亚马逊的 ai 导购 alexa 越来越强了，所以用户未来可能不是自己翻二十个产品决定买哪一个，而直接问 ai 哪一个产品适合我。 这个对于亚马逊卖家啊，我觉得是很重要的。你的 listing 将来不再只是写给消费者看的了，也要让系统更容易理解你产品的场景属性、差异化和适用的人群。 以后商品内容不是简单的堆关键词，而是要用结构化的表达，谁用什么场景，用解决什么问题啊。所以写给消费者看是一点零的办法，写给 ai 是 二点零的办法。很多人讲 ai， 但是真正的问题是， ai 到底怎么落到我们的跨境业务里？ 下方这个原价幺九九，今天只要九块九的课程，会讲清楚我们临沂出海的智能体加海外仓的货盘，一件代发加亚马逊多次验证过的金库模型，怎么组合成一条更适合普通人轻资产低试错起盘的路径 啊。而且今天下单呢，我们会限量赠送一本内部资料实体书。一人 ai 跨境的三十个坑，这是我们启航营几百个同学实战操作的精华手册，每个坑都价值一万块钱，可以帮你少走弯路，口，快有手，慢无点击哦！
粉丝15获赞62
相关视频
03:49查看AI文稿AI文稿假如你二零二六年的五月份才开始接触智能体，那么今天这份免费的 ai 智能体的指南千万不要错过，哪怕你是零基础，听完今天这个视频，你也能够让智能体去替你干活。首先第一步， 不要再去养马养虾，不要玩什么扣字 n 八 n， 不要再去跟豆包 g p c 和 g p d 这种活在网页端的 ai 对 话了。你要做的是去搞一个能够在你电脑本地运行的智能体，它能读取你电脑上的文件， 能帮你处理 ppt， 处理表格，写材料，写报告，你能在电脑上干的事情，他应该都能干，你只需要说一句话，他就可以去自动的打印你的表格，生成出表和报告这一套流程。原来你手动的怎么也得几个小时，现在不到十分钟就可以给你出结果，而且成本不到一块钱。第二步， 有了智能体之后，要给你的智能体装上规则和记忆。以前我们用 ai 都是一次性的问一个答一个，现在玩智能体得让他越来越懂你。要想达到这个效果，核心两个东西，规则和记忆。 规则就相当于是智能体的工作手册，要告诉他能干什么，不能干什么，边界在什么地方。记忆就是一个智能体的成长中的，用的时间越长，纠正的错误越多，他就可以向你从实习生变成一个老员工的过程，慢慢的去成长起来，去建构你的智能体。 第三，要去学习一个叫做 m c p 的 概念，用 m c p 打通你的整个链条，这里面有个概念叫 connect 连接器，智能体可以去连接万物， m c p 就是 一把万能的钥匙， 通过它你就可以让智能体对接你的数据库，你的业务系统，你的飞猪，你的企微，甚至是对接你的腾讯会议，或者是你们公司内部的 e r p o a c m 的 各个系统， 都可以去用 m c p 串联起来。第四，有了刚才说的那几样，还得去给你的智能体配备一个大侠器。记忆， 就是能够把重复性的一些动作封装成可以附用的 s o p， 你 只需要去教给智能体一遍，他学会之后，你布置一个类似的任务，他自己就能去做。最后，亲爱的朋友，要在 ai 时代建立你的护城河， 现在 ai 迭代的太快了，去年学的工具，今年就过时了，想要不掉队，你必须得去思考一下现在学什么才能够让你在未来三年、五年的时间里面不被淘汰， 如果只是学工具，学技术，迟早都会被迭代。听好了，我这里可以给你两个建议，第一，不断的去沉淀你的知识体系， 把你行业的经验，你对客户的一些洞察，你对业务的一些判断，全部都沉淀成知识库以及智能体的规则和记忆。这些东西是任何一个通用的智能体，它代替不了你的， 因为通用的智能体他不知道你脑子里面装了什么东西。第二，你要去拥有驾驭智能体的能力，现在智能体工具一大堆，智能体也在不断的更新，迭代出新的花样，昨天有虾，今天有马，明天有骡子，但是底层的框架不会再变了， 里面的系统级指令、 m c p 技能、规则、记忆，你只需要去学习这些不变的概念，理解他， 然后把它融入到你指挥智能体的能力里面，而不是去学习它底层是怎么实现的。因为现在我们不需要去关心底层的技术怎么实现，只需要去动动嘴，剩下的交给智能体就可以了。智能体可以帮我们完成各种各样的工作，所以说 驾驭智能体的这个能力基本上不会再变了。二零二六年，如果你想要在智能体的这个赛道当中弯道超车， 关注七哥，我可能是你学习智能体的第一站，也可能是最后一站，不管你在外面被别人割了多少的韭菜，想学真本领来找七哥就对了。
213旗哥丨智能体架构师
