波特》的一百种同人演绎版本，不管恶心还是不恶心的，我都看完了。你还没有亲身验证过：人类的认知，不靠术语确证，而靠结构对齐。工科生也要多读点文学。读书破万卷，下笔如有神。不同的时代用不同的话说同样的事。今天你说“上下文”，十年前的人也许说“语境”，更早的人说“记忆”，结构主义者说“框架”，认知心理学者说“图式（schema）”，而《Cognition in the Wild》会说“文化任务系统”。语言在变，但核心的问题没有变：我们如何在系统中保持连续性、追踪状态、组织行为？上下文不是术语，而是时代对“认知调度结构”的一种指认方式。而我相信，大语言模型的下一个关键跃迁，不会来自模型本身的微调、参数堆叠或幻觉率的下降，而是来自“上下文工程”作为系统性结构工程的确立。这不是拼 prompt 的技巧，而是构建结构、规划路径、调度智能体、维持状态协同的全过程。从 Hutchins 的分布式认知，到 Minsky 的心智社会模型，再到今天的多智能体沙盒（如 Smallville），其实探索的是一个问题。我们说说 Hutchins 的分布式认知。在 1995 年出版的《Cognition in the Wild》中，认知人类学家 Edwin Hutchins 提出了一个至今仍具有颠覆性的观点——认知不是发生在某个人的头脑中，而是分布在整个社会性系统中的。这本书的“野”，并非意指原始或混乱，而是指他所观察的认知行为并非在实验室中进行，而是在自然环境、真实世界任务流程中的发生，比如他田野调查的对象：美国海军舰艇上的导航团队。 Hutchins 研究发现，一个看似简单的任务——导航，并不是某位军官独立思考的结果，而是由多人协作完成的结构性过程。有人读取雷达数据，有人记录数值，有人在图纸上进行计算，信息在他们之间流动，决策才得以形成。除此之外，还有纸笔、坐标系统、专用术语、表格、雷达等外部工具的参与，它们不仅是辅助，而是认知过程本身的一部分。语言、制度、流程、工具、环境，以及人的角色分工共同构成一个动态的认知网络，信息在其中穿梭、被加工、被传递。这意味着，大脑并不是认知的全部，它只是这个更大系统中的一个节点。 Hutchins 完全打破了“认知=大脑”的传统观念。他明确指出，认知是在多个层次上被分布的。首先，它在个体之间分布：认知任务通常不是一个人完成的，而是团队共同完成，每个人只掌握任务的一部分。其次，它在内部与外部结构之间分布：认知不仅存在于人脑中，还依赖于图纸、表格、工具，这些物理媒介实际构成了“外部记忆”。最后，它也在时间上分布：一个人的认知行为依赖于之前团队留下的结构和制度遗产，比如流程图、记录规范、指令格式等，它们都是认知的延续性基础。这一理论，与 Marvin Minsky 在《Society of Mind》中提出的观点形成惊人共鸣。如果我们把 Hutchins 所说的“人在协作中的功能单位”理解为 Agent，那这就是一个运行在真实世界中的 Agent 系统。而他所说的“外部工具系统”则对应当代 AI 系统中由 RAG、数据库、图谱所组成的记忆补全机制。甚至时间上的认知延续，也可以理解为多智能体系统中长期计划与路径依赖的体现。说到底，Hutchins 向我们揭示了一个根本性的真相：认知不是个体思考的能力总和，而是结构化信息流的组织能力。真正决定智能的，不是单个 Agent 有多聪明，而是这些 Agent 是否处于一个能支持信息流动、反馈、协调、演化的系统中。认知是一种“被调度”的结构过程，是一种嵌入式、路径化、可追踪的信息动态，而非脑内静态存储的内容。他实际上为我们提供了一种语言模型时代“上下文工程”的最早形态：不是堆叠上下文，而是组织路径；不是增大参数，而是优化流动；不是强调理解，而是调度结构。如果我们把 Edwin Hutchins 的《Cognition in the Wild》重新理解为一场沙盒模拟实验，就会发现，那艘军舰，其实就是三十年前的 Smallville——只不过它没有像素地图，没有代码，没有 LLM，却已具备全部结构要素。Smallville 是斯坦福团队 2023 年推出的多智能体模拟项目（Generative Agents – Smallville），在其中，每个角色都是由大语言模型驱动的认知个体，具备记忆流、计划能力与反思机制。当他们在咖啡馆偶遇时，并不会访问全局知识，而是检索各自的片段记忆，基于当前场景与意图做出行为决策，并将对话与动作反馈回自己的记忆系统。事件通过语言传播，行动彼此影响，个体间的协作并非中心化控制，而是由意图触发，逐步组织，最终形成如 Valentine’s Day Party 那样自发出现的社会性行为。回过头看，Hutchins 所描述的军舰系统就是一个没有计算平台的 Smallville 原型。人类成员承担 Agent 的角色，雷达是传感器，纸笔是外部记忆体，术语是通信协议，时间流程是结构化路径，整套认知行为并不是由某一个人单独完成的，而是分布在整个系统中的任务分工与信息流转之间。它的“上下文”从来不是某一段文字、某个人的记忆或某个模型的输入窗口，而是由角色、工具、任务、流程、制度、状态等维度共同构成的动态认知结构。它是一张可以流动、传递、反馈、演化的认知路径网，是结构意义上的上下文，而非语料意义上的上下文。从这个角度看，Hutchins 实际上提供了一种极具前瞻性的认知沙盒设计思想：上下文不应该是被记住的内容，而是被调度的结构单元；结构不应该压缩进个体，而应该流经路径、联动角色、触发工具、反馈结果；智能不应该被定义为某个 Agent 的思维能力，而应该被定义为信息能否在一个系统中完整走完一条闭环路径。这种理解直接反转了当代大模型系统中常见的误区——我们试图让一个超级 Agent 理解全部上下文，就像让一个人同时记住整个小镇的一切，而真正需要的不是更强的单点记忆力，而是更清晰的结构协作图谱。Hutchins 和 Smallville 一起告诉我们：我们不需要一个全知大脑，我们需要一座结构良好的小镇。

