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

agent和workflow的区别

Answer

智能体（Agent）和工作流（Workflow）的区别主要体现在以下几个方面：

  1. 定义和功能：
    • 智能体是由 LLM 动态指导自身流程和工具使用的系统，能够自主控制任务完成方式。
    • 工作流是通过预定义代码路径来编排 LLM 和工具的系统。
  2. 运行方式：
    • 智能体可以长期独立运行，是全自动的系统，能使用各种工具完成复杂任务。
    • 工作流中的子任务是人为编排的，属于手动编排。
  3. 组成和特点：
    • 工作流中的每个组块可以看成是一个函数，包括传统函数、调用第三方服务的函数和基于 LLM 的函数。由这三类函数组合而成的工作流被称为超函数，它不同于传统函数，形式上是用自然语言编写的程序，功能上可以模拟人的高阶思维。
    • 智能体在架构上与工作流有所区分，其更强调自主性和动态性。

在实际应用中，工作流的灵活性和可控性能够将智能体能力的天花板往上顶一大截，例如可以在流程中加入人类 Knowhow、进行专家测试试跑、引入图的概念灵活组织节点等。评价一个 Agent 平台好不好用，可以从基座模型的 function calling 能力、workflow 的灵活性以及平台创作者的 workflow 编写水平等方面考量。

Content generated by AI large model, please carefully verify (powered by aily)

References

小七姐：来自 Anthropic 的建议：构建高效智能体

原文地址：[Building effective agents](https://www.anthropic.com/research/building-effective-agents)本文为上文的译文（包括图片汉化）过去一年，我们与多个行业的团队合作，协助他们构建大语言模型(Large Language Model,LLM)智能体。我们发现，最成功的实践并非依赖复杂的框架或专门的代码库，而是采用简单、可组合的模式。本文将分享我们通过与客户合作以及自主构建智能体所获得的经验，并为开发者提供实用的建议。[heading3]什么是智能体？[content]"智能体"(Agent)可以有多种定义。一些客户将智能体定义为能够长期独立运行的全自动系统，它们可以使用各种工具来完成复杂任务。另一些则用这个术语描述更具规范性的实现，即遵循预定义工作流程的系统。在Anthropic，我们将这些变体统称为智能系统(Agentic Systems)，但在架构上区分为工作流(Workflows)和智能体(Agents)两种类型：工作流是通过预定义代码路径来编排LLM和工具的系统。智能体则是由LLM动态指导自身流程和工具使用的系统，能够自主控制任务完成方式。下文将详细探讨这两种智能系统。在附录1（"智能体的实践应用"）中，我们将介绍客户在使用这类系统时发现特别有价值的两个领域。

艾木: 如何用Coze制作一个信息检索Bot（含Workflow的基础用法）

Coze的Workflow为我们制作Agents/Bots提供很大的灵活性和便捷性。理论上，很多研究论文里面的提示词工程技术都可以通过Workflow实现，然后嵌入到Bot里，快速设计出一个产品。Dr.Know就是一个很好的例子。Workflow是什么？我们再回看一下Dr.Know使用的这个Workflow。这个Workflow里每个组块都可以看成是一个函数，这里面混杂了三类函数：一类是传统函数，像FormatRetrievedResults和GetUserLanguage都可以归为这一类；第二类是调用第三方服务的函数，如SearchWebWithGoogle；第三类程序是基于LLM的函数，如GenerateQueryResponse。我们可以把前一类叫作原生函数（Native Function），第二类叫作远端函数（Remote Function），第三类叫作语义函数（Semantic Function）。原生函数和远端函数是传统程序的基本组块，语义函数则是在LLM诞生之后才有的。这里我们使用了“函数”这个概念对LLM-based的程序做了概括，但是我们应该都清楚语义函数与传统函数在形式和功能上都有根本差异：形式上，它是用自然语言编写的程序；功能上，它可以模拟人的高阶思维，而不仅仅是做一些流程性的操作。既然如此，那么由这三类函数组合而成的Workflow也完全不同于传统函数，我把它们称作超函数（Hyperfuction）。

