Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

如果开发agent

Answer

开发 Agent 可以从以下几个方面考虑：

  1. 技术基础与经验：
    • 对于 ComfyUI 新人来说，之前更多使用 Coze 做 Agent，涉及绘图功能会调用 Coze 的图像流。但图像流较弱时，会在 Glif 上做 Bot 并以插件调用 API 完成绘图功能。Glif 提供的云端 ComfyUI 带来更多图像玩法。
    • Coze 的工作流和 ComfyUI 的图像流代表了 Agent 内部两个子领域的领先水平，但大多数同学专注一个领域精进，好处是能做出落地的 Agent，短期短板是依赖平台或社区弥补。
    • 例如，熟悉 Coze 的同学开发助理类 Bot 便捷，但出图自由度不高；熟悉 ComfyUI 的同学能完成高水平图像、视频流，但流程中 Agent 含量不高。
    • 只要从擅长的阵地向另一块多迈出一步，就能更好把控 Agent 中各种节点的设计和运用。
  2. 赚钱与应用方向：
    • 赚钱方式多样，如 Key 商、写书、卖课、接项目、做镜像站等。
    • 从做产品角度，选择的方向是 Agent。如 WebPilot 作者开发长文写作的 Agent 并对外提供接口。
    • 熟悉业务结合 AI 能力打磨产品是护城河，是 AI 应用开发者应坚持的方向。
  3. 市场机遇：
    • AI Agent 开发正迎来重要市场机遇期，我们正经历人机交互范式的重大转变。
    • 从精准交互到理解模糊意图，从信息孤岛到整合多源信息，从单一功能到全流程服务，每个领域都在寻找适合的 Agent 解决方案，带来前所未有的开发需求。
    • 百宝箱的基因优势突出，依托支付宝庞大的线上线下商家网络和生活服务小程序生态，为开发者打开通向本地生活服务的大门。
    • 本地生活服务是体现 Agent 价值的领域，复杂场景正是 Agent 擅长应对的。
    • 技术浪潮不停，发现贴近生活、困扰用户的痛点是应用机遇，“让复杂的事情变简单”是开发者的使命。
Content generated by AI large model, please carefully verify (powered by aily)

References

彬子: 基于ComfyUI做油管封面Agent

我是个ComfyUI新人。在此之前更多的是使用Coze来做Agent，涉及到绘图的功能也是调用Coze的图像流来完成。但当时的图像流还挺弱的，我曾为了优化这个问题在Glif上做了若干个Bot，以插件调用API的方式来完成绘图功能的调用。Glif提供了一个有限节点集合的云端ComfyUI，带来了更多图像的玩法。这个过程让我也有些新的体会Coze的工作流和ComfyUI的图像流代表了在Agent内部这两个子领域最领先水平。但大多数同学是专注在其中一个领域中持续的精进。好处是在扎的够深才能做出真正落地的Agent。短期的短板另一块非常依赖平台或社区来建设弥补。举两个相对的例子：1.从熟悉Coze的同学视角，在Coze上有非常丰富的工作流节点和配套能力，开发助理类Bot非常便捷，但在流程中如果想出图自由度是不高的，几乎依赖平台的封装，或一些三方的插件。2.从熟悉ComfyUI的同学视角，ComfyUI有非常繁荣开源的节点和图像模型来完成高水平的图像，视频流。但流程本身的Agent含量不高，可能在反推图像信息会使用到Ollama等一些本地大模型。那其实我们只要从自己擅长的阵地向另一块阵地多迈出一步，就能揉合更整体的把控住在一个Agent中如何设计和运用各种节点来实现最终想要的，多掌握一些，限制就少一些。题外话：现在Coze将图像流的概念弱化拆解掉，可能也是认为优秀的Agent开发者，在一个Agent中使用工程节点和图像节点应该是灵活相通的，不需要过多设限。

