- 本项目基于LangGraph和FastAPI构建企业级智能助手系统，旨在解决传统人工客服响应滞后、知识碎片化等问题。系统具备四大核心功能：1）智能意图识别，自动区分知识问答、业务工具调用等场景；2）RAG检索增强问答，支持PDF/Markdown/TXT多格式知识库管理；3）业务工具集成，内置制度查询、工单查询等功能；4）多轮对话记忆。采用分层架构设计，包含前端展示层、API路由层、工作流引擎层等 本项目基于LangGraph和FastAPI构建企业级智能助手系统，旨在解决传统人工客服响应滞后、知识碎片化等问题。系统具备四大核心功能：1）智能意图识别，自动区分知识问答、业务工具调用等场景；2）RAG检索增强问答，支持PDF/Markdown/TXT多格式知识库管理；3）业务工具集成，内置制度查询、工单查询等功能；4）多轮对话记忆。采用分层架构设计，包含前端展示层、API路由层、工作流引擎层等
- 在企业级数据库体系中，平台能力与数据库的适配度，决定了国产替代能否从“单点可用”走向“全栈可管”。玖章算术旗下 NineData 云原生智能数据管理平台 V5.0 与崖山数据库管理系统 YashanDB V23 完成产品兼容性认证测试，标志着这条能力链路进一步打通。认证测试表明，NineData 可稳定连接并识别 YashanDB V23，在数据库 DevOps 的 SQL 窗口场景下，数据... 在企业级数据库体系中，平台能力与数据库的适配度，决定了国产替代能否从“单点可用”走向“全栈可管”。玖章算术旗下 NineData 云原生智能数据管理平台 V5.0 与崖山数据库管理系统 YashanDB V23 完成产品兼容性认证测试，标志着这条能力链路进一步打通。认证测试表明，NineData 可稳定连接并识别 YashanDB V23，在数据库 DevOps 的 SQL 窗口场景下，数据...
- 2026年，Agent办公工具迎来集中爆发。从腾讯到字节、从阿里到海外大厂，几乎所有主流玩家都在争夺"你的下一个同事"这个位置。但热闹归热闹，当真正让这些Agent落地办公、看它们执行和交付时，问题往往不在"谁更能干"，而是"谁更靠谱"。 2026年，Agent办公工具迎来集中爆发。从腾讯到字节、从阿里到海外大厂，几乎所有主流玩家都在争夺"你的下一个同事"这个位置。但热闹归热闹，当真正让这些Agent落地办公、看它们执行和交付时，问题往往不在"谁更能干"，而是"谁更靠谱"。
- 本文对比分析了大模型应用开发的两大主流框架LangChain和LangGraph。LangChain作为基础框架，通过组件化设计简化开发流程，但仅支持线性链式执行，适合快速搭建轻量级应用；而LangGraph则采用图式编排架构，支持全局状态管理和动态流程控制，能实现分支、循环等复杂逻辑，更适合生产级智能体开发。二者形成互补关系：LangChain负责基础组件封装，LangGraph处理复杂业务编排 本文对比分析了大模型应用开发的两大主流框架LangChain和LangGraph。LangChain作为基础框架，通过组件化设计简化开发流程，但仅支持线性链式执行，适合快速搭建轻量级应用；而LangGraph则采用图式编排架构，支持全局状态管理和动态流程控制，能实现分支、循环等复杂逻辑，更适合生产级智能体开发。二者形成互补关系：LangChain负责基础组件封装，LangGraph处理复杂业务编排
- NineData 社区版 V5.2.0 本次更新围绕 AI Agent 工程化落地与数据链路扩展：正式发布 NineData Skill，让企业级 AI Agent 安全可控地操作数据库，ChatDBA 同步扩展 Text2SQL 等能力；数据复制与对比链路累计突破 334 条，OceanBase V4.0 全面适配，MySQL 兼容数据库 CDC 复制性能提升一倍以上，为中小团队提供免费、安全、 NineData 社区版 V5.2.0 本次更新围绕 AI Agent 工程化落地与数据链路扩展：正式发布 NineData Skill，让企业级 AI Agent 安全可控地操作数据库，ChatDBA 同步扩展 Text2SQL 等能力；数据复制与对比链路累计突破 334 条，OceanBase V4.0 全面适配，MySQL 兼容数据库 CDC 复制性能提升一倍以上，为中小团队提供免费、安全、
