服务治理 MSE Sentinel/OpenSergo，Agent数量 不受限

　　在过去一年里大模型领域主要有两大领域的热点，一个是 LLM，几乎每月速度革新，大家关心的是效果和成本。另一个是 AI Agent，大家尝试解决各个领域应用问题，大家关心的是场景和竞争力。下面我们重点分享一下 AI Agent 的趋势和实践。

　　在过去一年里大模型领域主要有两大领域的热点，一个是 LLM，几乎每月速度革新，大家关心的是效果和成本。另一个是 AI Agent，大家尝试解决各个领域应用问题，大家关心的是场景和竞争力。下面我们重点分享一下 AI Agent 的趋势和实践。

　　AI Agent 在从单 Agent 到多 Agent 加速演进；以数据为核心的智能体平台会加速形成；构建高质量数据和持续优化数据质量能力会是智能体成功的关键。

　　AI Agent 是一种能够感知环境、自主决策并执行行动的智能实体，具备通过独立思考和调用工具逐步完成目标的能力。

　　因为 LLM 只是模拟人脑神经元推理过程，如果要完成一个具体的现实任务，还是需要像人一样有言耳鼻舌身的感知系统，有记忆和经验辅助决策，最后行动。

　　在过去 1 年时间里大家更多在探索各种固定的，单任务的智能体，解决一个个具体小问题。从今年开始大家开始构建智能体平台和范式，提升多 Agent 协同，编排，优化数据质量体系。终态是具备一个超级智能体，一站式解决所有问题，通用人工智能真正到来。

　　考虑到通用性和专业性，很多时候需要平衡，成本和效果也需要平衡，AGI 到来仍需要一定时间，因此我们判断未来主要方向是以数据为中心的多智能体协同模式。

　　AI Agent 构建过程中我们思考第一个问题是，智能体的核心竞争力是什么？

　　1、模型把公域数据挖掘的比较充分了，下一步重点可能是成本和性能（DeepSeek在加速推动发生）。

　　2、私域数据是每个公司的核心壁垒，需要做的是充分挖掘私域数据，沉淀好数据，持续优化数据，释放最大客户价值。生产资源足够好，有底层模型生产力加持，可以持续演进。

　　3、找到自己领域高频，结构化和风险可控的场景，逐步延伸场景的专业性，帮助客户提升效率。如我们 DEVOPS 领域的智能编码，灵码在代码辅助高频场景突破，通过灵码提升大家构建智能体效率。

　　首先我们每个应用能够从客户收集和沉淀数据，这部分数据是个性化和专业性的前提。其次我们每个领域都有自己的专业数据和 SOP，可以结合客户数据高效解决客户问题。

　　当我们构架好智能体要发布客户，需要提前对数据和效果构建数据评测集，以便满足客户对 SLA 的确定性要求。上线后我们需要收集客户反馈数据，通过反馈数据分析优化我们的行业数据，工具集，场景。

　　通过左边评估数据体系持续优化右边私域高质量数据体系。完成客户诉求到数据的高质量匹配。从而让这个飞轮持续转起来，持续优化企业竞争力！

　　1、构建好企业知识库，通过平台工具将数据转换成 Markdown，然后推到向量数据库，构建领域数据；通过工具集帮助Agent获取结构化客户数据。

　　那如何构建多 Agent 架构呢？阿里巴巴在去年云栖大会推出了 Spring-AI-Alibaba 框架和生态工具集合，助理企业构建智能体。

　　通过上面介绍大家构建以数据为中心智能体的重大意义和趋势。下面我们重点分享阿里巴巴在落地 AI Agent 的最佳实践，以便给大家做一个参考，加速 AI 时代到来～

　　Higress 是阿里开源的 AI 原生 API 网关，具备行业最全 AI 生态插件，能够帮助开发者一键集成多种数据源。

　　支持对接多种模型，Higress 可以一键集成多种模型，统一协议，统一权限，统一容灾；

　　通过搜索工具获取领域数据，通过 MCP Server 获取客户数据，整合推理需要的完整数据。

　　统一数据格式转换，通过缓存和向量检索构建长短期记忆数据，降低 LLM 调用，降低成本，提升性能和吞吐。

　　我们基于 Otel 观测体系能够自动的分析推理过程中效果，召回效果。效果不好，可以全链路追踪客户整个检索和推理过程，分析是知识库问题，RAG 问题，还是工具集问题，提升优化数据效率。

　　Agent 中有大量提示词，算法等参数，通过 Nacos 可以做到动态实时推送，及时获得优化的效果。如果系统上线担心修改提示词效果不符合预期，还可以通过灰度配置逐步观测优化提示词数据的效果。