从GPTs/GLMs如何赚钱谈起：AI应用的曙光在哪？

（这部分是应用开发相关的，不是GPTs）其实赚钱的方式有很多种，在财猫同学的群里，我也结交了很多通过AI赚到钱的朋友。Key商、写书、卖课、接项目、做镜像站等等等等...但是如果真正从做产品的角度去说的话，我选择的方向还是Agent。在上面提到过的WebPilot作者，最近又开发了一个长文写作的Agent，对外提供接口。效果非常惊艳，作为同行，我研究了很久，还是忍不住给出赞叹！我本人其实一直都是Agent的忠实拥护者，看过市面上大多的开源框架，也研究了很多闭源产品的实现。早先的时候我也天真地想过自己做一套通用的框架，在各种场景里去用。后来等到真正做的时候才发现，这个想法其实现阶段还是比较天真。这麽多年产品的经验也告诉我，熟悉业务才是正道。熟悉业务之后，结合AI的能力真正去打磨产品，这部分东西，就是护城河。这个方向，也是我始终认为AI应用开发者应该坚持的一个方向。所以，加油吧，朋友们，期待AGI早日到来。

搓了一周支付宝智能体，我看到的人机交互新未来

毫无疑问，AI Agent开发正迎来一个重要的市场机遇期。当下，我们正在经历AI带来的人机交互范式的重大转变。从精准交互到理解模糊意图，从信息孤岛到整合多源信息，从单一功能到全流程服务，每个领域都在寻找适合自己的Agent解决方案。这种转变带来了前所未有的开发需求。在众多智能体编排平台中，百宝箱的基因优势尤为突出。依托支付宝庞大的线上线下商家网络和生活服务小程序生态，它为开发者打开了一扇通向本地生活服务的大门。而本地生活服务恰恰是最能体现Agent价值的领域，一次外出用餐可能涉及查店、订位、导航、点餐、支付、评价等多个环节；一次旅行计划可能需要机票、酒店、景点、用餐等诸多安排。这些由多个微需求组成的复杂场景，正是Agent最擅长应对的。技术的浪潮永不止息，而真正的应用机遇常常在于发现那些最贴近生活、最困扰用户的痛点。“让复杂的事情变简单”，这正是AI Agent开发者的使命所在。过去的互联网革新了信息获取，而未来的Agent将革新服务体验。对开发者而言，这无疑是一个值得深耕的新蓝海。BTW，如果你也想参加支付宝百宝箱的创作者活动，来官方群里跟进迭代进度，看看其他开发者都在搓什么?https://mp.weixin.qq.com/s/Lz9leZy9HYSz71Wu8_-fUA以上，既然看到这里，如果觉得不错，不妨随手点个赞、在看、转发三连，这将对我有很大的帮助。谢谢你的阅读?

