长期专注于数字工厂规划、建设。对数字化、智能制造、自动化控制等领域有深刻的体会、感触

最近写了不少的文章，为了方便阅读，特意重新整理了关于Agent相关的文章链接，也便于大家阅读

本次分享重点介绍了配置个人专属插件的全过程，强调了利用资源库接入外部第三方工具的重要性。首先，选择名称、添加描述到使用API接口配置的自定义插件步骤，以图像生成为例，展示了如何通过API调用实现工具集成。接着，设置输入输出参数、测试以及将插件发布至工作流供他人使用的流程。

用户计划构建一个自动化系统，旨在自动检索新闻并生成行业分析报告。最初目标为简化为自动搜集新闻并提炼摘要，随后要求提升至能独立搜寻新闻、获取全文并基于内容进行行业分析，追求全流程自动化，减少人为介入，且能整合多来源新闻逐条分析，最后产出综合深度分析报告。用户详细阐述了配置工作流的方法，涉及添加任务节点、实现循环处理、利用插件抓取文章内容及运用大型语言模型进行分析等步骤。同时，强调通过设定变量和消息输出确保系统按照预定流程运行，最终实现所需分析报告的自动生成。

通过使用工作流引擎，详细介绍了自动化新闻摘要生成的全过程。首先，系统根据用户设定的关键词自动搜索并提取新闻内容，随后利用大模型技术精炼信息，使之更加简洁明了。此过程中，需进行配置输入参数，设定输出变量，并根据系统及用户需求调整工作流布局，最终完成流程发布。通过试运行与优化，成功实现了自动化新闻摘要功能。此外，讲述了在平台上创建智能体，配置其工作流及与用户互动的逻辑，旨在提升用户体验。整个流程体现了从需求分析、系统配置到测试优化的全面自动化解决方案。

AI在2025年的发展将呈现便利与风险并存的局面，关键在于如何平衡技术创新与风险治理。

本次对话重点介绍了登录系统的方法和系统内各个功能模块的操作。首先，讲述了通过手机号码登录系统并访问主界面的步骤。随后，详细解释了系统的核心功能，包括“工作空间”、“项目开发”和“资源库”，并强调了如何通过添加资源和配置工作流来构建项目。此外，还提到了如何使用插件进行外部操作，如数据抓取和外部工具的集成，以及配置知识库以提供参考。通过具体实例，演示了如何添加和测试插件，以及如何分析和利用插件的输出结果，旨在帮助听众熟悉和掌握系统的使用方法。

讨论了GPT模型在2023年的关注度提升，及其对游戏开发中NPC与玩家互动的积极影响，展现了AI在多智能体系统交互与记忆更新方面的进展，如斯坦福音乐小镇项目。对话中亦触及成本控制难题，尤其是在大规模多智能体交互中的经济考量。此外，探讨了AI处理与更新记忆的能力，以及将多模态信息有效转化为文本的当前挑战。最后，强调了未来多智能体系统在增强交互性、优化成本及执行复杂任务方面的潜力，同时指出了实现多模态交互的难题，全面反映了当前AI及多智能体系统研究与应用的前沿动态。

在软件开发中，现成框架如auto GPT和made GPT的使用变得至关重要，尽管框架更新频繁，仍难以满足所有需求。使用者的关键在于理解框架的运作流程和逻辑，而非深究底层架构。随着技术进步，框架可能被更新或替代，因此持续学习新框架变得必要。即便缺乏底层技术知识，通过调用API等手段，也能高效利用框架完成工作，体现了框架的易用性。整体而言，框架在提升开发效率、简化复杂任务方面发挥着核心作用，但其持续进化和学习适应框架的能力也是不可或缺的。框架的重要性以及当前框架存在的问题和局限性。

Agent（代理）与大模型之间的协作关系，强调了Agent作为执行者在任务执行中的关键角色，他们需在遵循预设框架的同时，灵活应对具体情境。讨论涵盖了智能体处理任务的标准化流程、角色属性、使命以及它们之间的有效交互，突出了角色协作、任务分配的重要性，并强调了通过交互获取更多信息的能力。此外，智能体在代码生成、项目管理等多场景的应用被提及，探讨了在预设交互与自主思考间取得平衡的方法，以及通过迭代和实践持续优化智能体表现的路径。

​ 在讨论中，强调了AI代理在执行任务时应具备的三项核心能力：感知、思考与行动。感知能力让代理能观察环境并获取信息，包括文本、语音和图像等多种形式；思考则是处理感知到的信息，将表面现象转化为深入见解的过程；行动能力则关乎基于思考结果，采取如调用API或发送信息等具体措施解决问题。这些能力的综合运用，决定了代理能否高效完成任务。​ 智能体或大模型所需的关键能力，主要包括感知、思考和行动三个方面。感知能力使智能体能够从环境中获取包括文本、语音和图像在内的多类型信息，以理解自身所处的情境。

在探讨AI领域的代理概念时，强调了代理作为执行任务的工具，其效能高度依赖于人类设定的目标、规则以及与大模型的交互。这一过程体现了代理的智能，它能够根据命令和提示，自主判断并执行相应的子任务，从而更高效地利用大模型的能力来完成目标。此外，指出了大模型在执行任务时的局限性，如可能出现的幻觉和不稳定现象，以及在设计执行流程时需要遵循的规则和标准。通过与大模型的大量交互，用户在面对日常任务和决策时，询问大模型如何行动、当前环境及目标，从而获得完成任务的指导。

实际应用案例显示，在汽车焊装车间应用因果森林模型后，白车身尺寸偏差的根因定位效率提升72%，其中压力参数的时间累积效应被证实是63%密封性问题的潜在致因。但需注意，当参数间存在非线性耦合（如注塑工艺中压力-温度交互作用）时，建议采用基于物理信息的神经网络（PINN）增强模型解释性。

数据分析 | - Excel自动化：退货率分析/消费记录诊断 | 分析月度消费记录 | || 创意生产 | - 小红书文案/短视频脚本/Logo提案 | 生成5条垂直领域内容 | || 学术写作 | - 选题推荐/文献综述/写作润色 | 构建个人论文大纲 | || 商业变现 | - 内容变现/工具开发/合规指南 | 设计付费模板雏形 | || 知识管理 | - 建立个人知识库/智能标签分类 | 整理重复指令库 | || 编程辅助 | - 代码生成/调试/逐行解释 | 实现简单自动化脚本 |

与 DeepSeek 进行高效问答的关键在于 清晰表达需求、合理使用功能、灵活调整提问方式

关注+留言，免费分享

最近国产大模型 DeepSeek 非常火，但由于访问人数过多，经常出现反应迟缓甚至宕机的情况。幸运的是，DeepSeek 是一个开源模型，我们可以通过本地部署在自己的终端上随时使用，而且部署到本地后无需联网即可直接使用。