- DeepAgents是一种企业级多智能体集群AI架构，旨在解决大模型在复杂业务场景中的落地难题。其核心由MCP（模型上下文协议）和A2A（智能体互联协议）两大协议支撑：MCP标准化大模型与外部资源的交互，降低工具适配成本；A2A实现多智能体的协同调度，避免任务孤岛。与传统单智能体相比，DeepAgents通过分层规划、集群协同和反思机制，能稳定处理财务核算、供应链调度等长流程业务，突破单模型的能力 DeepAgents是一种企业级多智能体集群AI架构，旨在解决大模型在复杂业务场景中的落地难题。其核心由MCP（模型上下文协议）和A2A（智能体互联协议）两大协议支撑：MCP标准化大模型与外部资源的交互，降低工具适配成本；A2A实现多智能体的协同调度，避免任务孤岛。与传统单智能体相比，DeepAgents通过分层规划、集群协同和反思机制，能稳定处理财务核算、供应链调度等长流程业务，突破单模型的能力
- 团队接入AI模型后，API Key的管理成本往往被低估。本文从实际场景出发，分析"人手一把Key"带来的可视性、成本和安全三大问题，提出以策略驱动的虚拟凭证替代静态Key的思路，实现开发效率与安全管控的平衡。 团队接入AI模型后，API Key的管理成本往往被低估。本文从实际场景出发，分析"人手一把Key"带来的可视性、成本和安全三大问题，提出以策略驱动的虚拟凭证替代静态Key的思路，实现开发效率与安全管控的平衡。
- 026年的企业级智能体市场，"能干活"的标准正在从"能调用多少个API"转向"能在多大范围的系统上真正跑起来"。对于智能体平台而言，"看得懂屏幕"的能力与"调得通接口"的能力同等重要——前者决定了它能覆盖多大范围的业务场景，后者决定了它在标准化场景下的执行效率。 026年的企业级智能体市场，"能干活"的标准正在从"能调用多少个API"转向"能在多大范围的系统上真正跑起来"。对于智能体平台而言，"看得懂屏幕"的能力与"调得通接口"的能力同等重要——前者决定了它能覆盖多大范围的业务场景，后者决定了它在标准化场景下的执行效率。
- 摘要： 随着AI Agent能力升级，其自主决策与多场景操作能力（如文件处理、网络访问）带来显著效率提升，但伴随模型幻觉、越权操作、数据泄露等安全隐患。本文提出Workspace安全治理体系，通过沙箱隔离（环境独立/资源隔离）、精细化权限管控（最小权限/实时校验）和全链路审计（防篡改日志/溯源追责）三大模块协同，解决AI Agent特有风险。该体系适配大模型动态性，遵循零信任原则，弥补模型原生缺陷 摘要： 随着AI Agent能力升级，其自主决策与多场景操作能力（如文件处理、网络访问）带来显著效率提升，但伴随模型幻觉、越权操作、数据泄露等安全隐患。本文提出Workspace安全治理体系，通过沙箱隔离（环境独立/资源隔离）、精细化权限管控（最小权限/实时校验）和全链路审计（防篡改日志/溯源追责）三大模块协同，解决AI Agent特有风险。该体系适配大模型动态性，遵循零信任原则，弥补模型原生缺陷
- Oracle 锁等待一旦扩散，业务请求往往会很快排队，问题也会从单点等待变成整条链路受影响。用户看到的是请求变慢，开发看到的是 SQL 不返回，DBA 需要判断谁持有锁、谁在等待、事务持续了多久，以及当前能不能处理。锁等待一旦扩散，问题会很快放大Oracle 锁等待一旦扩散，业务请求会很快排队。用户看到的是请求变慢，开发看到的是 SQL 不返回，DBA 需要判断谁持有锁、谁在等待、事务持续了... Oracle 锁等待一旦扩散，业务请求往往会很快排队，问题也会从单点等待变成整条链路受影响。用户看到的是请求变慢，开发看到的是 SQL 不返回，DBA 需要判断谁持有锁、谁在等待、事务持续了多久，以及当前能不能处理。锁等待一旦扩散，问题会很快放大Oracle 锁等待一旦扩散，业务请求会很快排队。用户看到的是请求变慢，开发看到的是 SQL 不返回，DBA 需要判断谁持有锁、谁在等待、事务持续了...