Others are asking
有关 ai agent 的科普文章
以下是为您提供的关于 AI Agent 的科普内容： AI Agent 是一个融合了多学科精髓的综合实体，包括语言学、心理学、神经学、逻辑学、社会科学和计算机科学等。它不仅有实体形态，还有丰富的概念形态，并具备许多人类特有的属性。 目前，关于 AI Agent 存在一些情况。例如，网络上对其的介绍往往晦涩难懂，让人感觉神秘莫测，其自主性、学习能力、推理能力等核心概念，以及如何规划和执行任务、理解并处理信息等方面，都像是笼罩在一层神秘面纱之下。 另外，以国与国之间的外交为例来解释相关协议。假设每个 AI 智能体（Agent）就是一个小国家，它们各自有自己的语言和规矩。各国大使馆试图互相沟通、做生意、交换情报，但现实中存在诸多问题，如协议各异、要求不同等。 如果您想了解更多关于 AI Agent 的详细内容，可访问： 。
2025-04-15
，AI agent 发展趋势，技术状态，商业模式
以下是关于 AI Agent 的发展趋势、技术状态和商业模式的相关信息： 发展趋势： 2024 年内，办公场景“AI 助手”开始有良好使用体验，实时生成的内容开始在社交媒体内容、广告中出现。 2025 2027 年，接近 AGI 的技术出现，人与 AI 配合的工作方式成为常态，很多日常决策开始由 AI 来执行。 技术状态： 目标实现基于 ReAct、SFT、RAG、强化学习等实现自主规划能力的 AI Agent，构建具备认知、决策智能的 Agent 智能体框架。 专注文本/多模态大模型、AI Agent 技术创新与应用。 商业模式： 依据不同类型销售市场的特点，结合一站式 AI 搭建平台将销售部署的产品化和模版化，让企业更容易落地和应用 AI 能力。 销售智能体 Blurr.AI 占位交易环节，解决 2B 销售获客的痛点，且具有向前后端环节延展的势能。
2025-04-13
ai agent有哪些技术
AI Agent 涉及的技术包括以下方面： 1. 长期任务执行技术：能够将复杂、跨度长的任务分解为小步骤，并在执行中保持目标导向和适时调整策略。 2. 多模态理解技术：能同时理解文字、图像、声音等多种交流方式，通过多种感官理解世界和任务上下文。 3. 记忆与行动技术：通过先进的记忆机制积累经验，记住对话、操作步骤和效果，使行动更精准高效。 4. 自适应学习技术：从每次交互中吸取经验，不断完善策略，实现“智慧成长”。 在技术层面，AI Agent 的发展有两条技术路线： 1. 以自主决策为核心的 LLM 控制流，代表了 AGI 的探索方向。 2. 以工作流（Workflow）编排为重点的工具集成系统，加速了 AI 落地应用。 特别值得关注的是 Anthropic 提出的 MCP（Model Context Protocol），其本质是一个通用接口协议，能解决让 AI 模型以标准化、可扩展方式与外部世界交互的问题。 此外，强化学习（RL）也是 AI Agent 的重要技术，起初主要依托策略搜索和价值函数优化等算法，如 Qlearning 和 SARSA。随着深度学习技术兴起，深度神经网络与强化学习结合形成深度强化学习，赋予 Agent 从高维输入中学习复杂策略的能力，如 AlphaGo 和 DQN 等。但强化学习面临训练周期长、采样效率低和稳定性等问题。其特点是通过试错学习最优行为策略以最大化累积奖励，时间始于 20 世纪 90 年代至今，技术包括 Qlearning、SARSA、深度强化学习（结合 DNN 和 RL），优点是能够处理高维状态空间和连续动作空间，缺点是样本效率低、训练时间长。
2025-04-09
AI chatbot、agent、copilot区别
AI chatbot、agent、copilot 主要有以下区别： 1. 定义和角色： Copilot：翻译成副驾驶、助手，在帮助用户解决问题时起辅助作用。 Agent：更像主驾驶、智能体，可根据任务目标自主思考和行动，具有更强的独立性和执行复杂任务的能力。 Chatbot：具备基本对话能力，主要依赖预设脚本和关键词匹配，用于客户服务和简单查询响应。 2. 核心功能： Copilot：更多地依赖于人类的指导和提示来完成任务，功能很大程度上局限于在给定框架内工作。 Agent：具有更高的自主性和决策能力，能够根据目标自主规划整个处理流程，并根据外部反馈进行自我迭代和调整。 3. 流程决策： Copilot：处理流程往往依赖于人类确定的静态流程，参与更多是在局部环节。 Agent：解决问题的流程由 AI 自主确定，是动态的，不仅可以自行规划任务步骤，还能根据执行过程中的反馈动态调整流程。 