随笔分类 - 【025】AIGC
ML、AIGC 与 大模型应用开发
摘要:
本文介绍了Agent Skill的基础概念 和 核心理念 - 渐进式披露,演示了一个.NET控制台应用实现Agent Skill的智能体案例,通过该案例可以了解如何在Microsoft Agent Framework框架下快速地实现Agent Skill的调用。
阅读全文
本文介绍了Agent Skill的基础概念 和 核心理念 - 渐进式披露,演示了一个.NET控制台应用实现Agent Skill的智能体案例,通过该案例可以了解如何在Microsoft Agent Framework框架下快速地实现Agent Skill的调用。
阅读全文
摘要:
AG-UI Tools 是 AG-UI 的 工具系统,分为 Backend Tools 和 Frontend Tools,它们是AI Agent和外部世界交互的桥梁,让AI Agent能够执行实际操作,而不仅仅是生成文本。本文介绍了AG-UI Tools即AG-UI的工具系统,演示了一个结合前后端工具使用的混合模式案例,通过案例可以了解如何在AG-UI中调用工具并观察调用链。
阅读全文
AG-UI Tools 是 AG-UI 的 工具系统,分为 Backend Tools 和 Frontend Tools,它们是AI Agent和外部世界交互的桥梁,让AI Agent能够执行实际操作,而不仅仅是生成文本。本文介绍了AG-UI Tools即AG-UI的工具系统,演示了一个结合前后端工具使用的混合模式案例,通过案例可以了解如何在AG-UI中调用工具并观察调用链。
阅读全文
摘要:
AG-UI 全称 Agent–User Interaction Protocol 即 智能体-用户 交互协议,这是一个开放的、基于事件的协议,由 CopilotKit 团队发起,用于标准化 AI Agent 与 用户界面 的实时交互。本文介绍了AG-UI协议的基本概念,为什么会出现AG-UI协议,AG-UI和MCP,A2A的对比,随后介绍了如何在MAF中快速开发一个基于AG-UI的对话应用。
阅读全文
AG-UI 全称 Agent–User Interaction Protocol 即 智能体-用户 交互协议,这是一个开放的、基于事件的协议,由 CopilotKit 团队发起,用于标准化 AI Agent 与 用户界面 的实时交互。本文介绍了AG-UI协议的基本概念,为什么会出现AG-UI协议,AG-UI和MCP,A2A的对比,随后介绍了如何在MAF中快速开发一个基于AG-UI的对话应用。
阅读全文
摘要:
DevUI 是一个开箱即用的交互式 Web 调试界面,无需额外开发,启用后就能可视化测试、调试 AI 代理,从 Agent 列表查看、工具调用验证到工作流流转,全流程可视化,让 AI 智能体开发从 “盲调” 变 “明调”。本文介绍了DevUI是什么,它有什么样的优势,随后介绍了如何在MAF中快速集成DevUI用于开发调试获得友好的开发调试体验。
阅读全文
DevUI 是一个开箱即用的交互式 Web 调试界面,无需额外开发,启用后就能可视化测试、调试 AI 代理,从 Agent 列表查看、工具调用验证到工作流流转,全流程可视化,让 AI 智能体开发从 “盲调” 变 “明调”。本文介绍了DevUI是什么,它有什么样的优势,随后介绍了如何在MAF中快速集成DevUI用于开发调试获得友好的开发调试体验。
阅读全文
摘要:
A2A 即 Agent-to-Agent,翻译过来就是“智能代理之间的协议”,我们可以理解为它就是一个大模型Agent们用来“聊天”的“通用语言”。本文介绍了MAF中集成A2A Agent的核心操作:将A2A Agent转换为AIFunction工具,然后由主Agent自主选择调用一个或多个A2A Agent获取信息整合后最终生成回答。
阅读全文
A2A 即 Agent-to-Agent,翻译过来就是“智能代理之间的协议”,我们可以理解为它就是一个大模型Agent们用来“聊天”的“通用语言”。本文介绍了MAF中集成A2A Agent的核心操作:将A2A Agent转换为AIFunction工具,然后由主Agent自主选择调用一个或多个A2A Agent获取信息整合后最终生成回答。
阅读全文
摘要:
事实上,在构建AI应用解决业务问题时,单个Agent往往无法胜任所有任务,常常需要我们将多个Agent组合起来系统工作。而这种组合与协调的方式,就被称为 Agent Orchestration 即 Agent编排。MAF支持多种多Agent编排流程模式,每个模式都针对不同的协作方案而设计。
阅读全文