02:31查看AI文稿AI文稿opencall 火爆全网啊，我看到很多同学都在问它到底是个什么东西呢？跟我们手机里的 ai 像豆包啊千问啊，有什么区别呢？不要急，今天这个视频秋阳就带你科普一下这个龙虾到底是个啥，以及它对普通人来说有什么作用。首先第一点啊，它是一个 ai 智能体， 跟我们现在手机里装的 ai 不 一样，它的定位并不是一个对话工具。我相信很多人现在经常会和豆包聊天对吧？有问题的时候都会问问 ai， 然后 ai 就 会给你答复。 当然现在这些 ai 的 能力也都很丰富了，它能帮你 p 图，还能帮你生成视频。但是你有没有发现，就是现在 ai 所做的这一切都是在 app 里，或者说是在浏览器里完成的， 是没有办法和外界系统进行交互的，那因此就算你跟豆包说帮我给谁谁谁发个邮件，他也只能回答你说抱歉，做不了，对吧？ 但是智能体不一样，智能体是具备和外界联动的能力，如果 ai 本身是大脑的话，那智能体就像是有了手和脚，能够帮你真正的处理复杂任务，代替你去做事情。那好，我相信很多同学又会有了手和脚吗？也算是有手有脚了呀， 这是一个非常好的问题啊，某种程度上来说，千万就是正在向 ai 智能体的方向在发展。千万智能体依托于阿里集团的生态，它生态已经算是很丰富了，能够订票、点外卖、买东西，可以说是一个非常好的数字人了。 但是相对于 opencl 还是逊色一点，它核心的原因就在于 opencl 是 开源的，理论上你可以给他装上各种各样的工具让他使用，就像是哪吒长了三头六臂，打通了各种系统，你说是不是很强？ 所以现在很多人都想安装来试一试。说到这，我知道有些同学已经安装了 open call， 但是感觉这只龙虾好像也没什么用啊，就是一个玩具而已。有这种感觉啊，其实也是很正常的，因为刚刚安装的龙虾还很小，是个小宝宝，啥都不会呢。 作为主人，你需要慢慢培养他，给他安装技能，给他你的经验。那经过你的培训之后呢？他熟悉了你的日常工作模式，他就能分担你一部分工作了。这个时候他就不再是一个龙虾宝宝，而是一个能够独挡一面的大龙虾了。 当然啊，养龙虾也是需要技巧的，那我相信二零二六年是智能体元年，所以我会在今年培养几支得力的 ai 助手，目标呢，就在今年内，让我的智能体天团替我上班赚钱。那在这个过程中，我会把我养虾的经验进行分享，欢迎和大家多多交流。我是秋阳，我们下期再见。
31秋阳Chris
00:49查看AI文稿AI文稿今天咱们实实在在聊一聊， ai 智能体到底是什么？又能帮大家做些什么？它和普通 ai 不 一样，普通 ai 是 问一句答一句，而智能体可以自主思考、拆解任务， 相当于一名能独立干活的数字员工，日常里整理资料、市场调研、赚写各类文案、处理表格数据，还有全天后自动接待客户、解答咨询，这些琐碎重复的工作他都能高效完成，还能记住你的业务信息，越用越贴合你的需求。定制后的智能体用处更广， 除了自己日常办公经营使用，还能用来分享变现。我们会对智能体进行深度训练，搭配一机一码的专属防护模式， 你把智能体分享出去后，对方必须凭借专属激活码才能正常使用，定价完全由你自主把控。靠着这套模式，既能分享实用工具，也能稳稳赚取收益，轻松把握住当下的 ai 新机会。
01:00查看AI文稿AI文稿最近刷屏的腾讯 mars 到底值不值得装？它是腾讯全新系统级 ai 助手，相当于电脑版贾维斯，不靠手动操作，说人话就能指挥电脑干活， 文件整理、系统优化，手机远程控机全都支持，而且永久免费，每日一千万 token 完全够用。 重点看资源占用。安装包三百兆，模型文件二到八 g 空隙内存七百兆到一 g， 运行任务最高三 g， cpu 负债也会明显上升。 卸载方面，常规卸载可移除主程序，但模型缓存会残留，手动删除文件夹就能清理干净。 总结，高配电脑效率神器，低配老电脑不建议尝试。
19飞向蓝天的8鸟
09:56查看AI文稿AI文稿ai agent 是 一个小程序，它负责在用户 ai 模型和功能函数之间进行传化。比如说我们想要让 ai 帮忙管理文件， 但模型本身没有办法直接捕取咱们的硬盘，所以我们需要提前写好一系列的文件管理函数，再把这些函数注册到 agent 里面， agent 就 会把这些函数的信息啊，通过 system prompt 或者繁星 call 的 方式啊告诉 ai 模型， 于是模型就可以返回指令，引导 agent 去调用相应的函数啊，去完成用户的请求。现在我们回到代码，今天我们要开发的是一个简单的 ai agent， 它负责管理 text 的 文件夹下面的文件内容。在当前文件夹下，我们目前一共实现了五个文件，那么它们分别使用不同的编程语言实现了一部分代码， 其中包括像 python， java， c 语言，还有 gs 等等。那我们要实现的 ai agent 能够啊通过代码的内容啊，去识别到它对应的编程语言， 然后再修改对应的文件，给他添加上对应的编程语言的后缀。那这个就涉及到本地啊文件资源的这样一个修改和读取， 那到底应该如何去实现？接下来我们先给大家去分享我们的第一个代码，也就是我们的 tools， 咱们的这个工具。 那我们前面讲到过 ai 模型，它本身是不具备修改我们本地文件的这样一个能力的，所以我们需要把这样的能力啊通过工具来实现。 所以在这里我们现在已经实现了三个功能函数，第一个就是 read file， 然后第二个 delete file， 然后第三个是 relive file。 那么对于这三个功能函数啊，它们的作用，首先第一个 read file， 那 么它接收一个参数啊，叫 name， 也就是我们的文件名，然后它会去打开这个文件，然后去读取它里面的这样一个内容， 然后 list files， 那 么它会来到指定的这个文件夹，然后去循环地去读取啊这个文件夹下面所有的文件， 然后 rename file， 那 么它的作用的话是有两个参数啊，一个是 name 啊，就是我们原原文件的这个名字，然后是一个 new name， 那 是我们一个新的这样一个名字啊，所以它能够去完成这样一个名字的这样一个修改， 那么这个代码啊，就是我们通过排序语言来实现的。