AI Agent
-
揭秘AI Agent、MCP、Skills:2026年Agentic AI三大核心如何协同驱动智能决策与执行
2026年,Agentic AI(代理式人工智能)已从概念探索迈入规模化落地阶段,Manus AI、Replit Agent等实用工具的普及,让“AI自主执行任务”从科幻走向现实。 在这一变革中,AI Agent(智能体)、MCP(模型上下文协议,Model Context Protocol)与Skills(技能)作为Agentic AI系统的三大核心组件,…
-
卡帕西力荐NanoClaw:仅4000行代码的AI执行中枢,开启本地化智能新纪元
自从OpenClaw爆火后,各种Claw开始轮番登场。 Nano Claw 、Zero Claw 、Pico Claw 刷屏,连卡帕西都坐不住了,为了“抓虾”,他一个百米冲刺奔向苹果店抢Mac Mini,要好好拆解一番爆火的各种Claw们。 店员还奇了怪了,一脸懵地跟卡帕西嘟囔:不知道为啥,这玩意儿最近卖爆了…… 大神顺利购入Mac Mini过后,心满意足一…
-
4款惊艳AI开源项目盘点:从图表重建到桌面助手,解锁智能新体验
01 图片、PDF转为可编辑 Edit Banana 是一个由北京理工大学开发的开源项目。它能够将不可编辑的图片或PDF格式的统计图表、流程图,转换为可完全编辑的格式,例如 DrawIO 的 XML 或 PPTX。 该项目并非简单的OCR工具,而是基于计算机视觉模型,对图表中的逻辑关系、形状组件和文本进行深度重建,实现高保真还原。生成的图形元素可以独立选中和…
-
ZeroClaw:Rust重构的AI Agent新星,性能提升400倍,内存占用减少99%
26 年开年初,最火的开源项目莫过于 OpenClaw,其 Star 数已突破 20 万,增长速度远超所有人的预期,甚至可能包括其作者本人。 它让你能在本地电脑上运行 AI,并通过 Telegram、Discord、WhatsApp 等聊天软件直接指挥 AI 完成任务。 近日,一个名为 ZeroClaw 的项目正式开源。它被描述为对 OpenClaw 的“极…
-
UML之父怒怼AI淘汰论:软件工程迎来第三次黄金时代,AI只是更高层级的抽象
近日,关于“互联网已死”、“SaaS 已被 AI 扼杀”的论调,伴随着各类新奇的 Agentic 产品发布以及部分 AI 领域意见领袖“代码已不值钱”的言论,再次甚嚣尘上。 事实果真如此吗?答案显然是否定的。 多位知名的投资人及企业家迅速予以反驳。例如,a16z 的知名投资人 Jutine Moore 便在社交媒体上调侃“SaaS 已死”的论调过于天真: “…
-
跨越工程鸿沟:软件工程方法论指导下的企业级AI Agent构建实战
AI Agent 正在成为大模型发展的重要方向,也逐渐成为企业数字化转型中具备实用价值的突破口。与单一的大模型对话不同,Agent 不仅能够理解指令,还可以围绕目标进行任务规划、工具调用和流程执行,从而完成更复杂的业务闭环。然而,从“知道 Agent 是什么”到“在企业环境中稳定运行并产生价值”,中间仍然存在一道明显的工程鸿沟。 万变不离其宗,AI Agen…
-
从LLM到多智能体系统:一份免费的AI技术学习地图与工程化指南
如果你最近在关注 LLM、AI Agent、MCP、多智能体系统 ,那你大概率有过这种感觉: 信息太多,但没有一条清晰主线 视频、论文、课程一大堆,却不知道先学哪个 Demo 看懂了,但不知道怎么做成系统 这份文档旨在解决这些问题,它做了一件非常「工程化」的事: 把从 LLM → Agent → MCP → Multi-Agent 的完整学习路径,一次性整理…
-
Agent Skills 终极指南:从零到精通
开篇思考 Claude Skills 的价值仍然被严重低估。 一个设计精良的 Skill,其所能赋予的智能能力足以媲美甚至超越一个完整的 AI 产品。最关键的是:任何人都可以开发自己的 Skill,无需任何技术背景。 以我开发的 Article-Copilot 为例,仅凭一个 Skill,我便构建了一个能够处理从素材整理到实际写作全流程的 Agent 应用。…
-
2024年1月GitHub热门开源项目盘点:从AI金融分析到无向量RAG,这些工具正在重塑开发效率
01 AI 金融分析 Agent:Dexter Dexter 是一款专注于金融研究的 AI 智能体。它能够像初级分析师一样工作,当你提出一个复杂的金融问题(例如分析某公司季度利润率变动的原因)时,它可以自主拆解任务并执行数据检索。 该智能体接入了实时市场数据源,能够查阅财报、损益表等关键财务文件,并内置了一套自我检查机制。当发现数据存在疑问时,它会进行反思并…
-
从“魔法”到“分析师”:AI Agent工作流如何重塑2026年智能系统
第一次接触大型语言模型时,许多人感觉它近乎“魔法”。 你输入一个提示,它给出回应。交互到此结束。 对于快速答疑、头脑风暴或生成一段文本,这种“一次性交互”已足够好。问一个问题,得到一个回复,然后继续下一件事。简单、高效、令人满意。 但当我们开始要求 AI 去完成真正的工作时,问题便暴露出来。 让 AI 去分析市场趋势、交叉核对信息来源、综合洞见,并将这些内容…
