AI智能体入门：AI Agent到底是什么

ChatGPT 你肯定已经用过，但你有没有注意到它的一个明显短板——你让它去做事，它往往只会"说"，却不会真正"行动"。AI Agent 正是为了解决这种差距：它不止负责生成内容，还能感知外部情况、做出判断、调用工具并把任务落到结果上。用一句话概括：ChatGPT 像是很会表达的"嘴"，而 Agent 更像是能把事情干完的"手"。所以这其实是 AI 从"能讲"到"能做"的关键分界点，搞明白之后你才算真正入门。我

AI 协作下的能力错觉：你真的比以前更强了吗？

AI 协作中的能力误判LLM 谬误与真实能力在过去两年里，许多人都体验到了一种微妙的转变：写邮件变得更流畅，编写代码的速度加快，总结报告更加得体，查阅资料、列出提纲、撰写方案、翻译外语，似乎都变得不再那么困难。由此，一个自然而然的判断也随之产生：我的能力是不是比以前更强了？ 尽管这种判断有时是准确的，但并非总是如此。近期，一篇发表在 arXiv 上的论文引入了一个值得关注的概念，名为 LLM Fallacy，可译作“LLM 谬误”。该论文探讨的并非大模型是否会信口开河，抑或是否会生成错误信息，而是聚焦于一

读懂AI智能体：别被技术热潮裹挟

S同学在传统制造业里上班。有一天散步时聊到AI，他直接问我：AI智能体到底是什么？我自以为对“智能体”有些了解，可一旦要用概念去解释他的问题，反而发现自己绕进了用概念讲概念的圈子。接着他抛出的几个问题我都答不上来，也没法给出一个让他真正听懂的回答。他又问有没有哪些智能体可以先体验一下的。我当时就卡住了：我知道不能只说Claude Code、Codex之类的名字。因为如果说了“能体验”，但又强调门槛和前提，听起来等于没说。他对智能体的理解其实很具体：就像电影里的设定那样，能站在人的一边，为人类提供服务。从这

AI越替代人类，反而越走向衰退的根本原因

AI越替代人类，反而越走向衰退的根本原因？ # 导语 随着生成式AI迅速走红，大量企业（如IBM、Duolingo等）纷纷把AI引入工作流程，用来替代人工、提升效率，追求的是一种直接的“个体收益”。但文章提醒我们，这条路正在酿成一场“公地悲剧”。AI本身并不存在真正意义上的自主独立思考能力，它的智能来源于人类长期形成的“集体社会化思考”。当人们为了眼前的生产力而减少彼此之间高质量的思想碰撞，既会削弱人类自身的思考能力，也会切断推动AI持续进化并维持其智能的关键营养。 # 核心内容 文中从多角度展开，讨论的

Bitrace AI：用大模型升级链上调查与风险识别

随着加密资产相关犯罪持续演化，过去依靠人工检索、人工关联与经验判断的调查手段，已难以应对犯罪网络的复杂性：链路多样、跨平台分布、结构交织。Bitrace依托长期积累的链上风险数据与识别模型，引入大语言模型（LLM）与模块化工具体系（bitrace-mcp），推出Bitrace AI。该方案可对链上地址、交易记录、资金流转以及地址关联关系开展智能分析与解读，从而显著提升调查、研判与风险识别的效率，并为监管与执法部门提供更有力的犯罪预测、线索挖掘与案件调查支撑。Bitrace AI 以 bitrace-mcp

伯克利博士论文：AI智能体失配问题的深度剖析

大语言模型（LLMs）如今被广泛用作自主智能体（Autonomous Agents），这些系统能够感知现实世界、与其互动并达成特定目标。不过，智能体追求的目标往往偏离操作者的初衷，这一现象被称为失配（Misalignment）。鉴于智能体在高风险场景中获得了更多自主权，解决这一问题对保障系统安全至关重要。本文从三个互补的维度探讨AI智能体的失配问题：剖析其生成机制、量化其普遍性，以及揭示其在模型内部运作中的表现。首先（第二节），我们通过形式化智能体部署中固有的反馈循环来对失配问题进行建模。研究发现，此类反

大模型概念速读笔记

LLM、Token、Context、Prompt、Agent、Skill……，最近我在尝试 Gemini CLI 的使用过程中，为了和这些“数字化工具”更顺手地协作，把大模型里几个关键概念又重新梳理了一遍。这些内容并非追求教科书式的严谨定义，更像是我结合近期摸索得到的个人理解。因此在这里做个记录和分享，算是一份学习笔记，也期待和大家互相交流。当我们把信息交给大模型时，这些输入通常可以分成：LLM 可以理解为“被关在盒子里的大脑”。它具备思考能力，但无法感知“硅基生命世界”中其他“存在”。也因此，它没办法直