事实上,在构建AI应用解决业务问题时,单个Agent往往无法胜任所有任务,常常需要我们将多个Agent组合起来系统工作。而这种组合与协调的方式,就被称为 Agent Orchestration 即 Agent编排。MAF支持多种多Agent编排流程模式,每个模式都针对不同的协作方案而设计。
阅读全文
摘要:
在实际业务场景中,往往需要在主工作流中根据工单类型分发或移交到不同的标准化子流程中进行后续处理。本文介绍了MAF中主工作流 + 子工作流的工作模式,最后通过一个企业客服中心处理投诉工单的案例介绍了这种模式的代码实现。
阅读全文
在实际业务场景中,往往需要在主工作流中根据工单类型分发或移交到不同的标准化子流程中进行后续处理。本文介绍了MAF中主工作流 + 子工作流的工作模式,最后通过一个企业客服中心处理投诉工单的案例介绍了这种模式的代码实现。
阅读全文
摘要:
在实际业务场景中,往往需要在工作流中让多个Agent同时运行再通过聚合结果做做一些数据分析或决策呈现,这时就需要并行执行机制。本文介绍了MAF中并行工作流以及如何实现“Fan-Out/Fan-In”的工作模式,最后通过一个跨境电商价格查询智能定价的案例介绍了这种模式的代码实现。
阅读全文
在实际业务场景中,往往需要在工作流中让多个Agent同时运行再通过聚合结果做做一些数据分析或决策呈现,这时就需要并行执行机制。本文介绍了MAF中并行工作流以及如何实现“Fan-Out/Fan-In”的工作模式,最后通过一个跨境电商价格查询智能定价的案例介绍了这种模式的代码实现。
阅读全文
摘要:
在实际业务场景中,往往需要在工作流中设置一些循环与自我修正的机制,构建出一个“生成→审核→修复”的闭环,来确保AI产出的内容能够满足企业级质量标准。
阅读全文
在实际业务场景中,往往需要在工作流中设置一些循环与自我修正的机制,构建出一个“生成→审核→修复”的闭环,来确保AI产出的内容能够满足企业级质量标准。
阅读全文
摘要:
上一篇,我们学习了MAF中如何进行if-else类型的条件路由,但是实际工作中可能会村中多个分支路由的场景。在实际业务场景中,很多的业务逻辑涉及到不止两个判断条件,而是多个。在MAF中,我们可以使用 Switch-Case 来实现这种工作流内部多类决策条件的 工作流需求。
阅读全文
上一篇,我们学习了MAF中如何进行if-else类型的条件路由,但是实际工作中可能会村中多个分支路由的场景。在实际业务场景中,很多的业务逻辑涉及到不止两个判断条件,而是多个。在MAF中,我们可以使用 Switch-Case 来实现这种工作流内部多类决策条件的 工作流需求。
阅读全文
摘要:
在实际业务场景中,一个AI工作流的多个步骤之间往往会传递一些数据,有些步骤只会在数据满足一定条件下才会被触发,而有些步骤只会在数据不满足条件的时候才被触发,总之这种if-else的决策在工作流中很常见。在MAF中,我们可以使用 Conditional Edge 即条件边 或 待决策函数的边,来实现这种工作流内部if-else决策需求。
阅读全文
在实际业务场景中,一个AI工作流的多个步骤之间往往会传递一些数据,有些步骤只会在数据满足一定条件下才会被触发,而有些步骤只会在数据不满足条件的时候才被触发,总之这种if-else的决策在工作流中很常见。在MAF中,我们可以使用 Conditional Edge 即条件边 或 待决策函数的边,来实现这种工作流内部if-else决策需求。
阅读全文
摘要:
在实际业务场景中,一个AI工作流的多个步骤之间往往需要共享上下文数据,例如用户原始输入、模型的输出缓存等。在MAF中,提供了一个 WorkflowContext 的模型,它原生提供了工作流上下文的状态共享能力。
阅读全文
在实际业务场景中,一个AI工作流的多个步骤之间往往需要共享上下文数据,例如用户原始输入、模型的输出缓存等。在MAF中,提供了一个 WorkflowContext 的模型,它原生提供了工作流上下文的状态共享能力。
阅读全文
摘要:
在实际业务场景中,Executor通常用来覆盖确定性的业务逻辑,例如:数据验证、数据格式化、数据清洗和计算等等,这类场景往往需要100%确定性。而Agent则用来覆盖AI智能决策的场景,例如:智能判断、理解 和 内容生成等等,这类场景通常需要基于模型能力,具有一定的不确定性。在实际开发中,往往需要结合Executor和Agent混合使用,本篇我们就来学习下混合编排工作流。
阅读全文
在实际业务场景中,Executor通常用来覆盖确定性的业务逻辑,例如:数据验证、数据格式化、数据清洗和计算等等,这类场景往往需要100%确定性。而Agent则用来覆盖AI智能决策的场景,例如:智能判断、理解 和 内容生成等等,这类场景通常需要基于模型能力,具有一定的不确定性。在实际开发中,往往需要结合Executor和Agent混合使用,本篇我们就来学习下混合编排工作流。
阅读全文
