MCP是Claude主导的AI模型上下文协议，旨在集成AI与现有系统，解决AI应用与常用服务分离的问题。通过标准化协议，MCP支持AI模型与不同API和数据源无缝交互，提升AI系统的可靠性和效率。MCP通过分层处理任务，增强多轮对话和复杂需求的自主执行能力，推动AI应用进入新时代。

本文教你制作一个智能命令行工具Commander，通过感知、决策、行动和目标导向，模拟自主AI助手。使用OpenAI风格的API调用模型，借助LangChain框架实现AI的推理和执行。文章详细介绍了如何让AI理解并执行命令，包括结构化输出和函数调用等技术。还探讨了记忆、知识库和微调等高级功能，帮助你构建更智能的AI应用。

淘宝AIGC内容生成技术通过低成本、高时效的方式，解决了内容生产成本高的问题。通过视频生成、图文联合生成等技术，AIGC在手淘多个场景实现规模化落地。内容分析Agent自动生成内容特征体系，进行细粒度标注，挖掘优质内容特征，为商家、设计师等提供科学指导，提升内容生产效率和吸引力。

智能体作为LLM落地的重要形式，需具备感知、推理、计划、执行等能力。通过图引擎驱动workflow，结合CoT技术，实现复杂任务的拆解与重组，提升智能体的多样性与适应性。图引擎支持流程编排、数据解耦、路径规划等功能，满足业务场景的灵活需求，降低开发成本，提升执行效率。

离线多智能体强化学习（MARL）面临分布偏移和智能体协调难题。中山大学与美团合作提出样本内顺序策略优化（InSPO），通过逆KL散度和最大熵正则化，避免分布外动作并增强探索性。实验验证InSPO在桥博弈和星际争霸II中表现优异，有效解决局部最优问题，展现了在多智能体任务中的强大潜力。

京东广告团队基于大语言模型技术，开发了京准通智能助手，应用于广告投放场景。通过RAG和Function Call两大核心技术，智能助手实现了智能客服、数据查询、广告创编等功能。团队还构建了Agent搭建平台，提升工程复用率和应用搭建效率，支持多Agent架构升级，持续优化商家服务体验。

AI代理技术正从简单的数据抓取扩展到自动化操作、智能任务处理和个性化服务等领域。Browser-use框架通过集成大语言模型和浏览器自动化工具,实现了高效的网页操作和任务自动化。未来,AI代理将具备更强的自我学习能力、多模型集成和个性化服务,同时关注合规性与隐私保护,成为智能化服务的核心。

GitHub Copilot Agent模式下的系统提示词揭示了其内置的多种工具,如search_codebase、run_in_terminal、edit_file等,用于搜索代码、运行命令、编辑文件等操作。每次用户操作时,大语言模型决定是否调用这些工具,直至完成任务。作为AI编程助手,需遵循微软内容政策,避免不当内容。工具使用需遵循JSON架构,避免重复已有代码,确保高效完成任务。

使用图数据库与大型语言模型（LLM）结合，增强检索生成（RAG）系统的能力。通过将非结构化文本转为向量嵌入，并利用知识图谱（如Neo4j）处理结构化数据，实现复杂查询。通过集成LLM和知识图谱，结合语义搜索与精确查询，创建一个强大的RAG应用程序。该系统支持供应商过滤、计数、分组和基于描述的语义搜索，为企业数据处理提供全方位解决方案。

Most AI apps today follow a familiar chat pattern ("chat" UX). Though easy to implement, they create unnecessary interaction overhead, limit the ability of us humans to scale ourselves, and fail to…

We are introducing Magentic-One, our new generalist multi-agent system for solving open-ended web and file-based tasks across a variety of domains. Magentic-One represents a significant step towards developing agents that can complete tasks that people encounter in their work and personal lives. We are also releasing an open-source implementation of Magentic-One(opens in new tab) on Microsoft AutoGen, our popular open-source framework for developing multi-agent applications.

Agentic RAG System Architectures: Explore dynamic frameworks merging RAG and AI Agents to enhance decision-making, retrieval, and more.

近年来，大模型技术迅猛发展，成为人工智能领域的关键驱动力。这些模型具备前所未有的参数规模和复杂性，使得机器在理解与生成人类语言、图像等方面达到新的高度。在金融行业，大模型通过智能投研、风险控制等应用，提升了金融服务的效率和精准度。但大模型在金融应用的深度和复杂度上仍有待提升，大部分应用还是以问答的形式实现信息的获取、总结和提炼。对于更为复杂的任务如金融文档写作，已有的单一大模型技术，虽然具备潜力帮助研究人员润色和改进已有写作内容，甚至解决人工编写过程中的诸多困难。

Micro Agent: an open-source AI coding assistant that generates reliable code by using generated tests as guardrails.

A post for developers with advice and workflows for building effective AI agents.

随着《个人信息保护法》的正式实施，国内对个人信息的保护意识显著提高。在这样的背景下，各企业也开始强化员工的信息安全培训，以提高整体的信息保护意识和处理能力。

为了加强团队成员的信息安全意识，我们开展了“信安小卫士”项目。落地方式为通过选择题的形式进行企微消息推送。但随着时间的推进，题库的更新速度和题目的多样性逐渐无法满足需求。

在2024年的今天，结合当前人工智能技术的进展，特别是大语言模型在各行各业的广泛应用，我们提出一个问题：“能否利用大语言模型（LLMs）来生成题库内容呢？”

本文将着重探索AI技术，特别是大语言模型和RAG（Retrieval-Augmented Generation）在信安小卫士中的应用，展示如何通过RAG来优化问答题的生成流程，及通过结合已有垂直领域的知识库，来提高内容质量，最终解决题库更新慢和多样性不足的问题。