AI Agent 产品经理血泪史（二）-欲知方圆，则必规矩【Workflow篇】

上图分别是Coze和Dify的workflow可视化编排页面（框架：React Flow），不得不说Coze的确不是最早做编排的，但是集各家之所长，在用户体验上做的的确得人心。再回过头对比一下上节中AutoGPT的实现，我们可能就发现了这个差异：AutoGPT的任务是大模型编排出来的，我们可以理解为自动编排；而Workflow里面的子任务，是我们人为编排的，我们就称为手动编排吧。由此带来的优化也非常明显：1.在流程中加入人类Knowhow，补足模型知识的不足；2.专家测试试跑，减少生产环境中的反复无效反思，至少不会让用户觉得你的Agent真蠢；3.引入图的概念，灵活组织节点，连接各类工具（让你的Agent看起来很牛逼）其实加入了图的概念之后，workflow的天花板也就变得非常高了。因为你可以在这个流程中去任意增加节点，增加各种类型的节点，不仅能套工具，还能套其它agent，你也可以写代码用硬逻辑去处理，你也可以接大模型，让它代替人类进进行判断。能力的上限，很大概率就是你想象力的上限。灵活和可控，把Agent能力的天花板往上顶了一大截。这就是workflow的功劳。我之前评价一个Agent平台好不好用：1看基座模型的function calling能力，2看workflow的灵活性，3看平台创作者的workflow写的牛逼不牛逼哈哈1、2看的是技术能力，其实也没啥门槛