那么在这里我们需要去注意的是，对于不同的功能函数，那么对于我们的参数的名字，我们应该要尽可能的啊，符合我们的这样一个功能的这样一个含义，包括 name， 那 么它指向的是什么， 对吧？ read file， 它指的是什么？以及我们在功能函数当中啊，我们所编写的这一个什么 description， 那 我们的这样一个功能函数的描述，那也要尽量的清晰简洁，那这样的话能够方便让我们的大语言模型啊，能够去进行这样一个识别。 好，所以我们在了解完这一个 twos 这个工具文件之后啊，接下来我们来到咱们的主文件，也就是问文件当中啊，那么在问文件当中的话，那么我们是通过这个 piect 啊，那么通过这样的一个 工具啊来实现呢，我们的模型的初使化啊，以及我们整个 a 镜头的这样一个创建。那么在这里的话，我们首先来看第一个，也就是我们这个模型的初使化，那么我们采用的是这个呃， deepsea 啊，就我们用的是 deepsea 的 这个模型 啊，大家可以看到啊，这个地方是我们的一个接口，然后那我们的 api k 的 话，我们是把它放到这个，因为这个文件当中的，所以大家的话可以自行去添加啊，然后模块的话就按照这个一样的去进行使用就 ok 了啊，那我们在创建好咱们的这个 大别模型这个 model 之后啊，接下来我们就来创建咱们的 a g 的， 那么在 a g 的 当中啊，我们一共给到了三个参数， 第一个参数就是我们的模型本身 model， 然后第二个是我们的 system promise， 是 我们给的一个系统的一个提示词，就是告诉我们的 a 检测，那么你是怎么样的一个身份？ 然后接下来我们把我们的整个的这样一个工具啊 tools 哎传进去了，那么在这个工具的列表当中啊，咱们一共是有三个工具啊，就是我们前面已经实现的 read file， 然后 list files， 还有这个 rename file 啊，一共是这三个。好，然后接下来那么我们的主函数的话是这个 m 函数啊，那么在这里的话，我们是实现了一个 while 循环啊，就是我们可以通过不断循环的方式啊，去反复的和我们的这个模型啊，来进行沟通啊，或者叫咱们的 agent 来进行这样一个沟通啊，那它的这个调用的方式啊，就是这个 agent 点 recent 啊，那么这个就是 实际啊，执行的这样一个方法，那么它接收的参数就是咱们的这个 user input， 就是 我们的用户的一个输入啊，咱们接收到了， 好，接收到之后啊，那么我们的这个结果啊，是在这个 out put 当中，那么在这里的话，大家可以发现我们写了一个列表啊，叫 history， 那 么用来记录什么？用来记录我们的 历史的交流信息啊？那么这个数据的话，我们是用来完成我们的多轮对话，那否则的话，如果没有这个这个历史对话的话，那么你每一次执行这个功能，它 或者说你每一次需求他都要去重复的去执行一些功能，比如说文件我前面读过了，后面我又还要再去读啊，所以他就会有反复啊，所以我们那张把历史的这个对话也给他加进去了啊。 好，那么接下来的话，我们就来运行咱们整个程序啊，我们看一下那么他的一个实现的一个效果。那首先我们运行咱们的代码。好，那么第一个就是列出所有的文件啊，我们先让执行第一步。 好，那么我们可以清楚的看到，那么现在他自己啊去调用的一个方法，叫什么叫 list file 啊？也就是列目录啊，但是这个地方我们看一下有没有问题了，好像有点问题，因为我们地方应该是 list file， 好 像是少写了一个 s。 来，我们看一下。 好，当然我们这边打印的话，是啊，没有手写啊，那这个是他自己去执行的一个结果啊。好，然后我们可以看到，那么他在这里我们列出来的这样一个文件列表有没有问题？没有问题啊，是正常的。 ok， 好， 那么接下来我们让他读取啊，分别 读取文件中的内容，好，那么文件内容我们其实前面已经讲到过了，就是通过不同的编程语言啊来实现的。好，那么我们可以看到，那么他一共啊调用了五次这个 read file 的 这样一个方法，分别去读取了 a、 b、 c、 d 啊，这个几个文件啊， 好，然后每个文件它的这个内容如下，当然我们可以看到，那么它针对于什么？它针对于我们的每一个文件啊，它的这个输出啊，它其实有把对应的编程语言有给我们做一个输出，比如说 a 它是用 python 写的，然后这个 b 它是用 java 写的， 然后这一个 c 的 话，它是用 c 语言写的，对吧？还有这个 d 呢，是用 go 语言写的，还有这个 javascript， 哎，都已经念出来了。然后接下来那么它既然已经识别到它对应的这个编程语言了，然后我们再让它根据 啊对应的编程语言啊去修改文件的后缀名， ok， 好， 那我们同样的再把这个需求提交给我们的一个 a 级的，那我们其实通过现在啊，这几次的这样一个啊执行，我们其实可以发现啊，那么对于我们的 ai 来讲， 如果说他在不具备部署这个工具的能力的情况下啊，那么他是没有什么，他是无法去读取咱们本地的文件，也没有办法去修改咱们本地的文件的。