终结OpenAI垄断的11人
AITNT公众号 AITNT APP AITNT交流群 简体中文 搜索 首页 AI资讯 AI技术研报 AI监管政策 AI产品测评 AI商业项目 AI产品热榜 寻求报道 终结OpenAI垄断的11人 7008点击 2025-12-01 10:43 估值飙升至3500亿美元，Claude Opus 4.5强势登顶企业级市场，Anthropic正式终结了OpenAI的独角戏时代。从Instagram创始人到OpenAI的「决裂者」，这11位顶尖人物组成了硅谷最豪华的「复仇者联盟」。他们用一场惊天逆袭证明，在通往AGI的狂飙突进中，对安全的极致坚守才是最深的护城河。 如果你在2021年走进Anthropic的办公室，看到的只是一群从OpenAI「叛逃」出来的理想主义者； 但如果你今天再看Anthropic的高管名单，你会发现这已经不再是一个简单的实验室，而是一支足以撼动硅谷版图的「全明星复仇者联盟」。 随着Anthropic的估值在本月飙升至惊人的3500亿美元，Claude Opus 4.5更是拿下了企业级市场32%的份额。 在这个庞大的数字帝国背后，是11个性格迥异、背景传...
Coze_RAG智能体部署
AI聊天助手 发送 // 暴力方案 - 直接写死在页面里 async function sendMessage() { const input = document.getElementById('user-input'); const message = input.value; if (!message) return; // 显示用户消息 addMessage('user', message); input.value = ''; try { // 调用Coze工作流 - 替换成你的真实信息！ const response = await fetch('https://api.coze.cn/v1/workflow/stream_run', { method: 'POST', headers: { 'Content-Type': 'application/json', 'Authorization': 'Bearer cztei_qpO...
Coze_RAG智能体部署V2
测试聊天 发送 async function sendMessage() { const input = document.getElementById('user-input'); const message = input.value; if (!message) return; addMessage('user', message); input.value = '请求中...'; try { const response = await fetch('https://api.coze.cn/v1/workflow/stream_run', { method: 'POST', headers: { 'Content-Type': 'application/json', 'Authorization': 'Bearer cztei_lPiGDcNVveCgmmDmcQ7YGf6fKWbocyCY17lYUcW0f6SKgXrgpBACqams2E7TG...
Agent_Principle
Agent的概念概念：在AI领域，AI是一种能够感知环境（通过传感器接受用户的文本、语音、文件等信息和问题）进行自主理解，进行决策和执行动作的智能实体。 原理Agent = 大脑(LLM)+记忆(memory)+任务规划(planner)+工具使用(MCP)+行动(Action) Agent本质上翻译过来是代理的意思，所以它能代表你处理任务，所以它要有人的记忆和大脑，有规划能力和处理的工具和实际行动。 AI agent工作流程prompt提示词提示词是Agent接受到的初始输入，描述了Agent需要完成的任务或解决的问题 LLM大模型大模型是agent进行任务规划和知识推理的重要工具，利用LLM大模型对提示词进行深入分析，生成可能的解决方案。 Memory记忆可以保留当前用户输入内容，上下文内容，外部向量存储的知识库，网页信息等。 planning规划定义：任务规划是agent根据提示词、大模型以及知识库进行决策和规划的过程。它涉及对任务的分解、目标的设定、路径的规划等 实现方式：图中“规划”这一步，在目前绝大多数基于大模型的Agent系统中，正是通过精心设计的提示...
Agent的ReAct框架原理
Agent的ReAct框架原理 Paper https://arxiv.org/pdf/2210.03629.pdf Code https://github.com/ysymyth/ReAct https://react-lm.github.io/ 注解CoT & ToT1234567CoT = Chain of Thought 思维链、推理链 指让大模型逐步展示中间推理过程，通过“分步骤思考”来提高复杂推理任务的正确率。特点：单链。线性推理、依赖“逐步思考”ToT = Tree of Thoughts 思维树（树状思维）它是对 CoT 的扩展，把推理过程从单一链路升级为树状结构探索，可以同时评估多个思路分支，选择最优路径，适合更复杂、可回溯的推理任务。特点：树状。多分支探索、评估多种可能路径，适合复杂规划 正文一、答题思路 核心要点拆解： ReAct框架的定义与核心机制◦ 分层解析ReAct的“思考-行动-观察”循环逻辑◦ 对比传统Agent框架（如CoT、ToT）的差异性 真实项目案例选取◦ 选取文档中第6章《Agent3:推理与...