Others are asking
agent和agi的区别
Agent 和 AGI 的区别主要体现在以下几个方面： Agent（智能体）： 是执行特定任务的 AI 实体。 拥有复杂的工作流程，可以自我对话，无需人类驱动每一部分的交互。 由大型语言模型、记忆、任务规划以及工具使用等部分组成。 例如在斯坦福 25 人小镇案例中有所应用。 AGI（人工通用智能）： 强调的是具备像人类一样广泛和通用的智能能力。 追求能够在各种不同的任务和领域中表现出高度智能的水平。 总的来说，Agent 更侧重于特定任务的执行和特定功能的实现，而 AGI 则是一个更宏观和全面的概念，旨在实现广泛的通用智能。
2025-03-12
agent
智能体（Agent）在人工智能和计算机科学领域是一个重要概念，指能够感知环境并采取行动以实现特定目标的实体，既可以是软件程序，也可以是硬件设备。 在 LLM 支持的自主 Agent 系统中，LLM 充当 Agents 的大脑，并具有以下关键组成部分： 1. 规划：包括子目标和分解，将大型任务分解为更小、可管理的子目标，以有效处理复杂任务。 2. 反思和完善：能够对过去的行为进行自我批评和反思，从错误中吸取教训，完善未来步骤，提高最终结果质量。 3. 记忆：包含短期记忆，用于所有的上下文学习；长期记忆，通过利用外部向量存储和快速检索，为 Agents 提供长时间保留和回忆（无限）信息的能力。 4. 工具使用：Agents 学习调用外部 API 来获取模型权重中缺失的额外信息，包括当前信息、代码执行能力、对专有信息源的访问等。 以下是一些关于智能体 Agent 的相关目录： 1. 2. 3. 4. 5. 6. 从产品角度思考 Agent 设计： 1. Agent 可以是一个历史新闻探索向导。 身份：历史新闻探索向导 性格：知识渊博、温暖亲切、富有同情心 角色：主导新闻解析和历史背景分析 为使角色更生动，可为其设计简短背景故事，如曾是一位历史学家，对重大历史事件了如指掌，充满热情，愿意分享知识。 2. 写好角色个性的方法： 角色背景和身份：编写背景故事，明确起源、经历和动机。 性格和语气：定义性格特点，如友好、幽默、严肃或神秘；确定说话方式和风格。 角色互动方式：设计对话风格，从基本问答到深入讨论。 角色技能：明确核心功能，如提供新闻解析、历史背景分析或心理分析；增加附加功能以提高吸引力和实用性。 正如《》所写：个性化定制的“虚拟伴侣”能得到用户认可，因为精准击中许多年轻人的孤独和焦虑。美国心理学家 Robert Jeffrey Sternberg 提出的“爱情三角理论”认为爱情包含“激情”“亲密”“承诺”三个要素。激情是生理上或情绪上的唤醒；亲密是一种相互依恋的感觉，通过相互联结带来的喜爱和相互沟通分享体现；承诺是决定建立长期稳定关系，融入对方生活，形成互助互惠的关系，代表着一种长相厮守的责任。
2025-03-12
agent是什么
在人工智能和计算机科学领域，“Agent（智能体）”是一个重要概念： 它是一种能够感知环境并采取行动以实现特定目标的实体，可以是软件程序或硬件设备。 从产品角度看，比如作为历史新闻探索向导，具有知识渊博、温暖亲切、富有同情心等性格特点，有明确的身份、角色和背景故事。 在 LLM 支持的自主 Agent 系统中，LLM 充当 Agents 的大脑，并包括规划（将大型任务分解为子目标、反思和完善）、记忆（短期记忆和长期记忆）、工具使用（调用外部 API 获取额外信息）等关键组成部分。 LLM Agent 是结合大型语言模型和自主智能体特性的系统，能够利用大型语言模型的自然语言处理能力进行智能决策和行动。其组成部分包括规划（负责任务分解和策略评估）、记忆（信息存储与回忆，包括短期和长期）、工具（感知环境和执行决策的辅助手段）和行动（将规划和记忆转换为具体输出）。
2025-03-12
agent是什么
在人工智能和计算机科学领域，“Agent（智能体）”是一个重要概念，指能够感知环境并采取行动以实现特定目标的实体，可以是软件程序或硬件设备。 从产品角度来看，Agent 可以有特定的身份、性格和角色。例如，它可以是一个历史新闻探索向导，具有知识渊博、温暖亲切、富有同情心的性格，主导新闻解析和历史背景分析。为使角色更生动，可设计背景故事。写好角色个性需考虑角色背景和身份、性格和语气、角色互动方式以及角色技能等方面。 在 LLM 支持的自主 Agent 系统中，LLM 充当 Agents 的大脑，并辅以规划、子目标和分解、反思和完善、记忆（包括短期记忆和长期记忆）、工具使用等关键组成部分。 LLM Agent 是结合大型语言模型（LLM）和自主智能体（Agent）特性的系统，能够利用大型语言模型的自然语言处理能力，理解用户输入，并进行智能决策和行动。其组成部分包括规划（负责将复杂任务分解成可执行的子任务，并评估执行策略）、记忆（包括短期记忆用于存储对话上下文和长期记忆存储用户特征和业务数据）、工具（如 API 调用、插件扩展等辅助感知环境和执行决策）、行动（将规划和记忆转换为具体输出，包括与外部环境的互动或工具调用）。