- 完整搭建起大模型应用开发的全栈技术体系，离不开一个个核心的技术点。从底层的提示词工程规范、RAG检索增强，到中层的Function Calling工具调用、Skills业务封装、MCP标准化通信，再到上层的Agent智能体自主执行、A2A多智能体集群协作，最后到生产级架构的高可用、安全、可控治理，所有核心技术层层递进、环环相扣，构成了完整的现代大模型开发模式。 完整搭建起大模型应用开发的全栈技术体系，离不开一个个核心的技术点。从底层的提示词工程规范、RAG检索增强，到中层的Function Calling工具调用、Skills业务封装、MCP标准化通信，再到上层的Agent智能体自主执行、A2A多智能体集群协作，最后到生产级架构的高可用、安全、可控治理，所有核心技术层层递进、环环相扣，构成了完整的现代大模型开发模式。
- 从真实账单事故出发，剖析企业级大模型 API 接入在密钥管理、成本护栏、调用审计、质量监控、权限分级五个维度上的常见盲区，结合 OWASP 与五眼联盟安全框架给出工程化实践思路。 从真实账单事故出发，剖析企业级大模型 API 接入在密钥管理、成本护栏、调用审计、质量监控、权限分级五个维度上的常见盲区，结合 OWASP 与五眼联盟安全框架给出工程化实践思路。
- 银行跨系统对账的难点在于系统异构、无API接口、表述不一致。本文从技术实现角度，拆解了屏幕语义理解技术如何在不依赖API和坐标定位的情况下，让Agent像人一样“看懂”屏幕、跨系统抓取数据、语义匹配交易、生成审计级对账报告。文章覆盖了从单系统自动化到多系统协同闭环的实现路径，并结合银联对账、多银行账户归集、三单匹配等真实场景提供了落地数据和效果验证。 银行跨系统对账的难点在于系统异构、无API接口、表述不一致。本文从技术实现角度，拆解了屏幕语义理解技术如何在不依赖API和坐标定位的情况下，让Agent像人一样“看懂”屏幕、跨系统抓取数据、语义匹配交易、生成审计级对账报告。文章覆盖了从单系统自动化到多系统协同闭环的实现路径，并结合银联对账、多银行账户归集、三单匹配等真实场景提供了落地数据和效果验证。
- 本文探讨了AI Agent开发中的评估体系构建问题。文章指出，虽然搭建Agent原型容易，但量化评估其性能、指导优化方向才是项目落地的关键难点。作者提出了一套完整的Agent评估方法论，包含三大评测技术（LLM-as-Judge、人工标注、A/B测试）和四大评估维度（功能准确性、服务性能、运行安全性、成本损耗）。通过多层次评测方案架构，实现从离线测试到线上验证的闭环迭代，解决传统试错式开发的弊端。 本文探讨了AI Agent开发中的评估体系构建问题。文章指出，虽然搭建Agent原型容易，但量化评估其性能、指导优化方向才是项目落地的关键难点。作者提出了一套完整的Agent评估方法论，包含三大评测技术（LLM-as-Judge、人工标注、A/B测试）和四大评估维度（功能准确性、服务性能、运行安全性、成本损耗）。通过多层次评测方案架构，实现从离线测试到线上验证的闭环迭代，解决传统试错式开发的弊端。
- 文章摘要： 大模型Agent是基于大语言模型的智能执行体，通过自主规划、工具调用和系统集成，实现复杂任务自动化。其核心特性包括自主规划性、工具可拓展性、系统互通性、记忆迭代性和闭环执行性。Agent架构分为五层：基础模型层（推理核心）、核心调度层（流程控制）、工具插件层（能力拓展）、系统集成层（外部对接）和业务应用层（场景落地）。运行机制分为需求解析、任务规划、能力调用等六步闭环流程，支持API插 文章摘要： 大模型Agent是基于大语言模型的智能执行体，通过自主规划、工具调用和系统集成，实现复杂任务自动化。其核心特性包括自主规划性、工具可拓展性、系统互通性、记忆迭代性和闭环执行性。Agent架构分为五层：基础模型层（推理核心）、核心调度层（流程控制）、工具插件层（能力拓展）、系统集成层（外部对接）和业务应用层（场景落地）。运行机制分为需求解析、任务规划、能力调用等六步闭环流程，支持API插
上滑加载中
推荐直播
-
华为云码道Agent集成与鸿蒙实战2026/08/11 周二 19:00-21:00
王一男-华为云码道产品规划专家；李炎-华为云码道产品专家；彭江敏-华为云鸿蒙端云一体化开发专家
本次直播带你解读华为云码道7月份产品新特性、新功能。更有专家演示码道Agent Space × 钉钉机器集成实战，从0到1打通消息通道；码道鸿蒙端云一体化实战，快速搭建员工签到系统。
回顾中 -
华为云开发者AI素养直播课·第五期2026/09/04 周五 16:00-18:00
林华鼎-华为云AI开发者运营负责人；蒋春阳-华为云AI开发者案例开发专家
本期直播内容： AI工具体验营 · 第5-8课连讲。Agent-Team 多智能体协作完成毕业设计实践
回顾中
热门标签