#大语言模型 #上下文 #智能体 #分布式认知 #Prompt

澎湃新闻-奇客解

4周前

ChatGPT智能体来了！一个提示，就能帮你完成所有工作

OpenAI新德里发布会：ChatGPT语音翻译功能引发热议· 327 条信息

#ChatGPT #智能体 #提示 #工作

1个月前

所有未来的软件都要回答一个问题：你构建的是给「人」用的界面，还是给「智能体」用的接口？

#软件 #智能体 #接口 #用户界面

1个月前

转译：为什么生成式 AI 编程工具和智能体对我没用作者：Miguel Grinberg 人们总是问我，我是否使用生成式 AI 工具来编程，以及我对它们有何看法。因此，我决定将我的想法写下来，这样以后再有人问起，我就可以直接把这篇文章甩给他们，而不必每次都重复自己的观点。从标题你大概已经猜到，这不会是一篇吹捧 AI 的博文。但它也不是一篇反对 AI 的文章，至少我不这么认为。市面上已经有太多 AI 吹和 AI 黑写的文章了，我觉得没必要再多我这一篇。虽然在这个话题上我绝非中立，但在这篇文章里，我只想从纯粹技术的角度，分享我个人使用这些工具的真实体验。 AI 并不更快说真的，生成式 AI 工具对我没用的最主要、也是最重要的原因是：它们并没有让我写代码变得更快。就这么简单。使用生成式 AI 编程工具来为我写代码，听起来很容易。如果是一个 AI 智能体，那就更方便了，它在我做别的事情时就能直接编辑我的文件。原则上，这一切听起来都很美好。但问题在于，我需要为这些代码负责。我不能盲目地把它们添加到我的项目中，然后祈祷一切顺利。只有在我彻底审查并确保完全理解了 AI 生成的代码之后，我才可能将其整合进我的项目。我必须有信心在未来能够修改或扩展这段代码，否则我就不能用它。不幸的是，审查代码实际上比大多数人想象的要困难得多。审查一段不是我写的代码，至少要花掉我与亲手写这段代码相同的时间，甚至更多。我们行业里有句名言，大意是“读代码比写代码更难”。我记得最早将此概念理论化的人是 Joel Spolsky（Stack Overflow 和 Trello 的创始人），在他的文章《有些事你永远不该做，第一部分》中提到了。你可能会说，可以把 AI 写的代码当成一个“黑箱”。我想，你可以说服自己，只要代码能按预期工作，就可以安全使用，无需审查，这样就能提升一些生产力。但在我看来，这是极不负责任的，因为如果这段代码将来出了问题，AI 是不会承担任何责任的。无论有没有 AI，我永远是我产出的代码的第一负责人。在我看来，承担如此巨大的风险是疯狂的。这一点在我从事的某些工作中尤为重要，因为这些工作涉及签署合同、法律义务和金钱交易。如果我是以专业人士的身份被雇佣，那我别无选择，只能做到专业。AI 工具无法帮我赚更多钱，也无法让我在更短时间内完成工作。我唯一能通过它实现这些目标的方式，就是牺牲工作质量并引入风险，而这是我绝不愿意做的。 AI 不是生产力倍增器我听过有人说，生成式 AI 编程工具对他们来说是生产力的“倍增器”或“赋能器”。基本上，持这种观点的人声称，使用生成式 AI 后，他们能工作得更快，也能处理更复杂的问题。可惜的是，这些说法仅仅基于使用者自身的感觉，并没有确凿的数据来支持。我猜，或许有些人审查代码的效率比我高，但我对此表示怀疑。我认为真实情况是，这些人之所以能节省时间，是因为他们只对 AI 生成的代码进行抽查，或者干脆跳过了整个审查阶段——正如我上面所说，这对我来说是绝对无法接受的。另一个我常听到的论点是，当你需要用一种不熟悉的语言或技术编写代码时，生成式 AI 会很有帮助。