2025-03-12
有没有能自动帮我优化生成图像的Agent
以下是为您找到的一些可能有助于自动优化生成图像的 Agent 相关信息： Agent Scheduler：在 Stable Diffusion 中，可通过点击排队设置任务。在控制面板中能看到设置的任务及处理状态，可暂停或禁用队列自动处理。能设置多个任务，完成后在任务历史中查看参数和结果，不满意还可重新生成。如需该插件，可添加公众号【白马与少年】回复【SD】获取。 Mistral AI 推出的 Le Chat 更新版：支持聊天中搜索、PDF 上传、编程、图像生成等功能。图像生成基于 FLUX1.1 pro 模型，可免费使用。新增 Canvas 功能，以及自动化代理（Agents）可定制高频任务。 DALL·E 自动优化提示词：提供了详细的原 prompt 建议，包括绘画和数字方面的相关描述，以及生成图像的要求和注意事项。
2025-03-12
提供给我一个agent落地的具体案例
以下为您提供几个 Agent 落地的具体案例： 彬子基于 ComfyUI 做油管封面 Agent：彬子是 ComfyUI 新人，之前更多使用 Coze 做 Agent 并调用其图像流完成绘图功能，还在 Glif 上做若干 Bot 以插件调用 API 方式完成绘图功能调用。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 内部两个子领域领先水平，但大多数同学专注一个领域精进，只要从擅长阵地多迈出一步，就能更好把控 Agent 中各种节点的设计和运用。 有用 Agent 产品开发：目前仍没有 Killer App 出现和 Agent 产品落地，原因一是 Agent 不靠谱，二是 Agent 开发者不靠谱。Agent 能力受 Tools 能力影响，如订机票需携程的 API 接入能力，要让模型更准确选择 Tools 及生成 api args，将非通识业务知识设计好让 Agent 直接用是当前接近“人工”智能且高性价比的方式。 【智谱 AutoGLM】：经过深度测试，AutoGLM 让开发者看到了 AI Agent 真正落地的希望。它解决了之前开发类似功能时的 API 对接难、多模态识别差、操作不精准等问题，借助 RPA 思路通过模拟人类操作实现跨应用控制。其场景理解能力出色，能根据用户意图选择合适应用场景，但仍存在语音识别偏差、复杂界面操作稳定性差、只支持安卓等问题。智谱团队选择几个高频场景深耕细作，证明了产品价值，未来发展空间大。
2025-03-12
comfyui workflow
ComfyUI 的工作流主要包括以下内容： 低显存运行工作流：目的是让 FLUX 模型能在较低显存情况下运行。分阶段处理思路为，先在较低分辨率下使用 Flux 模型进行初始生成，然后采用两阶段处理，即先用 Flux 生成，后用 SDXL 放大，有效控制显存使用，最后使用 SD 放大提升图片质量。工作流流程包括初始图像生成（Flux）阶段的 UNETLoader 加载 flux1dev.sft 模型、DualCLIPLoader 加载 t5xxl 和 clip_l 模型、VAELoader 加载 fluxae.sft 等步骤，以及图像放大和细化（SDXL）阶段的 CheckpointLoaderSimple 加载 SDXL 模型、UpscaleModelLoader 加载 RealESRGAN_x4.pth 用于放大等步骤。 工作流相关网站： Openart.ai：流量较高，支持上传、下载、在线生成，免费账户有 50 个积分，加入 Discord 可再加 100 积分，开通最低每月 6 美元套餐后每月有 5000 积分。 ComfyWorkflows 网站：支持在线运行工作流，实际下载量和访问量略少于 openart。 Flowt.ai：https://flowt.ai/community 提示词自动生成 ComfyUI 工作流：英伟达整了个花活，通过画图提示词自动生成匹配的 ComfyUI 工作流，命名为 ComfyGen（comfy 生成器），目前仅支持文生图模型。英伟达称其可以生成高质量的图并泛化到其他领域，做了对比测试，效果基本一致甚至更符合人类对提示词的判断和理解，与 C 站上人类写的提示词对比效果略胜一筹，但项目未开源。