摘要:
上一篇,我们学习了MAF中进行多Agent智能体的顺序和移交编排。但是,很多时候我们想要嵌入一些业务逻辑和结构化输出,亦或者是需要保持历史对话,这时我们就可以开发一些自定义Executor来组成工作流。本文介绍了Executor的基本概念 以及 如何开发自定义Executor,然后给出了一个营销文案生成审核的工作流案例详细介绍了自定义Executor的应用。
阅读全文
上一篇,我们学习了MAF中进行多Agent智能体的顺序和移交编排。但是,很多时候我们想要嵌入一些业务逻辑和结构化输出,亦或者是需要保持历史对话,这时我们就可以开发一些自定义Executor来组成工作流。本文介绍了Executor的基本概念 以及 如何开发自定义Executor,然后给出了一个营销文案生成审核的工作流案例详细介绍了自定义Executor的应用。
阅读全文
摘要:
本文介绍了如何使用MAF框架完成基本的多Agent工作流编排,并给出了两个常用的编排案例:移交编排 和 顺序编排,最后介绍了如何借助结合流式执行 和 内置事件 完成工作流的进度监控。
阅读全文
本文介绍了如何使用MAF框架完成基本的多Agent工作流编排,并给出了两个常用的编排案例:移交编排 和 顺序编排,最后介绍了如何借助结合流式执行 和 内置事件 完成工作流的进度监控。
阅读全文
摘要:
上一篇,我们学习了MAF对于单个Agent的花样玩法,其中提到了聊天记录的持久化存储。本篇,我们来继续实践一下将聊天记录持久化到关系型数据库,这样用户在中断会话后返回时还能从上次断开的地方继续对话,提供给用户不间断的体验。
阅读全文
上一篇,我们学习了MAF对于单个Agent的花样玩法,其中提到了聊天记录的持久化存储。本篇,我们来继续实践一下将聊天记录持久化到关系型数据库,这样用户在中断会话后返回时还能从上次断开的地方继续对话,提供给用户不间断的体验。
阅读全文
摘要:
上一篇,我们学习了如何使用MAF创建一个简单的Agent,这一篇我们学习下MAF对于单个Agent的花样玩法,这些玩法可以极大扩展我们对于Agent的适用场景。例如,将Agent转换为Function Tool和MCP Tool,持久化Agent中的对话记录以便快速恢复,还可以给Agent添加中间件扩展其能力,给Agent添加可观测性增强系统监控能力...
阅读全文
上一篇,我们学习了如何使用MAF创建一个简单的Agent,这一篇我们学习下MAF对于单个Agent的花样玩法,这些玩法可以极大扩展我们对于Agent的适用场景。例如,将Agent转换为Function Tool和MCP Tool,持久化Agent中的对话记录以便快速恢复,还可以给Agent添加中间件扩展其能力,给Agent添加可观测性增强系统监控能力...
阅读全文
摘要:
MAF(Microsoft Agent Framwork)已经出来有一段时间,最近看到它的commit比较频繁,估计是为了在.NET Conf 2025发布1.0.0的正式版。预览版也并不妨碍我们的学习,那么从今天开始,我们就通过微软官方学习文档来一起进入MAF的世界吧。
阅读全文
MAF(Microsoft Agent Framwork)已经出来有一段时间,最近看到它的commit比较频繁,估计是为了在.NET Conf 2025发布1.0.0的正式版。预览版也并不妨碍我们的学习,那么从今天开始,我们就通过微软官方学习文档来一起进入MAF的世界吧。
阅读全文
摘要:
上一篇,我们了解了A2A的三大角色和四大对象,还知道了A2A的基本工作流程。本篇就来实践一个典型的A2A协议案例:Travel Planner,它涉及一个Client 和 3个Remote Agent,是一个拿来练手增强理解的好案例,希望对你有所帮助!
阅读全文
上一篇,我们了解了A2A的三大角色和四大对象,还知道了A2A的基本工作流程。本篇就来实践一个典型的A2A协议案例:Travel Planner,它涉及一个Client 和 3个Remote Agent,是一个拿来练手增强理解的好案例,希望对你有所帮助!
阅读全文
摘要:
本文介绍了A2A的三个主要角色(User、Client 和 Remote Agent)和 四个核心对象(Agent Card、Task、Artifact 和 Message),并通过简单的例子介绍了A2A协议的典型工作流程,相信对于你加深了解A2A协议会有帮助。
阅读全文
本文介绍了A2A的三个主要角色(User、Client 和 Remote Agent)和 四个核心对象(Agent Card、Task、Artifact 和 Message),并通过简单的例子介绍了A2A协议的典型工作流程,相信对于你加深了解A2A协议会有帮助。
阅读全文

浙公网安备 33010602011771号