标签

LLM

把 Agent Skill 当成产品:Google 如何构建、评测并规模化治理智能体技能

来源: cloud.google.com 36
AI 编码智能体的能力上限,不只由模型决定,还取决于它拿到了什么指令、上下文和工具。Google Agent Skills 的核心思路,是把 Google Cloud 等领域知识编码成结构化、开源、可被智能体读取的操作说明,让智能体减少幻觉、遵循最佳实践,并更稳定地完成真实任务。 真正困难的部分并不是写出第一批 Skill,而是在越来越多团队参与后,仍...

AgentDesk v1.6.3:用 Agent First 架构串起客服、人工接管与工单

来源: oschina.net 44
客服 Agent 真正困难的部分,不是生成一句流畅回答,而是判断何时检索知识库、何时继续追问、何时转给人工,以及如何把整个过程沉淀为可追溯的工单。AgentDesk v1.6.3 将运行时升级为 Agent First 架构,试图用统一的自主循环和上下文评估,把在线咨询、知识库问答、人工接管与工单处理放进同一条业务链路。 传统客服机器人通常按固定流程工...

把 AI 关进笼子:遗留 COBOL 迁移为何要连 bug 一起验证

来源: oschina.net 58
把大型机上的 COBOL 迁移到 Java,最危险的结果并不是编译失败,而是迁移成功了:代码能运行,测试也能通过,但原系统里那些没人敢碰的边界行为、舍入规则和历史 bug 被悄悄复制到了新系统。 一批研究 COBOL 迁移的工程师提出了一个克制的方向,论文题为《Agentic Method for Deterministic Validation of...

让 Elastic AI agent 把自然语言变成可审查的自动化工作流

来源: my.oschina.net 55
Elastic Workflows 正式发布后,自动化流程的入口从“手写 YAML”扩展到了“描述你想完成什么”。你可以用纯文本提示词说明目标,让 Elastic 的 AI agent 生成针对 Elasticsearch 数据运行的 YAML,然后检查内容、纳入版本控制,并根据团队流程继续修改。 这件事的价值不只是少写几行配置。更重要的是,工作流仍然...

六个月构建实时语音 AI:无轮次模型与低延迟链路如何配合

来源: openai.com 43
GPT-Live 的目标不是让传统聊天机器人多一个语音输入框,而是支持持续、自然的语音交互。它把“等用户说完再回答”的固定轮次,改造成能够持续接收声音、增量生成响应并处理打断的实时系统。要让这种体验成立,模型能力和传输架构必须同时满足低延迟要求。 传统语音助手通常按顺序执行一条完整流水线: 录制一段音频。 检测用户是否停止说话。 将整段音频交给语音识别...

Embabel Agent Framework 1.0:让 Java 应用拥有类型化的 AI Agent 工作流

来源: infoq.com 58
Embabel Agent Framework 已经发布 1.0,为 Java 和 Kotlin 开发者提供了一套构建 AI Agent 的框架。它建立在 Spring AI 之上,可以连接多个模型提供商,并把“让模型自主规划”和“按预定义状态机执行”结合起来。 这意味着,Java 团队不必为了引入 Agent 工作流而切换到另一套语言生态。熟悉 Sp...

RuleGo v0.37.0:从工业设备接入到 CEP 流计算,规则链开始贯通数据全链路

来源: oschina.net 49
RuleGo v0.37.0 的重点从上一版本的 AI Agent 框架化转向“连接与数据流”:向下接入工业设备,向外发现微服务,向后写入时序数据库,并在数据流动过程中执行 CEP(复杂事件处理)。这意味着规则链不再只负责单条消息的条件判断,而是可以承担更完整的实时数据编排任务。 在典型物联网系统中,一条遥测数据往往要经过多层处理:协议解析、字段归一化...

SparkX 2.0 完全重构:统一模型接入与混合检索如何落地

来源: oschina.net 39
SparkX 企业智能体平台 2.0 是一次完全重构。更新集中在企业智能体最容易形成技术债的两条链路:一条是通过 LangChain4j 和 OpenAI 兼容接口统一接入不同模型,另一条是用向量检索、关键词检索与 RRF 融合增强 RAG 索引。对研发团队而言,这意味着模型选择与知识检索可以从业务代码中进一步拆开。 SparkX 2.0 基于 Lan...