2025-01-09
关于workflow有什么著名的论文
以下是一些关于 workflow 的著名论文或相关内容： 1. 5 月 9 日艾木分享的《Workflow》，其中包含关于 workflow 的理论探讨、对 AGI 的正确理解与思考、如何客观看待大语言模型的基础表现、人工智能在编程领域的应用及挑战、从提示词工程到 flow 工程：AI 在代码生成领域的研究与应用、人工智能在开源项目测试集中的表现与工作流的重要性、关于 workflow 的介绍与案例演示等内容。 2. 艾木的《如何用 Coze 制作一个信息检索 Bot（含 Workflow 的基础用法）》，提到 Coze 的 Workflow 为制作 Agents/Bots 提供很大的灵活性和便捷性，对 Workflow 中的函数进行了分类，并提出了超函数（Hyperfuction）的概念。 3. 2024 年 8 月 20 日的更新中，有《[AI Agent 产品经理血泪史（二）欲知方圆，则必规矩【Workflow 篇】》，聚焦于工作流（Workflow）在 AI 智能体中的重要性，回顾了集成平台的演变，探讨了工作流在自动化和手动编排中的应用以及如何提升灵活性以应对不断变化的需求。 4. 还有《[张梦飞：【全网最细】从 LLM 大语言模型、知识库到微信机器人的全本地部署教程》和《[ComfyUI 工作流：黑猴子悟空换脸报错解决大法》等相关内容。
2024-12-18
workflow使用指南
使用工作流的指南如下： 1. 创建工作流。 2. 配置工作流： 通过拖拽的方式将节点添加到画布内，并按照任务执行顺序连接节点。 工作流提供了基础节点供使用，还可以添加插件节点来执行特定任务。具体操作如下： 在左侧面板中选择要使用的节点。 将节点拖拽到画布中，并与其他节点相连接。 配置节点的输入输出参数。 3. 测试并发布工作流。 4. 在 Bot 内使用工作流： 前往当前团队的 Bots 页面，选择进入指定 Bot。 在 Bots 编排页面的工作流区域，单击右侧的加号图标。 在添加工作流对话框，在“我创建的”页面选择自建的工作流。 在 Bot 的人设与回复逻辑区域，引用工作流的名称来调用工作流。
2024-09-23
How Al Agentic workflows could drive more Al progress than even the next generation of foundation models
以下是关于您提出的“ How Al Agentic workflows could drive more Al progress than even the next generation of foundation models ”问题的相关信息： 吴恩达认为人工智能代理工作流程将在今年推动人工智能的巨大进步，甚至可能超过下一代基础模型。构建代理的设计模式框架包括反思、工具使用、规划和多代理协作。反思是指 LLMs 审视自身工作并提出改进方法；工具使用是指赋予 LLMs 如网络搜索、代码执行等工具以帮助其收集信息、采取行动或处理数据；规划是指 LLMs 制定并执行多步骤计划以实现目标；多代理协作则涉及多个 AI 代理共同工作，通过分工、讨论和辩论来提出比单个代理更好的解决方案。这些设计模式为构建高效的 AI 代理提供了指导，并将在下周进一步详细阐述并提供相关阅读建议。 此外，在医疗保健领域，为了产生真正的改变，AI 需要像我们一样学习。必须让这些专家 AI 接触到顶级从业人员的多样化视角，以避免复制危险的偏见。鉴于人工智能依赖的神经网络基础，这些专家 AI 可能通过元学习（或学会学习）比我们预期的更快地获得知识，并带着我们人类一同进步。 在 AI 进化方面，CNN 的结构基于两类细胞的级联模型，主要用于模式识别任务，在计算上比大多数其他架构更有效、更快速，在许多应用中，包括自然语言处理和图像识别，已经被用来击败大多数其他算法。我们每次对大脑的工作机制的认知多一点，神经网络的算法和模型也会前进一步。
2024-09-02
agentic workflow 是什么？