但是现在， 哎，我们会发现啊，他可不可以了？他其实已经可以了，包括在这里我们可以看到，对吧？已经修改好了，那我们现在把这个暂停掉啊，退出掉，好，退出掉之后来，我们现在看咱们这个一个文件来，各位 能看得到吗？好，那么现在啊，我们所有的这个文件啊，都已经自动的加上咱们这个后退，也就是说啊，他已经具备去修改咱们本地文件的这样一个能力了，所以这就是，哎，我们的 ai agent， 他 不光啊能够去 告诉我们应该怎么做，那他还能帮你去做啊，比如一个很简单的需求，对吧？我不知道这个代码是用什么写的， 对吧？那以往你去问这个模型，他只能告诉你，对吧？这个是用 java 写的，那如果说你要改户对，你要自己去改，但是现在他可以自己去改啊，这就是我们通过 tools 工具的能力啊，去增强了啊，这个模型啊，他的这样一个 可以去完善的这样一个功能啊，所以这就是一个最基础的 ai agent 的 架构啊，逻辑并不复杂，但背后的机制啊，却很有意思啊。那所以希望这个视频啊，也能够帮助到你啊，更加清楚的去理解整个流程。
235懂点大模型
01:01查看AI文稿AI文稿你有没有最近刷到过 ai 智能体的相关内容，却压根不知道这到底是个啥新东西？别着急，今天我用一分钟给你讲明白普通人也能听懂的 ai 智能体到底是什么。 首先，你可以把普通 ai 当成你给啥指令、他干啥活的工具人，你让他写文案，他就只写文案，你不说下一步他绝对不会自己动。但 ai 智能体不一样，他就像你雇了个有自己想法的小助理，你只要告诉他你最终要达成什么目标，比如帮我做一份这个季度的露营旅行攻略， 他就能自己上网查最近的天气，合适的营地、性价比高的装备，甚至连路线规划、预约提醒都能自己主动搞定，中间不用你一步步盯着下指令。 说白了，普通 ai 师你问我答 ai 智能题是给个目标，我自己想办法完成，试不试一下就懂了。你平时最想让 ai 智能题帮你干些啥？欢迎在评论区聊聊你的看法。
04:34查看AI文稿AI文稿哈喽，大家好，我是石子，今天给大家带来一个数字巨经的开源教程啊，从零开始构建智能体，石子大概的看了一下子，这个的话是比较全面的， 然后也是国内的，然后基于国内的一些环境啊，包括他的一个学习方法都是比较细致的啊，从前沿智能体 语言模型基础开始讲解，然后构建你的第一个大语言模型，智能体包括高级知识的一个扩展， 然后综合案例的一个进阶等等等等啊，最近几天也是进行了一个更新，就在两天以前啊，然后目前也是达到了五点一万，新收藏的人还是比较多的啊，然后我们可以直接去他的官网看一下，这就是一个教程网页啊。项目介绍， 如果说二零二四年是百魔大战元年，那么二零二五年无疑就开启了 agent 的 元年，对吧？二零二五年的话是 cloud code， 然后包括 openai 的 codeys 叉，然后包括 qoser， 包括一些开源的 open code， 对 吧？ 然后再就是 vs code 里面的各种各样的一个插件。然后如果你学完这节课，你可以理解 a 键的一个核心原理，并且亲手实现你自己的一个智能，包括掌握一些高级技能，包括对模型的一个训练， 然后结合实际情况去制作你自己的一个真实案例。你实质其实是仔细的研究了一天的智能体的一个定义，类型、范式与应用，最简单一句话去概括的话就是搭建一个 ai 的 工作流，就比如你招了一个运营， 对吧？你需要运营每天帮你发一些朋友圈、文案，或者是自媒体平台的一些视频，整个流程都是由人去执行的，但是如果你的工作流是固定的的话，你完全可以写一个智能体出来，然后把你每天准备好的材料交给他去帮你发送 生成，然后发展史这个我们就不说了，大语言的话就是告诉你什么是 transformer， 然后包括提子值，主流的一些大模型，包括它的一个局限性啊，如果你要了解它是如何进行一个生成，就是通过你的一个提子值 转换出来你想要的一个答案。这个东西就可能涉及到一些模型微调的一些底层操作了啊， 你如果学会这些的话，你可以自己到时候去微调一个大模型，更符合你个人的一个需求。然后包括智能体的一个经典范式，就是你接一个 api， 然后把中间的一些流程给它梳理清楚，然后你之后每一次操作的话，你只需要进行一个输入，然后中间的所有流程都是固定的，它会给到你一个你需要的一个答案。第一代码平台的话，就是拖拉拽的一个智能体构建平台啊，包括扣子、带飞、 n 八 n 这些是不需要你去进行一个代码编辑的。但是目前有 cloud code， 包括 openid code、 叉，还有 q server open code 这些东西的话，这个平台现在基本上用的人会稍微比较少一点的， 因为你现在完全就可以通过你的一个自然语言，让这些现成的一个智能体平台去帮你把你所需要的代码给在本地上进行一个构建，然后有问题的话，可以直接从自然语言去让 ai 帮你进行一个修复调整，甚至连拖拉拽的动作都节省下来了， 包括构建你的一个 a 卷框架啊，记忆解锁这些。