【AgentScope】阿里AgentScope2.0实战,从0到1搭建企业级多Agent智能体!

9849
101
2026-09-22 16:35:38
886
417
1223
270
AgentScope是由阿里巴巴通义实验室开源的智能体(Agent)开发框架,旨在帮助开发者构建、部署和管理面向生产环境的智能体应用。它的一大特色是强调让智能体的运行过程可观察、可理解、可信赖,并提供了从开发到部署的全套解决方案。AgentScope2.0版将安全性、高效性、灵活性和完备性作为核心设计目标。其设计理念是顺应大模型日益强大的推理和工具使用能力,而非用僵化的规则去限制它们。为此,框架提供了几个关键能力: •ReAct智能体(ReAct Agent):这是AgentScope的核心构建块,它遵循推理(Reasoning)→行动(Acting)的循环模式,能够自主调用工具来完成复杂任务,并支持实时中断和恢复 •三位一体的安全防线:通过工具审查、人机协同(HITL)权限系统以及安全沙箱隔离(如Docker、Kubernetes),为智能体的自主行动划定清晰且可控的边界。例如,当智能体要执行敏感操作时,可以自动请求用户审批。 •系统性上下文管理:为解决长任务中的“失忆”和上下文窗口溢出问题,AgentScope2.0升级了上下文管理。它能对对话历史进行结构化压缩,对过大的工具结果进行卸载,并集成了ReMe、Mem0等第三方方案实现跨会话的长期记忆。
职业规划-JAVA面试资源-后端简历模板-学习路线P5~P8,扣V助理:mf975320,备注B站分享
视频选集
(1/70)
1、AgentScope_AgentScope 2.0介绍
14:03
2、AgentScope_环境准备工作
08:30
3、AgentScope_线上大模型服务平台
06:42
4、AgentScope_统一接口调用大模型
17:02
5、AgentScope_大模型就业路线(入门→进阶)
55:25
6、AgentScope_构建基础会话智能体
06:41
7、AgentScope_构建多模态智能体
06:58
8、AgentScope_AgentScope中事件的定义
03:34
9、AgentScope_AgentScope中事件的代码展示
09:53
10、AgentScope_流式输出
03:00
11、AgentScope_AgentScope为什么需要工具调用
16:42
12、AgentScope_工具调用的核心概念和组成部分
04:16
13、AgentScope_工具调用案例【自定义工具】
08:47
14、AgentScope_加入工具权限系统 + HITL
06:18
15、AgentScope_官方工具调用
05:04
16、Agent_Agent的原理
15:54
17、Agent_企业级的Agent是什么?
18:21
18、Agent_WorkFlow和Agent的区别
21:13
19、Agent_OpenClaw的相关概念
11:09
20、Agent_OpenClaw是什么
12:37
21、Agent_Agent+Skills架构
14:36
22、Agent_什么是Agent Skills
05:29
23、Agent_Agent Skills来干什么?
06:30
24、Agent_Multi-Agent架构和Skills-Agent架构
20:34
25、Agent_开发一个功能非常复杂的Agent
05:36
26、Agent_代码实战:Multi-Agent架构开发
13:51
27、Agent_代码实战:Agent-Skills架构开发
34:03
28、LangChain_LangChain介绍
11:52
29、LangChain_LangChain的革新
13:56
30、LangChain_Agent的定义和环境搭建
23:25
31、LangChain_LangChain调用大模型(一)
14:15
32、LangChain_LangChain调用大模型(二)
22:17
33、LangChain_LangChain调用大模型(三)
15:05
34、LangChain_调用模型的速率限制
14:27
35、LangChain_国内外的大模型结构化输出
16:33
36、LangChain_创建一个Agent项目
17:26
37、LangChain_部署Agent项目到本地服务器
12:07
38、LangChain_智能体中定义工具(一)
17:56
39、LangChain_智能体中定义工具(二)
16:20
40、LangChain_工具测试和Agent整合
14:12
41、LangChain_智能体中定义工具(三)
19:50
42、LangChain_智能体中的异步工具
05:17
43、LangChain_基于Agent的TextToSQL案例(一)
12:08
44、LangChain_基于Agent的TextToSQL案例(二)
16:59
45、LangChain_基于Agent的TextToSQL案例(三)
21:29
46、LangChain_基于Agent的TextToSQL案例(四)
15:19
47、LangChain_基于Agent的TextToSQL案例(五)
11:38
48、LangChain_基于Agent的TextToSQL案例(六)
09:03
49、LangChain_基于Agent的TextToSQL案例(七)
23:37
50、LangChain_基于Agent的TextToSQL案例(八)
10:29
51、RAG_RAG项目的核心解决方案
16:51
52、RAG_本地Milvus数据库
18:39
53、RAG_操作Milvus数据库
18:02
54、RAG_企业服务器部署Milvus数据库
18:31
55、RAG_PDF文件简单解析器
16:45
56、RAG_PDF文件高级解析
43:25
57、RAG_服务器部署Unstructured
19:03
58、RAG_服务器配置HuggingFace镜像
09:04
59、RAG_服务器PDF高级解析器
11:28
60、RAG_结构化解析Markdown
15:30
61、RAG_合并标题Document
26:09
62、RAG_合并标题Document(二)
12:33
63、RAG_根据语义切割长文本
26:36
64、RAG_密集嵌入BGE-Large和稀疏嵌入
20:38
65、RAG_BM25稀疏Embedding
29:18
66、RAG_执行稀疏向量相关性搜索
04:22
67、RAG_密集向量创建索引
24:08
68、RAG_创建Collection
23:46
69、RAG_保存Document到Milvus服务器
09:36
70、RAG_输出表结构和索引数据
13:20
客服
顶部
赛事库 课堂 2021拜年纪