Agentic Workflow 是指通过学会调用外部不同类型的 API 来获取模型中缺少的额外信息、代码执行能力、访问专有信息源等。它将一个复杂的任务分解成较小的步骤，融入更多人类参与到流程中的规划与定义，减少对 Prompt Engineering 和模型推理能力的依赖，提高 LLM 应用面向复杂任务的性能。 生成式 AI 的人机协同分为 Embedding（嵌入式）、Copilot（副驾驶）、Agent（智能代理）3 种产品设计模式，在不同模式下，人与 AI 的协作流程有所差异。 Agentic Workflow 可以使用 Multiagent Collaboration 的方法，让不同角色的 Agent 按照任务要求自主规划选择工具、流程进行协作完成任务。例如，作为产品经理，可通过 Agents 将任务拆解为多个独立任务，遵循不同工作流生成大体符合期望的输出结果，再进行修改。 吴恩达通过开源项目 ChatDev 举例，可让大语言模型扮演不同角色相互协作开发应用或复杂程序。AI Agent 基本框架包括“Agent = LLM + 规划 + 记忆 + 工具使用”，其中 LLM 扮演“大脑”，规划包括子目标分解、反思与改进，记忆分为短期记忆和长期记忆，工具用于处理各种任务。
2024-08-30
Agentic Workflow是什么意思
Agentic Workflow 指的是一种在生成式 AI 的人机协同中，通过不同模式（如 Embedding、Copilot、Agent）下的角色协作流程来完成任务的方式。 在 Agent 模式中，AI 完成大多数工作。它使用 Multiagent Collaboration 的方法，让不同角色的 Agent 按照任务要求自主规划选择工具、流程进行协作。例如，作为产品经理，可将产品功能设计任务拆解为多个独立任务，遵循不同工作流，生成初步结果后再修改。 Agentic Workflow 还通过学会调用外部不同类型 API 来获取模型缺少的额外信息等。其动作的决策需要根据大模型结合问句、上下文规划、各类工具来确定。 从提升效率、提高质量、节省时间的角度思考，Agentic Workflow 可以将复杂任务分解成较小步骤，融入更多人类参与的规划与定义，减少对 Prompt Engineering 和模型推理能力的依赖，提高 LLM 应用面向复杂任务的性能。 吴恩达通过开源项目 ChatDev 举例，让大语言模型扮演不同角色相互协作开发应用或复杂程序。AI Agent 的基本框架包括“LLM +规划+记忆+工具使用”，其中 LLM 扮演“大脑”，规划包括子目标分解、反思与改进，记忆分为短期和长期，工具用于辅助完成任务。
2024-08-30
comfyUI和webUI的区别
ComfyUI 和 WebUI 的区别主要体现在以下几个方面： ComfyUI： 简介：是一个基于节点流程式的 stable diffusion AI 绘图工具 WebUI，将 stable diffusion 的流程拆分成节点，实现更精准的工作流定制和完善的可复现性。 优势： 对显存要求相对较低，启动速度快，出图速度快。 具有更高的生成自由度。 可以和 WebUI 共享环境和模型。 可以搭建自己的工作流程，可以导出流程并分享给别人，报错时能清晰发现错误所在步骤。 生成的图片拖进后会还原整个工作流程，模型也会选择好。 劣势： 操作门槛高，需要有清晰的逻辑。 生态没有 WebUI 多（常用的都有），但也有一些针对 ComfyUI 开发的有趣插件。 官方链接：从 github 上下载作者部署好环境和依赖的整合包，按照官方文档安装即可：https://github.com/comfyanonymous/ComfyUI 插件推荐： 插件安装管理器：https://github.com/ltdrdata/ComfyUIManager SDXL 风格样式：https://github.com/twri/sdxl_prompt_styler ComfyUI 界面汉化：https://github.com/AIGODLIKE/AIGODLIKECOMFYUITRANSLATION 中文提示词输入：https://github.com/AlekPet/ComfyUI_Custom_Nodes_AlekPet 蟒蛇八卦工具箱：https://github.com/pythongosssss/ComfyUICustomScripts 提示词权重调节器：https://github.com/BlenderNeko/ComfyUI_AD WebUI： 采样器与调度器：在 ComfyUI 中，采样器与调度器分开，而在 WebUI 中的采样方法是把两者合并在一起。ComfyUI 通过采样器+调度器组合的方式与 WebUI 中的一致，一般选择 karras 调度器效果较好。 在插件安装方面，WebUI 有较好的用户界面，安装插件后可直观看到并使用；而 ComfyUI 安装插件后可能看不到，需通过节点连接才能感受到其功能。