现在其实有小龙虾、爱马仕这些东西的话，基本上也不需要去学习了，你可以去做一个简单的了解， 就什么是记忆系统，什么是 r a g， 什么是存储，包括上下文工程也是一样的，智能体通信的话， m c p 这个东西大概了解一下子就行。然后现在基本上大部分都是有一个 skill， m c p 的 话，其实也是可以集成到 ai 里面去的，除非是一些不对外开放的闭源的。这个 m c p 工具啊，包括它给到的一个案例，对吧？ 自己去进行一个研究和一个构建。如果你能把这个赛博小镇给搭建出来的话，我觉得你对 a a 建的理解应该来说已经是 b a 了。好吧，其他也有一些社区贡献的一个精选，我觉得这个开源的教程它的价值还是挺大的。好吧， 适合所有入门的初学者去进行一个学习与了解，而且里面的案例啊，包括讲解都非常的详细，实质也希望大家能够早日掌握这个 a 键的这么一个技术。好吧，那么感谢您的观看，我们下期再见！拜拜！
59时之AI
02:37查看AI文稿AI文稿上一张咱们拆解了智能体的四大核心技能，但拥有了技能，不代表他就是一个合格的 agent。 这就好比你有了发动机、轮胎和方向盘，但还没把它们组装成一辆能跑的汽车。 今天咱们正式进入第六章， agent 构建完整智能体本视频的代码笔记。我整理进了一百万字的 ai 大 模型学习笔记里了，里面包含了穿梭的架构、 lincoln reig 模型训练与微调、 agent 的 智能体开发等二十多个技术站与一百多个 ai 大 模型企业落地项目实战笔记。 大家好，我是彭宇。这一章我们要做的就是把那些零散的技能通过框架和架构编排成一个真正能独立完成业务闭环的数字员工。在这一章，你需要重点攻克三个维度的实战内容。第一个维度，主流框架的深度应用 lanchen 与 landgraff， 这是目前的工业标准， 你要学会不再只是写简单的 prompt， 而是通过 lan chain 来连接工具和记忆，特别是现在的进阶，首选 lan graph。 你 要掌握如何通过有向无环图或循环图来编排 agent。 为什么要学这个？因为现实中的任务不是现行的 agent 需要根据结果不断地跳回、重试、循环，这才是真正的智能。 第二个维度，核心架构模式，从简单 agent 到复杂规划者。在这一节我们要练三种架构，第一，单一 agent 模式，处理简单明确的任务。第二， plan and execute 计划与执行模式，让模型先制定一个长长的计划，再逐一执行。 第三，反思架构 reflection， 给 agent 配一个监工，让他在交作业前先自我审查，学会了架构，你才能处理那些烧脑的业务需求。第三个维度，调试与评估。使用 lansmice 进行追踪 agent 开发最痛苦的是不可控。 在这一章，你要学会使用像 lansmith 这样的追踪工具。你要能清晰地看到模型，在第几步想错了哪个工具调用的参数，传错了，能复现错误，能追踪链路，你才算真正掌握了 agent 的 开发流程。到了这一步， 你已经不是在写代码了，而是在设计一个复杂的系统。你需要考虑如果模型超时了怎么办？如果工具返回了，垃圾信息怎么过滤？在第六章，我们要从实验室里的 demo 走向工业级的 a 阵。这个过程很痛苦， 但成就感也是最强的。单兵作战的 agent 已经可以处理大部分任务了，但如果是一个需要多部门协助的复杂项目，一个 agent 忙不过来怎么办？下一集，我们要聊聊目前最前沿的第七章， multi agent 多智能体协同， 看 ai 们如何拒杀成塔，组建一支 ai 军团。咱们下期见，那么下次再见了。
37鹏宇AI大模型
01:21查看AI文稿AI文稿今天给大家分享一个我们从来没有分享过的东西，就是做一个智能体的完整逻辑和思路，就是这个文档。先要注意的是，不要以为没有用这个文档比什么提示词都有用， 一通百通这个文档的思路，如果你理解了，你可以搭建任何你想去搭建的这道题，那我们看一下这个文档有什么内容，这里面包含了我所有和 ai 的 对话，也包含了我每一次的提问和他的回复是什么，然后我的思路是什么？怎么去提问的？注意点是什么？其实我之前都分享过这些方法论，那么这一次的 文档就等于说是带着你们实操一遍，更确切的知道每一步是怎么去干的，你们拿回去直接可以用了，那么这个智能体是干嘛的？这个智能体其实所有的公司都需要用到，它是去写上面卖点的，包含着七大维度四十二个场景，能够直击到你客户的痛点，比如像这个展示出来一下， 一个简单的挂耳咖啡，可以从七个维度那四十二个场景去触达，有不同的写法。 ok， 总结一下就是这一次分享的不仅仅是一个单纯的条小提示词，那么提示词在那个文档的最底下啊，最后一栏 更重要的是是我们这个团队去写智能体提示词这一套完整的逻辑，也是一个实操记录，就这样的一个实操记录，我相信没有任何一个博主会给大家分享。今天就是直接把这个文档给大家，还是那句话，我们的想法就是希望大家看到我们的视频之后，能够真真正正的学会一些东西，仅此而已。
98宇哥AI职场落地
