活动组件AI助手落地共经历了三个阶段：

• 快速落地：采用Dify平台，验证AI与业务结合的想法，快速实现第一版；
• 优化性能：采用LangChain开发具备RAG能力的第二版；
• 丰富功能：开发具备Agent能力的第三版；

在上一篇《AIGC在活动业务中的探索与应用》中，介绍了使用Dify平台快速落地活动组件AI助手的第一版，验证了AI与业务结合的可行性。接着我使用LangChain开发了第二版，简化第一版中Dify RAG的流程，提升推荐组件的性能。有了组件推荐能力后，我们继续丰富AI助手的功能，又有了新的想法：能否根据需求，查询历史活动，快速复用同类型组件？为此我们开发了具备Agent能力的第三版，实现根据用户需求，自主规划任务和调用工具，查询所需的活动和组件数据，并实现快速复用历史活动组件的功能。

在 PVP 多人对战类的游戏中，社恐玩家的社交和情绪价值、对战局的操控感，无法得到有效满足。因此，网易伏羲助力《永劫无间》手游率先发布了全球首创的游戏 Copilot-多模态实时交互的语音 AI 队友。它可以在战斗中自主跑图、战斗、听指令、报战况，还会和玩家进行自由对话，给玩家带来极高的情绪价值。本文将重点讲解语音 AI 队友的设计和实现，及其背后的 AOP（Agent-Oriented-Programming，面向智能体编程）框架，最后还会分享语音技术在游戏场景的一些创新应用。

本文总结了作者在盒马智能客服的落地场景下的一些思考，从工程的角度阐述对Agent应用重要的稳定性因素和一些解法。

L40S相对低成本高显存的特性下，可以充分利用推理卡资源，保证在线上的良好性能和水平扩展性。通过技术优化和部署策略，推理系统的效率和用户体验得到显著提升。

随着LLM的发展，ChatGPT能力不断增强，AI不断有新的概念提出，一种衍生类型的应用AI Agent也借着这股春风开启了一波话题热度。本文就手猫在探索Agent能力和智能助手业务结合过程、技术侧遇到的问题、想法和实践做简单总结。

随着技术的快速进步，如何更高效地利用这些大模型（LLM）来解决具体问题？如何通过检索增强生成（RAG）技术提高信息的准确性和相关性？以及如何设计能够有效集成LLM、RAG和其他AI技术的智能体？

本文从 Codereview 场景出发，介绍了从最简单的直接调用 API 到使用 RAG 增加代码块的上下文，最终到使用 Function Calling 构建 Codereview Agent。

如何构建 AI 版商家运营团队？

目前，开源的Agent应用可以说是百花齐放，本文挑选了热度和讨论度较高的19类Agent，基本能覆盖主流的Agent框架，每个类型都做了一个简单的summary、作为一个参考供大家学习。

本文作者试着从工程角度去理解LangChain的设计和使用。大家可以将此文档作为LangChain的“10分钟快速上手”手册，希望帮助需要的同学实现AI工程的Bootstrap。

多Agent框架能解决不同算法不同模型之间融合交互的问题，基于用户反馈进行模型优化提升播报效果

‍LangChain为大型语言模型提供了一种全新的搭建和集成方式，通过这个强大的框架，我们可以将复杂的技术任务简化，让创意和创新更加易于实现。本文从LangChain是什么到LangChain的实际案例到智能体的快速发展做了全面的讲解。

本文将分享LangChain的最佳实践。

覆盖公司九成开发，提升研效的秘密武器。

本篇文章介绍了大语言模型时代下的 AI Agent 概念，并以 LangChain 为例详细介绍了 AI Agent 背后的实现原理，随后展开介绍云音乐在实践 AI Agent 过程中的遇到的问题及优化手段。

2022年12月19日，Twitch上出现了一个名为“vedal987”的新直播频道。该频道没有真人主播，只有一个可爱的二次元女孩形象在屏幕上移动和说话。她自称为Neurosama，是一位人工智能VTuber。

从那天起，她开始了自己的直播生涯，并迅速获得了大量关注和支持。与传统基于动作捕捉的中之人范式的虚拟主播不同的是，Neuro完全是由人工智能驱动的，准确来说是由背后大语言模型驱动的。