2025-03-12
编程插件和编程IDE的区别
编程插件和编程 IDE 主要有以下区别： 1. 代码补全方式：编程插件的补全通常局限于向后追加，而像 Trae 这样的 AI 原生 IDE 可以删除代码，进行多行全方位的自动补全。 2. 工作能力：AI 原生 IDE 如 Trae 具备 Agent 的能力，在无须人工干预的情况下，可以完成代码生成、调试、程序运行等一系列工作。而编程插件可能需要更多的人工参与。 3. 用户习惯改变难度：工程师往往有自己习惯使用的 IDE，新的编程 IDE 想迅速改变工程师的习惯较难，而插件的方式可以让工程师先低成本地用起来。 4. 功能集成度：编程 IDE 通常是一个完整的开发环境，提供了更全面的功能和优化，如 IntelliJ 为 Java 程序员做了很多细微的优化。而插件则是在原有 IDE 的基础上增加特定的功能。 例如，在 Coze IDE 中可以借助 AI 轻松创建插件，创建后需发布才能被 Bot 使用。在 Cursor 中，可通过官网下载安装，通过调起 AI 对话输入需求实现功能，在使用过程中不断追问完善需求，遇到问题可随时向其咨询。
2025-03-12
COW微信机器人、FastGpt微信机器人、COZE微信机器人的区别？
以下是 COW 微信机器人、FastGpt 微信机器人、COZE 微信机器人的区别： COW 微信机器人： 基于 Hook 机制，具有相对更高的稳定性和安全性，更简单易上手。 目前插件相对较少，仅支持 Windows 系统。 可以不用服务器，对小白更加友好。 能够结合 FastGPT 进行使用。 具备基于知识库的 AI 回复、支持积分系统、支持自动拉人、检测广告、自动群发等功能，还有安全新闻定时推送、Kfc 文案、星座查询、天气查询等有趣的小功能。 FastGpt 微信机器人：可以与 COW 微信机器人结合使用。 COZE 微信机器人：在 6 月底的微信机器人共建中有所提及，有多种玩法，如对接 llm key 的玩法等。在百炼平台里的“应用”概念类似于 COZE 中的“bot”。
2025-03-11
trae与cursor有什么区别，用它开发微信小程序需要注意些什么？
Trae 与 Cursor 的区别主要体现在以下方面： 1. 在处理自然语言提出的非常具体的需求时，Trae 可能会在查找文件的步骤中出错，而 Cursor 在某些复杂任务中的表现可能更好。 2. Trae 中很多功能是免费的，而 Cursor 可能并非如此。 3. Trae 从底层架构开始就围绕着 AI 能力构建，比传统在 IDE 里集成 AI 的逻辑更具优势，使用起来更流畅、准确和优质。在插件式的使用方式下，用户使用 Cursor 仍需要具备一定的编程知识，而完全零编程知识也可以用 Trae 开发出应用，降低了编程门槛。 用 Trae 开发微信小程序需要注意以下几点： 1. 打开 Trae 并打开创建的文件夹，使用 Chat 模式明确需求，然后切换到 Builder 模式进行开发。 2. Trae 会在本地文件夹内生成代码，微信开发者工具从同一本地文件夹读取代码，且有实时预览功能。 3. 开发过程中若有报错需修改错误，直至在微信开发者工具内调试正常。 4. 上传时需在微信开发者工具右上角点击“上传”，在弹出的弹窗里选择“确定”，接着在弹出的选项里填写版本号和项目备注。 5. 上传完毕后，可在微信小程序后台的版本管理里查看开发版本的信息，可选择点击体验版进行线上体验或提交审核。
2025-03-10
AI和AGI的区别
AI（Artificial Intelligence，人工智能）和 AGI（Artificial General Intelligence，通用人工智能）有以下区别： 1. 能力范围： AI 通常指的是弱人工智能（ANI，Artificial Narrow Intelligence），它只能完成特定的任务，如智能音箱的语音交互、网站搜索、自动驾驶、工厂与农场的应用等。 AGI 则能够做任何人类可以做的事情。 2. 发展程度： ANI 已经取得了巨大的发展。 而 AGI 目前还没有取得巨大的进展。 3. 模型目的和底层数据量： 以往的 AI 被视为“工具”，而 AGI 更像是“大脑”。 OpenAI 主张的 AGI 模型，如 GPT 系列，致力于成为“世界模型”，将世界上所有的知识压缩到模型里，其底层数据量巨大，正在接近全人类所有数据的量级。
2025-03-08