我要投稿
探索AI代理技术的核心机制，了解未来智能工作流的构建基石。 核心内容： 1. AI代理产品概览：市场趋势与代表性产品 2. 技术原理解析：LangManus与Deerflow的架构和智能体协同工作机制 3. 模型分类与应用：推理、基础、多模态模型在不同智能体中的应用实例
AI Agent 产品不要太火，通用人工智能，这市场不知有多大。
举几个非常有名的产品：
1. Manus https://manus.im/app
2. Genspark https://www.genspark.ai/
3. atypica https://atypica.musedam.cc/
..... 很多
举几个开源的项目：
1. Suna https://github.com/kortix-ai/suna
2. LangManus https://github.com/Darwin-lfl/langmanus (第3方)
3. deerflow https://github.com/bytedance/deer-flow
......
LangManus
字节团队开源，现github下架了，使用langgraph框架开发
介绍下langgraph 多智能体架构（灵活）
langManus架构
系统由以下智能体协同工作：
协调员（Coordinator）：工作流程的入口点，处理初始交互并路由任务
规划员（Planner）：分析任务并制定执行策略
主管（Supervisor）：监督和管理其他智能体的执行
研究员（Researcher）：收集和分析信息
程序员（Coder）：负责代码生成和修改
浏览器（Browser）：执行网页浏览和信息检索
汇报员（Reporter）：生成工作流结果的报告和总结
模型分3种
推理模型
基础模型
多模态模型
7个智能体使用的模型
如果是闲聊就直接回复，其他去planner
研究员（Researcher）、程序员（Coder）、浏览器（Browser）
看下来是langmanus的优化版本
协调器：管理工作流生命周期的入口点
根据用户输入启动研究过程
在适当时候将任务委派给规划器
作为用户和系统之间的主要接口
规划器：负责任务分解和规划的战略组件
分析研究目标并创建结构化执行计划
确定是否有足够的上下文或是否需要更多研究
管理研究流程并决定何时生成最终报告
研究团队：执行计划的专业智能体集合：
研究员：使用网络搜索引擎、爬虫甚至 MCP 服务等工具进行网络搜索和信息收集。
编码员：使用 Python REPL 工具处理代码分析、执行和技术任务。 每个智能体都可以访问针对其角色优化的特定工具，并在 LangGraph 框架内运行
报告员：研究输出的最终阶段处理器
汇总研究团队的发现
处理和组织收集的信息
生成全面的研究报告
任务规划器、任务调度器、搜索、编码、数据分析员、报告员
53AI，企业落地大模型首选服务商
产品：场景落地咨询+大模型应用平台+行业解决方案
承诺：免费场景POC验证，效果验证后签署服务协议。零风险落地应用大模型，已交付160+中大型企业
2025-05-27
Langchain创始人最新分享：如何跨越“原型惊艳”到“生产可靠”的鸿沟
2025-05-26
简单实战LangChain多任务应用开发
2025-05-26
二、LangChain提示词工程
2025-05-21
首个落地案例！WEBTOON 用 LangGraph 构建故事理解 Agent，创作者 AI 时代的范式来了？
2025-05-21
一文学会LangChain搭建Agent工具
2025-05-19
新手必看！LangGraph如何轻松搞定多语言模型协同工作
2025-05-19
LangChain：一个AI应用框架的开发生态
2025-05-19
继MCP、A2A协议之后，又一个Agent协议AG-UI来了
2024-10-10
2024-07-13
2024-06-03
2024-04-08
2024-09-04
2024-04-08
2024-08-18
2024-03-28
2024-06-24
2024-07-10
2025-05-21
2025-05-19
2025-05-08
2025-05-06
2025-04-22
2025-04-18
2025-03-22
2025-03-22
回到顶部
粤ICP备17114055号