04:42查看AI文稿AI文稿新手学扣子最快的办法是什么？不是死记节点，也不是照搬模板。先弄懂核心要点，分清什么时候用智能体，什么时候用工作流。两者一旦混用颠倒， 后续再怎么调整流程都很难顺畅运行。今天用大白话把区别讲明白，短短四分钟，内容弄懂再上手操作，能帮大家少踩一周的坑。首先来说说二者本质的区别，给大家打个通俗易懂的比方， 看完就能牢牢记住。智能体就好比一个人拥有独立思考能力，擅长日常沟通交流。工作流就好比一双手只会按指令执行任务，没办法自主对话。拥有思维的智能体，可以顺畅和人聊天， 你倾诉心情，他能够安抚回应。你提出出行需求，他可以理解意图，哪怕表述杂乱、口语化，他也能大致领会想法。 但它也存在明显短板。处理。数值计算很容易出错，同一组数据多次运算，得出的结果常常各不相同。 工作流的特性刚好与之相反。单纯的执行工具没办法闲聊互动，日常情绪类话语，它无法识别回应，可它最大的优势就是执行稳定，重复操作始终保持统一标准，数值计算精准无误，反复运算也不会出现偏差。总结下来，道理很简单，需要思考、判断、沟通交流的场景。 选用智能体固定步骤，数据运算类任务交给工作流处理。很多新手搭建时频频出错，基本都是两种错误用法，要么让执行工具承担对话工作，要么让智能体负责机械运算，分工错乱，自然频繁出问题。 举两个实际案例，一下子就能理解透彻。第一个常见误区，用智能体处理金额计算，设定好财务相关指令，让他根据用户给出的薪资数值完成扣费、税率核算。可用户随口附带闲聊话语，智能体就会优先回应情绪， 忽略计算任务，最终算出的数据误差极大。毕竟具备思考能力，就容易被额外话语干扰思绪。 所以涉及资金、数字预算的工作不要交给智能体，交由工作流完成即可。智能体只负责最后整理话术，把结果反馈给用户就行。第二个常见误区，把工作流当做客服对话工具， 提前设定固定问询步骤，依次询问姓名、联系方式、服务需求。倘若用户中途突然咨询其他问题，超出预设流程范围，工作流无法灵活应对，直接卡顿卡死，只会机械引导填写信息。这就是强行让执行工具做沟通工作，根本没办法灵活应答 所有需要灵活对话，随机应对，不同提问的场景都依靠智能体承接。工作流只在后台完成数据调取、信息统计这类固定工作正确的搭配模式可以这样理解，智能体如同门店前台接待人员， 工作流就像是后厨操作岗位，接待人员负责迎客、寒暄，询问顾客需求，灵活应对各类沟通问题。不需要亲自制作餐品， 顾客选定菜品后，前台传递订单信息，后厨按照标准流程制作食材，每一步操作规范不出错，菜品制作完成，再由前台礼貌交付顾客，二者各司其职，相互配合，才能高效完成整套服务。 搭建工具的逻辑也是如此，用户发起咨询，由智能体对接沟通，梳理真实需求，判断任务类型， 确定具体工作内容后，将任务下发给工作流，完成数据查询，数值统计指令执行任务结束，工作流传回最终数据，再由智能体转换成通俗话术，回复用户。这样搭配运行流程稳定，不容易出错。实操搭建时，教大家三个判断小问题，快速选定对应功能。 第一个任务能不能梳理出固定步骤，流程可以划分清晰步骤，直接使用工作流。 第二个过程中需要灵活应对不同话术吗？用户发言随性多变，随时更换话题，选用智能体处理。第三个任务包含数字统计金额预算吗？只要涉及数值计算相关内容， 统一郊游工作流执行，避免出错。记住这三个判断方法，日常搭建基本都能合理分工。最后整体总结一下，智能体自带思考能力，主打聊天沟通，需求判断灵活应变工作流标准化执行任务，擅长数据查询、数值运算，固定流程运转， 理清两者定位与分工，再上手搭建工具，就能精准分配任务。以往流程卡顿，响应异常的问题，也能快速找到问题根源。 我整理了全套新手进阶学习课程，想跟着这套正确思路稳不提升的朋友，不妨在评论区扣学习，跟着系统化路径实操练习，觉得内容实用，记得点赞收藏，下期再见！
00:55查看AI文稿AI文稿很多老板为什么不敢把 agent 接入真实业务？因为他们怕大模型发神经，瞎操作。现在很多 agent 都在追求全自动自主决策，但是在企业级系统里，底线不是模型聪明听话，而是模型不能犯错。很多兄弟在刚接触 agent 的 时候，都会试图从 prompt 和 context 下手，反复叮嘱大模型要小心，三思而后行。 其实这根本没用。举个例子，给 hr agent 的 指令是，候选人面试通过发 offer， 大 模型如果认为自己判断没有问题，就直接去发了。但直属 lee 的 没确认，法务没签字，薪资还没定稿，这份 offer 发出去，公司会很被动。来看 hans 是 怎么做的，在模型和执行器之间加一道硬拦截，只要 agent 想发邮件， hans 立刻把任务挂起，等你来确认。如果你不确认，这份邮件绝对发不出， 我们点 n 取消。哈尼斯会把拒绝原因回传给大模型。模型知道自己被拦住了，就停下来认个错，把每一个高危动作的最终确认权留在自己手里。这是哈尼斯的核心，你学会了吗？
108Alex的AI进化论
