下半年智能体开发该选上下文还是MAS？
尹会生
分享嘉宾：尹会生，大模型领域连续创业者 & 技术战略专家
00:00 / 00:00
1.0x
- 3.0x
- 2.5x
- 2.0x
- 1.5x
- 1.25x
- 1.0x
- 0.75x
- 0.5x
大家好，我是尹会生，大模型领域的连续创业者和技术战略专家，同时也是 AI 工程化训练营的主讲者。我今天想跟大家聊的内容，打算这样来安排：
第一我们先来探讨当前 AI 领域的一个热点：上下文工程和 MAS（多智能体系统）。 我们会讨论它们各自能解决什么问题。虽然上下文工程被业界广泛讨论，但它究竟如何落地？当我们希望自家开发的智能体继续进化时，应该选择上下文工程的方向，还是 MAS 的方向，或者有其他更好的路径？这些都是我们今天要深入聊聊的话题。
第二今天也是我们第二期 AI 工程化实战营的开营。 所以，第二部分我会为大家详细介绍本次课程的安排和设计思路。这样大家在学习之前，能对为什么要学这门技术、这门手艺能帮我们做什么、以及它在整个 AI 知识地图中处于什么位置，有一个清晰的认识。
那我们闲话少叙，直接开始第一部分：面对智能体的进化，我们究竟该选上下文工程，还是 MAS？
大家在关注最新的大模型技术时，有没有思考过如何将它们与现有业务结合？比如，作为程序员或架构师，我们现有的业务系统里有 Redis、MySQL、消息队列等组件，当我们引入 Agent 开发时，这些是不是都要抛弃？原有的业务在没有大模型时运行顺畅，现在如果要“ All in AI ”，如何让大模型与现有业务平稳对接，而不破坏其平衡性？这些都是很现实的考量。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
1. 技术的演进更多是“能力组合”，而非“能力跃迁”。 2. AI 工程化的核心是将成熟的工程思想与 AI 能力进行组合，目标是交付稳定、可维护、能创造用户价值的系统。 3. 在选择技术路径前，需要问清楚：模型或智能体解决了什么具体问题，如何处理大模型调用失败，以及如何防范用户误用系统。 4. AI 工程化实战营设计基于上述理念，构建一整套方法论，包括战略定位、工具选型、平台构建和项目实战。 5. Agent 技术的发展本质是软件工程思想在 AI 领域的重演。 6. 需要稳住心态，利用已有的工程能力，根据实际的业务复杂度，选择合适的技术路径进行组合，脚踏实地地解决实际问题。
仅可试看部分内容，如需阅读全部内容，请付费购买文章所属专栏
《极客时间 VIP · 干货直播稿精选》
《极客时间 VIP · 干货直播稿精选》
立即购买
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示，欢迎踊跃留言。
收起评论