4. 应用范围： Copilot：主要用于处理简单、特定的任务，更多是作为工具或助手存在，需要人类引导和监督。 Agent：能够处理复杂、大型的任务，并在 LLM 薄弱的阶段使用工具或 API 等进行增强。 5. 开发重点： Copilot：主要依赖于 LLM 的性能，开发重点在于 Prompt Engineering。 Agent：同样依赖于 LLM 的性能，但开发重点在于 Flow Engineering，即在假定 LLM 足够强大的基础上，把外围的流程和框架系统化。 以下是一些 Agent 构建平台： 1. Coze：新一代一站式 AI Bot 开发平台，适用于构建基于 AI 模型的各类问答 Bot，集成丰富插件工具。 2. Mircosoft 的 Copilot Studio：主要功能包括外挂数据、定义流程、调用 API 和操作，以及部署 Copilot 到各种渠道。 3. 文心智能体：百度推出的基于文心大模型的智能体平台，支持开发者根据需求打造产品能力。 4. MindOS 的 Agent 平台：允许用户定义 Agent 的个性、动机、知识，以及访问第三方数据和服务或执行工作流。 5. 斑头雁：2B 基于企业知识库构建专属 AI Agent 的平台，适用于多种场景，提供多种成熟模板。 6. 钉钉 AI 超级助理：依托钉钉强大的场景和数据优势，在处理高频工作场景方面表现出色。 以上信息由 AI 大模型生成，请仔细甄别。
2025-04-07
有没有可以抓取公众号文章的 agent
以下是一些可以抓取公众号文章的方法和相关信息： 1. 可以通过读 SQLiteDB 或者获取 RSS XML 页面（http://127.0.0.1:4000/feeds/all.atom）来获取更新的公众号。个人选择在公众号订阅不太多时，建议使用分析 XML 页面，比较简单。可以写个程序获得公众号的更新文章，由于本地部署，无法直接将文章同步到 Coze，所以选择使用多维表格（当在线数据库，事实飞书多维表格后台也是使用类似 redis 或 TiDB 这样的数据库实现的）及飞书机器人 API 的方式来实现中间数据的传递。只要在多维表格中设置一个状态转换，就可以知道文章是否已经被解读和推送。 2. 可以通过文章链接订阅公众号，定时推送情报消息，并实现情报 CoT 问答。例如使用 Docker 浏览器打开：http://127.0.0.1:4000 也可以 http://wewerss 服务的 IP:端口为上面设置的外部端口。先点帐号管理，然后点“添加读书帐号”（即使用微信读书来实现公众号订阅），扫码添加帐号。然后在公众号源上，点添加。然后将想订阅的公众号的一篇文章链接粘贴并点确定即可订阅公众号文章。但建议不要短时间订阅太多公众号（经测试最好不要超 40 个）。 3. 瓦斯阅读平台可以抓取公众号的内容，但平台上公众号不太全。 4. GitHub 上的 WeWe RSS 工具可以通过微信读书的方式订阅公众号。
2025-04-05
dify工作流中agent节点怎么使用
在 Dify 工作流中使用 Agent 节点的步骤如下： 1. 搭建工作流框架： 进入 Coze，点击「个人空间工作流创建工作流」，打开创建工作流的弹窗。 根据弹窗要求自定义工作流信息，点击确认完成新建。 左侧「选择节点」模块中，根据子任务需要，实际用上的有插件（提供能力工具拓展 Agent 能力边界）、大模型（调用 LLM 实现文本内容生成）、代码（支持编写简单脚本处理数据）。 按照流程图在编辑面板中拖入对应的 LLM 大模型、插件、代码节点完成框架搭建。 2. 测试 Agent 节点功能： 完成任何一个节点的配置后，都需要进行试运行测试以验证节点的运行效果。 步骤一：点击「测试该节点」。 步骤二：按格式要求输入待测试的输入内容，如果是 array 等其他格式，请自行对话 AI 或搜索网络确认格式要求。 步骤三：点击「展开运行结果」，检查输入、输出项是否有误。如果有误，请依次检查“测试输入内容”、“节点配置”是否有误，以及优化“提示词”以提升对生成内容的约束力。当多次测试时输入与输出都符合预期，就可以进入下一个子任务的配置。
2025-04-05
stable video diffusion开发