AI编程系列教程现已推出！

根据大家的反馈，我们近期为网站增添了关于AI编程的系列课程：https://labuladong.online/zh/ai-coding/ai-guide/这部分内容仍在不断完善中，因此暂时未进行目录划分，我近期会着手整理。新技术出现时，往往伴随着一轮炒作，但实际上大多数产品和个人开发者可能用不上，反而会因此感到焦虑。因此，我的目标是提炼出最实用、最关键的知识点，让大家学完即能应用，从而切实提高工作效率，甚至能够独立开发产品。目前这套教程已涵盖了大型语言模型（LLM）的核心机制与概念、Agent的开发、C

AI预判要点

在早期的谈判阶段，公司的估值已经被推高到250亿美元。相比之前的标杆规模，数亿甚至更高的幅度意味着增长大约是前者的两倍以上。就在同一周，Walden Yan 的“Multi-Agents:What's Actually Working”帖子在网上迅速扩散；据称，Devin 的企业使用率在短短六个月里提升了8倍。围绕单个接口背后所做的六种推测解码思路，给出了对应的参考仓库。Shreyansh Singh 在 Qwen2.5-7B 上采用共享评估来实现 EAGLE-3、Medusa-1、PARD、Dr

AI冲击就业仍弱于百年两次转型

3个重点研究受限成因4条后续研究准则3种常被忽略的影响路径起步阶段对整体研究进程的判断据美国智库研究译整理重点摘要自大语言模型（LLM）大范围进入公众视野后，关于AI怎样影响劳动力市场的讨论迅速升温，但目前有关人工智能影响劳动力市场的证据仍未形成一致结论。本报告梳理了最新研究进展，指出三项研究局限，归纳三类被忽视的影响路径，并提出四条提升研究价值的实用准则。近三年里，职业结构的变动速度，大体与商业计算机时代（1984年）和商业互联网时代（1996年）开启后的头几年相近，而且自ChatGPT推出以来并没有明

高盛重申小米买入评级，目标价41港元

高盛发布研究报告指出，小米集团-W(31.22, 0.04, 0.13%)（01810）本周三（22日）推出了MiMo-V2.5系列模型，包括MiMo-V2.5、MiMo-V2.5-Pro及MiMo-V2.5-TTS，距离3月发布的MiMo-V2-Pro系列仅相隔约一个月。其中MiMo-V2.5-Pro作为新一代旗舰基础模型，目前在Artificial Analysis智能指数中位列全球前五，在中国模型中与Kimi K2.6并列第二，在编码代理、通用代理及推理等多项感知模态上接近Gemini 3.1 Pr

《从零构建AI智能体》书籍解析

篇幅达2340字，预估阅读时长约12分钟本书由Manning出版社于2026年推出MEAP版本，涵盖《从零构建AI智能体》前7章全部核心内容，体系化呈现基础定义→LLM中枢→工具调用→ReAct智能体→RAG知识库→记忆机制→规划反思完整链路，全程围绕Python、GAIA基准、上下文工程三大主线展开。作为全书的开篇导论，本书摒弃直接套用LangGraph/CrewAI等黑盒框架的理念，倡导从底层自建智能体，唯有洞悉每个模块的运作原理，方能实现真正的调试与优化。智能体本质上即具备自主思考、工具调用、循环执

揭秘AI基石：知识图谱如何打破“幻觉”

然而，知识图谱的价值远非如此。过去两年，生成式AI的兴起使得“幻觉”成为AI应用落地的主要障碍——大型语言模型虽然能流利地编造事实，却无法确保回答的真实性。而知识图谱正是解决这一难题的“定海神针”。据市场调研机构预测，全球知识图谱平台市场有望在2026年达到32亿美元，并以24.4%的年复合增长率攀升，预计到2034年将达到186亿美元。这背后，是众多企业正利用知识图谱搭建自身的AI基础架构。本文将带你深入了解知识图谱，探究其如何连接万物、为AI赋能，并悄然改变企业的运营模式。知识图谱，顾名思义，是由“知

实践：运用大语言模型构建智能诊疗助手

AI 热门论文精选（2026-04-15）

本报告由Euler通过全网检索汇总，聚焦于大语言模型、多模态技术、视觉语言交互、强化学习以及AI智能体这五大核心领域。作者: Peiyang Song et al. |发表: TMLR 2026 链接: https://arxiv.org/abs/2602.06176 摘要: 本文深入剖析了大语言模型在推理过程中出现的失效问题，创新性地构建了分类体系：依据推理性质将其区分为具身与非具身两类，后者再细分为非形式（直觉）与形式（逻辑）推理；依据失效模式则分为三类：架构层面的固有缺陷、应用场景的特殊局限以及对细