Agent的工具封装和调用
Agent的工具封装和调用FunctionCallserver端，封装tool工具 client端，调用工具 工具的三种定义方式：1、定义 JSON 格式的工具 schema 2、@tool装饰器定义 3、定义工具类 调用工具的两种方式：1、把工具绑到大模型上 2、把工具和大模型以及提示词一起绑到智能体上 pydantic工具定义（把工具绑到大模型上，让大模型自动推理应该用哪一个工具，并设计逻辑返回，工具处理好的，放到json中对应的答案字段） 12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152# todo: 第一步： 定义工具类：class Add(BaseModel):class Multiply(BaseModel):# 定义 类名tools = [Add,Multiply]# todo: 第二步：初始化模型llm = ChatOpenAI(base_url=conf.base_url, api_key=...
ReAct论文
ReAct论文REACT: SYNERGIZING REASONING AND ACTING IN LANGUAGE MODELS ReAct：实现语言模型中推理与行动协同的框架 ABSTRACT While large language models (LLMs) have demonstrated impressive performance across tasks in language understanding and interactive decision making, their abilities for reasoning (e.g. chain-of-thought prompting) and acting (e.g. action plan generation) have primarily been studied as separate topics. In this paper, we explore the use of LLMs to generate both reasoning traces and task-specific acti...
volc_engine_Agent_learning
火山-agent原理基础知识网址：https://www.volcengine.com/ agent定义： 根据用户的提示词，动态判断需要调用哪些工具，比如查询天气，调天气预报的接口、做翻译，调翻译软件的接口等等。本质是将外部的一些软件工具，做一个封装，让agent去判断，用户的需求是调用哪一个？ 如何快速搭建生产级Agent火山方舟：大模型工具平台 TREA：AI IDE工具 MCP服务：火山引擎的MCP服务 PromptPilot：提示词工程工具 AI知识管理 火山引擎介绍：定位：字节的云服务与技术中台，是所有AI产品背后的”水电煤”功能：提供超大规模算力（万卡GPU集群）、高性能网络、存储服务，支撑大模型的训练和推理。同时，它也是“火山方舟”的载体，将字节的AI能力商业化输出给外部企业客户火山方舟和豆包的区别火山方舟和扣子：是平台，都是赋能企业和开发者，面向企业。是B端产品 豆包、即梦AI、Trae：是应用，给个人提供AI服务，面向用户。是C端产品
部署一个旅游规划智能体
部署一个旅游规划智能体在宿主机 build，Docker 只负责“装盒子”123456789101112131415161718192021222324252627282930313233343536373839404142核心思想一句话：👉 所有吃内存的事情（uv / pip / 编译）都在宿主机做👉 Docker 里只 COPY 成果，不编译、不解析、不拉依赖1、在宿主机准备好 Python + uvpython3 --version结果：Python 3.13.92、在 Windows 上安装 uv（一次性）方法一（官方推荐，最稳）1）打开 PowerShell（不是 CMD）：irm https://astral.sh/uv/install.ps1 | iex2）安装完成后，重开一个终端，验证：uv --version3）在 SmartVoyage 项目中初始化 uv 环境cd \SmartVoyage让 uv 接管这个项目uv init会生成一个最基础的：pyproject.toml4）在项目根目录创建虚拟环境uv venv5）用 requirements.txt ...
部署一个视频播放器&知识库问答系统
部署一个视频播放器Python 方式运行 + pip 安装依赖： 1234567891011121314151617181920212223242526272829303132333435363738394041424344454647484950515253545556575859Python 方式运行 + pip 安装依赖：1、安装 venv 模块1）运行：sudo apt install python3.12-venv2）安装成功后，重新创建虚拟环境python3 -m venv .venv3）然后：source .venv/bin/activatepip install --upgrade pippip install fastapi uvicorn requests jinja23.1)服务器无法访问 Python 官方 PyPI，所以 pip 无法下载任何包 → 100% 超时这不是 pip 的问题、不是权限问题、不是 venv 问题，就是 网络无法访问国外源。3.2)pip 的源切换到国内镜像mkdir -p ~/.pip 或者有.pip的话nano ~/.pip...