阿里云百炼应用实践系列-10分钟构建能主动提问的智能导购
通过使用“百炼”平台，您可以快速构建一个多代理（Multi-Agent）架构的智能导购助手。该助手能够通过多轮互动了解顾客的具体需求，收集详细信息后，利用“百炼”的知识检索增强功能或已有的商品数据库进行商品搜索，为顾客推荐最合适的产品。
震惊！多角色 Agent 携手合作，竟能如此高效搞定复杂任务，背后秘密大揭晓！
在复杂任务环境中，单个智能体常因能力与资源限制而难以应对。多智能体系统（multi-agent systems）通过将任务分解并分配给各具专长的智能体，实现了高效协同工作。例如，在物流配送中，不同智能体分别处理路线规划、货物装载与交通监控，确保任务准确高效完成。同样，在大型游戏开发项目里，各智能体专注剧情设计、美术创作等特定领域，显著提升项目质量和开发速度。通过共享信息、协商决策等方式，多智能体系统展现出强大灵活性与适应性，为物流、软件开发等领域带来新机遇。
只需两步，让大模型智能体社区相信你是秦始皇
【8月更文挑战第16天】在信息爆炸时代，大型语言模型（LLM）快速发展并在多智能体系统中展现卓越能力，但也带来了安全性挑战，特别是知识操纵问题。上海交大与百川智能合作研究发现，在无明显提示下，LLM可能被操纵传播虚假或有害信息。研究构建了威胁模型和仿真环境，展示攻击者如何利用两阶段策略注入操纵知识而不削弱智能体功能。实验显示，这类知识能在多智能体间迅速传播并持久留存，凸显了加强安全措施的重要性。研究提出了使用“监护”智能体和事实核查工具等防御手段，并公开代码供同行复现研究。这项工作不仅揭示了潜在风险，还为建立更安全的多智能体系统提供了指导。论文已发布于arxiv.org。
智能运维：利用机器学习优化IT基础设施管理
在数字化浪潮中，企业对IT基础设施的依赖日益加深。传统的运维模式已难以应对复杂多变的技术环境，而智能运维（AIOps）应运而生。本文将探讨如何借助机器学习技术，提升运维效率，确保系统稳定性，并预测潜在问题，从而为企业带来持续的业务创新和价值增长。