对我来说，这同样没什么道理。作为一名软件工程师，我最享受的部分就是学习新事物，所以“不懂”从来都不是我的障碍。你越是练习学习，学习的速度就会越快、越容易！近年来，我为了不同的项目，不得不学习了 Rust、Go、TypeScript、WASM、Java 和 C#，我绝不会把这个学习的过程委托给 AI，哪怕它能帮我节省时间。当然，它也省不了，原因还是上面那些——我要为我产出的代码负责。抱歉，我在这点上有点啰嗦。 AI 代码不同于人类代码前几天我和一个朋友聊起这些观点，他问我，既然如此，为什么我乐于接受人们为我的开源项目所做的贡献呢？那些不也是别人写的代码吗？为什么人类写的可以，AI 生成的就不行？真相可能会让一些人感到震惊：用户提交的开源贡献其实也并不能节省我的时间，因为我同样觉得必须对它们进行严格的审查。但是我享受与那些对我的项目感兴趣并花时间报告 bug、请求新功能或提交代码修改的用户合作。这些互动首先是新思想的源泉，它们直接帮助我把工作做得更好。这正是我热爱开源工作的地方！我的朋友仍然不服气，他建议我可以并行启动一堆 AI 智能体，为我所有未解决的 bug 创建拉取请求（PR）。“这会改变游戏规则的！”他说。不幸的是，这只会花掉我的钱，并且可能让我变得更慢，原因已如前述。即便我们假设 AI 编程工具已经足够成熟（实际上还差得远），能够在很少或没有监督的情况下修复我项目中的问题，我仍然是那个瓶颈，因为所有这些代码在合并之前都必须经过我的审查。 AI 编程工具唾手可得，其不幸的一面是，现在一些用户也用它们来生成低质量、敷衍了事的拉取请求。我已经收到过一些这样的 PR，有趣的是，当我开始阅读那些未经真人编辑和润色的 AI 代码时，一种“恐怖谷”效应在我心中油然而生。当我遇到这类 PR 时，我会开始向提交者追问他们代码中那些奇怪的部分，因为我认为他们需要为自己想要合并的代码负责。但他们，通常很少回应。 AI 不等于实习生许多 AI 倡导者说，你应该把你的 AI 编程工具当作一个渴望取悦你的实习生。我认为说这话的人，大概从没带过实习生！在初期，将工作委派给实习生会导致你的生产力下降，原因和我上面列举的差不多。实习生需要大量手把手的指导，他们产出的所有代码在被接受前都需要仔细审查。但是，实习生会学习并随着时间的推移而进步。你花在审查代码或向实习生提供反馈上的时间并没有被浪费，这是对未来的投资。实习生会吸收你分享的知识，并将其用于你之后分配给他们的新任务中，随着实习期的推进，对他们进行密切监督的需求会逐渐减少。最终，实习生常常因为成长为成功的独立贡献者而被公司聘为全职员工。而一个 AI 工具，最多只能算是一个患有“顺行性遗忘症”的实习生，这可不是什么好实习生。对于每一项新任务，这个“AI 实习生”都会重置回原点，什么也没学会！结论我希望通过这篇文章，我已经清楚地阐述了我在工作中应用生成式 AI 编程工具时遇到的技术性问题。根据我的经验，AI 编程这回事，天下没有免费的午餐。我相信那些声称 AI 让他们更快或更高效的人，是为了实现这些收益而有意识地选择放宽了他们的质量标准。要么是这样，要么他们这么说，只是因为他们自己能从向你推销 AI 中获利。

#生成式AI #编程工具 #智能体 #个人观点

1个月前

这个厉害了！极客时间的智能体知识库，搜集了大量的智能体相关内容，各种报告也是非常详尽，比券商报告详细多了，适合创业者求职者仔细研究。微信扫码免费领取。

#极客时间 #智能体 #知识库 #报告 #券商 #创业