以下是关于 Stable Video Diffusion 开发的相关信息： SVD 介绍： 简介：Stable Video Diffusion 是 Stability AI 于 2023 年 11 月 21 日发布的视频生成式大模型，用于高分辨率、先进的文本到视频和图像到视频生成的潜在视频扩散模型。它支持多种功能，用户可调整多种参数，但对硬件要求较高，支持的图片尺寸较小，应用场景受限。 模型版本：开源了两种图生视频的模型，一种能生成 14 帧的 SVD，另一种是可以生成 25 帧的 SVDXL，发布时通过外部评估超越了人类偏好研究中领先的封闭模型。 主要贡献：提出系统的数据管理工作流程，将大量未经管理的视频集合转变为高质量数据集；训练出性能优于现有模型的文本到视频和图像到视频模型；通过特定领域实验探索模型中运动和 3D 理解的强先验，预训练的视频扩散模型可转变为强大的多视图生成器，有助于克服 3D 领域数据稀缺问题。 部署实战避坑指南： 直接使用百度网盘里准备好的资源，可规避 90%的坑。 若一直报显存溢出问题，可调低帧数或增加 novram 启动参数。 云部署实战中，基础依赖模型权重有两个 models–laion–CLIPViTH14laion2Bs32Bb79K 和 ViTL14.pt，需放到指定路径下。 总结： Sora 发布后，此前的视频生成模型相形见绌，但 Stable Video Diffusion 作为开源项目可在自己机器上自由创作无需充值。SVD 生成的视频画质清晰，帧与帧过渡自然，能解决背景闪烁和人物一致性问题，虽目前最多生成 4 秒视频，与 Sora 的 60 秒差距大，但在不断迭代。我们会持续关注其技术及前沿视频生成技术，尝试不同部署微调方式，介绍更多技术模型，更多精彩内容后续放出。 同时，您还可以加入「AIGCmagic 社区」群聊交流讨论，涉及 AI 视频、AI 绘画、Sora 技术拆解、数字人、多模态、大模型、传统深度学习、自动驾驶等多个方向，可私信或添加微信号：【m_aigc2022】，备注不同方向邀请入群。
2025-04-15
stable diffusion开发公司
Stable Diffusion 是由初创公司 StabilityAI、CompVis 与 Runway 合作开发的。其核心技术来源于 AI 视频剪辑技术创业公司 Runway 的 Patrick Esser 以及慕尼黑大学机器视觉学习组的 Robin Romabach。该项目的技术基础主要来自于他们之前在计算机视觉大会 CVPR22 上合作发表的潜扩散模型（Latent Diffusion Model）研究。 Stable Diffusion 是一种基于潜在扩散模型（Latent Diffusion Models）的文本到图像生成模型，能够根据任意文本输入生成高质量、高分辨率、高逼真的图像。其原理包括使用新颖的文本编码器（OpenCLIP）将文本输入转换为向量表示，利用扩散模型将随机噪声图像逐渐变换为目标图像，在扩散过程中以文本向量和噪声图像作为条件输入给出变换的概率分布，最后使用超分辨率放大器将生成的低分辨率图像放大到更高分辨率。 Stable Diffusion 总共有 1B 左右的参数量，可以用于文生图、图生图、图像 inpainting、ControlNet 控制生成、图像超分等丰富的任务。在文生图任务中，将一段文本输入到模型中，经过一定迭代次数输出符合文本描述的图片；图生图任务则在输入文本基础上再输入一张图片，模型根据文本提示对输入图片进行重绘。输入的文本信息通过 CLIP Text Encoder 模型编码生成与文本信息对应的 Text Embeddings 特征矩阵，用于控制图像生成。源代码库为 github.com/StabilityAI/stablediffusion ，当前版本为 2.1 稳定版（2022.12.7），其代码模型权重已公开发布，可以在大多数配备有适度 GPU 的电脑硬件上运行。
2025-04-15
runway的开发公司
Runway 是由一家总部位于旧金山的 AI 创业公司开发的。其在 2023 年初推出的 Gen2 代表了当前 AI 视频领域最前沿的模型。目前 Runway 支持在网页（https://runwayml.com/ ）、iOS 访问，网页端目前支持 125 积分的免费试用额度（可生成约 105s 视频），iOS 则有 200 多，两端额度貌似并不同步。
2025-04-15
stable diffusion开发公司