02:53查看AI文稿AI文稿hello， 大家好，最近关于 a 镜头的视频特别火爆，然后我就试着自己做了一个 ai 镜头的小项目，大家是否以前训练 ai 的 时候觉得特别的繁琐，因为我们要手动改配置，切模型，好命令测效果，所以基于此我做了这个 ulog， 这是一个会自己训练的 ulog 的 ai 镜头，还有一整套的 a 镜头命令系统是 come 的 包含的部分， 这些的系系统和透我都给它集成在这个 ui 里面，我们可以看一下我们的 ui 界面， 一共分为五个部分，第一个 chat 部分就通过我们自然语言交互告诉我们要干什么事情。第二个就是微信部分，我们这里可以上传视频，或者用我们十字摄像头设备或者是上传图片。呃，通过已训练的模型就是训练完的模型，我们这里可以选择或者是手动输入我们的 best d， l、 p、 t 的 目录， 或者用预设的这些模型进行展示测试。然后这个是 print 部分，就是前面你如果不想用语言来问他的话，就可以这里手动进行。设置好这个 log， 可以 看我们的训练的日记，这个就是这个 log 键，包含 ig 和 memory， 是 为了可以记住一些重要的参数， 就是我们前面如果第一次训练的 mvp， 我 们可以在这里进行查询。我们给大家举个例子，比如说我让他检查这个数据集训练模型用优乐 v 八，结果包含了这个空文件夹里面，终端已经开始操作了。 ok， 他 已经操作完成，他会告诉我们这个数据集的各种信息，并且给我们训练参数的建议，以我那个 亚米文件里面没有参数设置参数，比如说他已经现在已经把所有东西都写好了，我们只需要确定 yes 就 可以进行训练。比如说我想更改它这个轮数，我就说把轮数 改到二十，它就可以进行修改，已经更改成功，然后我们就说 yes 开始训练， 我们可以看到终端这里的一炮其实是二十已经改好， 我们把我们需要 test 的 变化零距离，然后找到我们的 test 模型的位置， 可以开始检测了，这里已经检测到了，没看到最近都是零点七六， 这个是我之前训练一百零后的结果，哎。这里可以手动调自音度，自音度，比如说零点七，零点七以下它不会显示，这是可以填改变，这个 i o u 可以 手动调的，比如说我们现在不用我们自己的路径，我们用它这个 u o u 八自带了一身模型 啊，这个就是没经过训练之后的，它就是没法找到我们需要的垃圾。
99无意
00:33查看AI文稿AI文稿说出来你可别不信，昨天下班早闲得慌，我就花三小时用 deepsea 在 自己电脑上搭了个 ai a 阵智能体用起来别提多顺手了。最近这段时间，本地部署大模型搭建知识库搭建智能体特别火，我早就想动手试试了。现在很多人还在用在线 ai， 个人数据、使用记录啥的全都存在外网， 隐私根本没保障。其实搭建流程一点也不复杂，代码门槛也很低，我实操的时候把完整步骤顺便整理成了教程，纯小白也能看懂关键操作，手把手讲解，照着做就能顺利部署专属智能体。想拥有私人 ai a 阵的朋友，你说智能体就抱走教程，希望可以帮你少走弯路。
56AI大模型元老
00:08查看AI文稿AI文稿ai 智能体真正能做的不单单是回答问题，而是围绕目标把事情一步一步做完，形成自动化，完成所有的事情。
05:31查看AI文稿AI文稿hi， 朋友们，你们知道吗？最近的 ai 圈呀，其实正在发生一场极其隐秘，有足以改变未来十年财富版图的大地震。 很多人可能觉得 ai 不 就是陪你聊聊天，画个图，但其实真正的投资大佬们呀，现在都在盯着一个全新的风口，叫 agent， 也就是智能体。今天咱们就来拆解一下，为什么说 a 检测时代的到来，会让整个芯片行业面临一次彻底的推倒重来。 第一个，我们先记住一个价值，等式 token 就是 金钱。首先我们得先理解一个特别硬核的逻辑， 在 a 检测时代，有一个核心的等式算力，等于 token， 等于智能，等于经济产出。 哎，这句话是不是听起来有点绕？那咱们就通俗易懂的来说，以前你问 ai 一个问题，它回答你一个问题，这个过程呀，它消耗不了几个 token。 但现在的 a 检测要干嘛呢？他得像一个真正的数字员工一样，自己去规划任务，找工具。哎，最后他还得把活给干了。 朋友们，这中间的差距大到离谱，同样一个任务， a 检测消耗的 toc 数量居然比简单回答问题激增了一百万倍以上。 所以现在的科技巨头本质上还都在干同一件事情，他们要疯狂的建偷啃工厂，给这些智能体提供源源不断的算力燃料。第二的一个万万没想到，这波最大的黑马居然是 cpu。 按道理来说，要算理不得找英伟达买 gpu 吗？哎，这就是最精彩的地方了。在以前的推理时代，确实是 gpu 说了算，但现在嘛，我们来到了 a 检测时代， ai 它不光要会算，它还得会想和调， 它得思考下一步干什么，怎么去调用别的软件。结果数据显示，在 a 检测的任务里， cpu 的 处理时间居然占到了整个工作负荷的百分之五十到百分之九十。你想想，这就像装修房子一样， 以前你只需要大力出几季的搬运工 gpu， 但现在，你更需要一个能指挥、能调度、能处理复杂细节的工头 cpu。 据预测， a 建的服务器的 cpu 核心数会直接翻四倍。 没错，这可是一个高达数百亿美金的新征市场。第三的一个三大门派的乱斗，为什么大家都在抢二？ 既然 cpu 这么重要，那么选谁的框架就成了生死战。目前主要是 x 八六、 r i s c v 三足鼎立。我给大家打个比方，看完你就秒懂了。 x 八六模式就像是独家私房菜馆，比如英特，他从买菜到炒菜到上菜，全包了，你想改个口味？哎，对不起，老板一个人说了算，灵活性特别差，而且特别的费电。 那二木模式呢？