ADK.wang AI & 软件技术百科
全库汇聚全球 22,000+ 核心技术词条，深度引证上千本行业权威学术专著，涵盖大模型原理、云原生、架构设计与工程效能。
22,077
全量学术技术词条
9 大
核心专业领域体系
10,000+
权威专著深度引证
100%
原书精粹与工业对齐
专业技术领域分类
共 216 篇词条Intelligent Physical Agents (FIPA)
The Foundation for Intelligent Physical Agents (FIPA) outlines key agent
Using Agent (CUA)
van Computer-Using Agent (CUA)-technologie: GPT-5.2 in combinatie met de
便是学习型智能体
Learning Agent
如果智能体能不依赖预设，而是通过与环境的互动自主学习呢？ 这便是学习型智能体（Learning Agent）的核心思想，而强化学习（Reinforcement Learning, RL）是实现这一思 想最具代表性的路径。
函数调用
Function Calling
这些工程化应 用技术包括Prompt工程、Agent、检索增强生成（Retrieval- Augmented Generation，RAG）和函数调用（Function Calling） 等。
原生函数调用
Function Calling
SimpleAgent 使用自定 义的工具调用格式[TOOLCALL:toolname:parameters] ，这种格式需要 LLM 主动学习和使用，在复杂场景下的表 现可能不如使用原生函数调用（Function Calling）的智能体。
反应式智能体
Reactive Agents
图 1.3 智能体决策时间与质量关系图 - 反应式智能体 (Reactive Agents) 这类智能体对环境刺激做出近乎即时的响应，决策延迟极低。
复杂工作流控制
Complex Workflow Control
如果说 LangChain 和 LlamaIndex 定义了第一代通用 LLM 应用框架 的范式，那么新一代的框架则更加专注于解决特定领域的深层挑战，尤其是多智能体协作 (Multi-Agent Collaboration) 和 复杂工作流控制 (Comp...
引入事件回调机制
Callbacks
例如，通过引入事件回调机制（Callbacks），我们可以在智能体生命周期的关键节点（如 `onllmstart`, `ontoolend`, `onagentfinish`）自动触发日志记录或数据上报，从而轻松地追踪和调试智能体的完整运行轨迹。
文档处理
Document Processing Layer
你可以通过以下命令安装本章对应的 版本： HelloAgents RAG系统 文档处理层 (Document Processing Layer)
智能体交互
Agent Interaction Layer
智能体交互层 (Agent Interaction Layer)：完全由 `MsgHub` 驱动。
智能体循环
Agent Loop
智能体并非一次性完成任务，而是通过一个持续 的循环与环境进行交互，这个核心机制被称为 智能体循环 (Agent Loop)。
智能体策略
Agent Strategies
图 5.16 Dify Marketplace插件生态 Marketplace 包含： - 模型 (Models) - 工具 (Tools) - 智能体策略 (Agent Strategies) - 扩展 (Extensions) - 捆绑包 (B...
最底层是基础组件
Foundational Components
图 6.2 AgentScope架构图 在这个架构中，最底层是基础组件层 (Foundational Components)，它为整个框架提供了核心的构建块。
核心循环
Agent Loop
一个好的框架会提供一个通用的 `Agent` 基类或执行器，它封装了智能体运行的核心循环（Agent Loop）。
消息中心
MsgHub
（4）消息传递机制 AgentScope 内置了一个消息中心 (MsgHub)，它是整个消息驱动架构的中枢。
混合式智能体
Hybrid Agents
混合式智能体(Hybrid Agents) 现实世界的复杂任务，往往既需要即时反应，也需要长远规划。
游戏控制
Game Control Layer
（1）架构设计与核心组件 本案例的系统设计遵循了分层解耦的原则，将游戏逻辑划分为三个独立的层次，每个层次都映射了 AgentScope 的一个或多个核心组件： - 游戏控制层 (Game Control Layer)：由一个 `ThreeKingdomsW...
社会性
Agent Sociality
智能体的社会性（Agent Sociality）：明斯基的理论强调了智能体之间的交互（激活、抑制）。
规划式智能体
Deliberative Agents
规划式智能体(Deliberative Agents) 与反应式智能体相对，规划式（或称审议式）智能体在行动前会进行复杂的思考和规划。
角色建模
Role Modeling Layer
角色建模层 (Role Modeling Layer)：每个玩家都是一个基于 `DialogAgent` 的实例。
解决智能体
Agent
第13章 我也可以成为马斯克 ——无痛的基于PyTorch的强化学习实战 强化学习（Reinforcement Learning, RL）又称再励学习、评价学习或增强学习，是机器学习的范式和方法论之一，用于描述和解决智能体（Agent）在与环境交互的过程中...
记忆系统
Memory System
本章将在第七章构建的框架基础上，为HelloAgents增加两个核心能力：记忆系统（Memory System）和检索增强 生成（Retrieval-Augmented Generation, RAG）。
Google Agent Developer Kit (ADK)
参考资料 进一步阅读并行化设计模式及相关概念： ・ LangChain Expression Language (LCEL) 文档 – 并行处理 ・ Google Agent Developer Kit (ADK) 文档 –
Agent System (MAS)
Multi-Agent System (MAS) over a single-agent system for complex