Stable Diffusion 是由初创公司 Stability AI、CompVis 与 Runway 合作开发的。其核心技术来源于 AI 视频剪辑技术创业公司 Runway 的 Patrick Esser 以及慕尼黑大学机器视觉学习组的 Robin Romabach。该项目的技术基础主要来自于他们之前在计算机视觉大会 CVPR22 上合作发表的潜扩散模型（Latent Diffusion Model）研究。 Stable Diffusion 是一种基于潜在扩散模型（Latent Diffusion Models）的文本到图像生成模型，能够根据任意文本输入生成高质量、高分辨率、高逼真的图像。其原理包括使用新颖的文本编码器（OpenCLIP）将文本输入转换为向量表示，利用扩散模型将随机噪声图像逐渐变换为目标图像，在扩散过程中以文本向量和噪声图像作为条件输入给出变换概率分布，最后使用超分辨率放大器将生成的低分辨率图像放大到更高分辨率。 Stable Diffusion 总共有 1B 左右的参数量，可以用于文生图、图生图、图像 inpainting、ControlNet 控制生成、图像超分等丰富的任务。其代码模型权重已公开发布，可以在大多数配备有适度 GPU 的电脑硬件上运行，当前版本为 2.1 稳定版（2022.12.7），源代码库为 github.com/StabilityAI/stablediffusion 。
2025-04-15
对于用cursor来开发，有没有好好用prompt来使cursor变得更加好用
以下是关于如何用 prompt 使 Cursor 变得更好用的相关内容： 在 prompt 方面，Devin 有一个特别有帮助的文档（https://docs.devin.ai/learnaboutdevin/prompting），它会教您什么样的 prompt 在与 Devin 沟通时最有效，比如明确定义成功的标准，如跑通某个测试或访问某个链接能对得上等。将同样的原则应用到 Cursor 中，会发现 Cursor 变得聪明很多，能自主验证任务完成情况并进行迭代。 Cursor 在生成单测方面表现出色。相对 GPT 等工具，Cursor 解决了上下文缺失和难以实现增量更新的问题。它可以向量化整个代码仓库，在生成单测代码时能同时提供目标模块及对应的上下游模块代码，生成结果更精确。例如，使用适当的 Prompt 能返回基于 Vitest 的结果，调整成本较小。 Cursor 支持使用.cursorrules 文件设定项目的系统提示词，针对不同语言可设定不同的 Prompt。@AIChain 花生做了一个 Cursor 插件解决提示语管理问题，可选择不同的.cursorrules 文件，还可从 https://cursor.directory/ 和 https://cursorlist.com/ 寻找提示词。此外，还有一个提示语小技巧，给已有的提示语追加上特定规则，可使模型在搜索资源和思考时默认使用英语，回复转换成中文，或更灵活地根据提问语言进行回复。
2025-04-14
我是一个前端开发人员，在工作中，我可以使用哪些ai工具提效
以下是一些适合前端开发人员在工作中提效的 AI 工具： 1. 辅助编程工具： GitHub Copilot：由 GitHub 联合 OpenAI 和微软 Azure 团队推出，支持多种语言和 IDE，能快速提供代码建议。 通义灵码：阿里巴巴团队推出，提供多种编程辅助能力。 CodeWhisperer：亚马逊 AWS 团队推出，由机器学习技术驱动，实时提供代码建议。 CodeGeeX：智谱 AI 推出的开源免费编程助手，基于 130 亿参数的预训练大模型。 Cody：Sourcegraph 推出的代码编写助手，借助强大的代码语义索引和分析能力。 CodeFuse：蚂蚁集团支付宝团队推出的免费 AI 代码助手。 Codeium：通过提供代码建议等帮助提高编程效率和准确性。 更多辅助编程 AI 产品，可查看：https://www.waytoagi.com/category/65 。每个工具功能和适用场景不同，可根据需求选择。 2. 测试用例生成：AI 在生成测试用例方面具有显著优势，能自动化和智能化生成高覆盖率的测试用例，减少人工编写时间和成本。通过合理应用 AI 工具，可提高测试效率、增强测试覆盖率和发现潜在问题，从而提升软件质量和用户体验。 3. 网页原型图生成工具： 即时设计：https://js.design/ ，可在线使用的「专业 UI 设计工具」，注重云端文件管理和团队协作。 V0.dev：https://v0.dev/ ，Vercel Labs 推出的 AI 生成式用户界面系统，能通过文本或图像生成代码化的用户界面。 Wix： ，用户友好，无需编码知识即可创建和自定义网站，提供广泛模板和设计选择，以及多种功能。 Dora：https://www.dora.run/ ，通过一个 prompt，借助 AI 3D 动画生成强大网站。 请注意，以上内容由 AI 大模型生成，请仔细甄别。
2025-04-14