更像是一个开放式的中央厨房，二木公司，他自己不做菜，他只卖菜谱，也就是 ip 授权。于是，像亚马逊、谷歌，甚至英伟达， 都可以拿着二亩的菜谱去定制自己的 c p u。 这种搭积木的模式呀，让芯片能和 g p u 配合得更默契，而且能效比更高，每瓦性能能达到传统架构的两倍。 毕竟在数据中心里啊，省下来的电费那可真的是纯纯的利润。第四的一个财富地图，我们应该盯着哪些厨师呢？既然大趋势已经变了，哎，那财富他流向了哪里？咱们来看几个关键的方向， 卖菜谱的和帮人切菜的公司，也就是搞 ip 授权和设计服务的， 比如国内的鑫源股份，它就是算力芯片设计的基础环节，还有像敖杰科技、一只电子这些都在发力基于 a r m 的 服务器 cpu。 那国产替代的种子型选手呢？现在海外产能非常吃紧，英特尔和 amd 的 产能都排到了二零二七年了，而且还要涨价，这就给了国产芯片巨大的机会。比如海光信息，它的兼容性就特别的好， 还有走自研科技的龙兴中科，以及整机制造的中国长城。怎么样？朋友们听完这一通的逻辑，是不是感觉自己离 ai 时代的财富密码又近了一步？ 别盯着那些写诗的机器人了，多看看这些支撑他们大脑转动的底层底座。咱们这期就聊到这了，别忘了关注我们，下次接着拆解。
33江江野生价投
00:39
04:46查看AI文稿AI文稿好，我是你们的老朋友泡泡茶，今天我给大家讲一下，就是最近比较火的一些智能体的一些概念，以及 cloud code 的 一些功能。然后呢，就是我们简单讲一下，智能体的就是一些概念， 就是我们有时候可能傻傻分不清，老是出很多新的概念，什么是 agent， 什么是 codes， 什么是 task 啊？然后特别多。然后我们这一张简单给大家比喻一下。 然后我们智能体的概念呢，里面有 agent tools， m c p， skills， hook， task， 还有插件之类的。然后呢，我们简单把它类比一下，什么是 agent agent？ 我 们比如说我们把这个事情呢，当成一个装修房屋，可以给它理解为它是装修的工长，它的核心作用呢就是负责思考、整合干活的工长。它的角色呢，就是 能理解你的需求，制定计划，并指挥整个团队完成交付。然后拓子呢，就是可以理解为工具， 可以理解为他装修的一个锤子电钻，然后你螺丝等。然后我们在 ai 呢，就是一些具体任务的数字物理工具。 intelligence 是 指挥官，负责思考和决策，决策是武器，提供具体的执行能力。没有工具 a 检测也只能纸上谈兵，两者结合才能实现真正的自人体。 然后呢， mcp 呢，可以理解为，嗯，建材城的 vip 通道，它的核心作用呢，是通过外部能获取特定的材料数据和 api， 比如说我们想查一下天气预报， 那我们通过 a m c p 的 这种格式方式接入进来，然后，然后这样就是模型，就能得到一个最新的天气预报查询的结果。然后你可以这么理解， skills 呢，可以类比，就是装修的，呃，就是指南 可以提供特定的风格，专业的服务和套路。呃，通俗的类比就是工长脑子里装着各种装修指南，告诉他如何指定风格完成装修。比如说我们在实际应用中呢，各种 scales， 比如说你代码要写成什么样的格式， 比如说遵循一些风格，这些都可以定义成专业的 scales。 而且你希望你模型，嗯，做一个设计之前需要先思考规划，然后最后执行整整，包括一些检查的风格都可以定义成 scales。 然后户客呢？是什么意思呢？可以把理解为监理，就是他可，嗯，他是强制约束和边界。比如说在装修这里面呢，我们肯定有水电工程的验收决策的内比呢，他就如同装修工的监理，执行每一步都符合规范，杜绝 违违规，然后由项目管理，然后最终来设定，保证在安全可控的框架里运行。我们可以类比，比如说我们在编程的时候，我们希望我们每编一个编辑的时候呢，要有一个 编辑前校验，还有就写完代码呢，之后呢，我们要提交技师，之前呢，我们需要一个测试环境，所以说互。可是呢，就是啊，就是比如说你要提到 提交的时候呢，我们做一个提交前的检查，可以这么理解，就是刚才说的一个应用，然后 task 呢，就是具体的一个任务， 比如说你要记录工作指令和交付的内容，具体要干什么？比如专家，对啊，就是说我现在要铺客厅的地砖这么一个公单，然后通过 agent 基于目标自动拆解生成，由用户下达明确的命令， 然后关系概念总结一句话，看懂 ai 智能体是如何工作的。首先工长，他是核心的执行者，就像装修队的工长，他是连接所有资源的枢纽， 他下达命令指令如图，装修的需求清单，由智能体需要完成的最终任务，然后呢，他会有这些任务呢？向， 然后它会有一些专业的手段，像工人们手抓的锤子和锯子是解决具体问题的抓手，然后还需要还可以连接外部，通过 m c p 的 一个形式去连接外部。然后还有一些就是它在执行过程中必须遵循的一些装修的一些指南， 就是它的一些规定。然后同时还需要有就做这个项目的时候呢，可能需要一些监理干预，比如说我们做一个 web 项目的时候，我们需要在提交啊 git 前呢进行测试之类的，就可以通过 git 的 这种机制。然后这就是一句话，我们可以看看 ai 智能题是怎样工作的好啦。
104AI闲谈小馆