　　系统数据和客户数据都是不断更新的，我们可以通过 RocketMQ 把变更事件和数据实时同步，以便每次推理能拿到最及时数据和效果。

　　我们通过上面技术体系构建开源 AI 专家和阿里云云原生 API 网关和微服务引擎 MSE 两个产品的智能诊断体系，解决 95% 以上咨询问题，解决 85% 以上异常问题。

　　通过 Higress 屏蔽底层多个模型，工具体系，构建数据安全链路和账号安全体系， 通过 Spring-AI-Alibaba 构建 Agent 和编排，提供 chat 模式解决咨询问题， Composer 模式解决客户异常问题。

　　DeepSeek 很火，用过的同学都知道，能联网的 DeepSeek 还是真正的满血版。

　　目前大量客户通过 Higress 一键集成 DeepSeek 和联网能力，集成夸克搜索数据，体验最佳能力。通过 Higress 能够在模型访问链路上全链路 TLS，保护链路数据安全。通过内容安全解决数据合规安全问题。通过 API-Key 集中管理，提高并发度，对 Agent 提供内部 API-Key，防止 API-Key 泄漏风险，并且可以根据内部 API-Key 做流量和额度控制，防止代码 bug 导致巨大 token 调用和巨大费用支出。

　　通义灵码个人版为开发者免费提供智能编码能力，专业版限免期内开放更多功能。使用需先注册阿里云账号，支持JetBrains IDEs、Visual Studio Code等开发工具。以Visual Studio Code为例，安装插件并登录后即可体验其强大功能。通义灵码2.0在代码生成、需求理解及单元测试自动化等方面有显著提升，支持多语言和复杂场景，大幅提高开发效率。

　　利用通义灵码AI在VS Code中快速开发扫雷游戏：Qwen2.5-Max模型的应用实例

　　本文介绍了如何利用阿里云通义灵码AI程序员的Qwen2.5-Max模型，在VS Code中一键生成扫雷小游戏。通过安装通义灵码插件并配置模型，输入指令即可自动生成包含游戏逻辑与UI设计的Python代码。生成的游戏支持难度选择，运行稳定无Bug。实践表明，AI工具显著提升开发效率，但人机协作仍是未来趋势。建议开发者积极拥抱新技术，同时不断提升自身技能以适应行业发展需求。

　　基于阿里百炼的DeepSeek-R1满血版模型调用【零门槛保姆级2084小游戏开发实战】

　　本文介绍基于阿里百炼的DeepSeek-R1满血版模型调用，提供零门槛保姆级2048小游戏开发实战。文章分为三部分：定位与核心优势、实战部署操作指南、辅助实战开发。通过详细步骤和案例展示，帮助开发者高效利用DeepSeek-R1的强大推理能力，优化游戏逻辑与视觉效果，解决官网响应延迟问题，提升开发效率和彩神用户体验。适合企业开发者、教育行业及多模态探索者使用。

　　小鱼深度评测 通义灵码2.0，不仅可跨语言编码，自动生成单元测试，更炸裂的是集成DeepSeek模型且免费使用，太炸裂了。

　　小鱼深度评测 通义灵码2.0，不仅可跨语言编码，自动生成单元测试，更炸裂的是集成DeepSeek模型且免费使用，太炸裂了。

　　DeepSeek是一款基于Transformer架构的先进大语言模型，以其强大的自然语言处理能力和高效的推理速度著称。近年来，DeepSeek不断迭代，从DeepSeek-V2到参数达6710亿的DeepSeek-V3，再到性能比肩GPT-4的DeepSeek-R1，每次都带来重大技术突破。其开源策略降低了AI应用门槛，推动了AI普惠化。通过阿里云百炼调用满血版API，用户可以快速部署DeepSeek，享受高效、低成本的云端服务，最快10分钟完成部署，且提供免费token，极大简化了开发流程。

　　深度评测 仅用3分钟，百炼调用满血版 Deepseek-r1 API，百万Token免费用，简直不要太爽。

　　仅用3分钟，百炼调用满血版Deepseek-r1 API，享受百万免费Token。阿里云提供零门槛、快速部署的解决方案，支持云控制台和Cloud Shell两种方式，操作简便。Deepseek-r1满血版在推理能力上表现出色，尤其擅长数学、代码和自然语言处理任务，使用过程中无卡顿，体验丝滑。结合Chatbox工具，用户可轻松掌控模型，提升工作效率。阿里云大模型服务平台百炼不仅速度快，还确保数据安全，值得信赖。

　　Agent TARS：一键让AI托管电脑！字节开源PC端多模态AI助手，无缝集成浏览器与系统操作

　　Agent TARS 是一款开源的多模态AI助手，能够通过视觉解析网页并无缝集成命令行和文件系统，帮助用户高效完成复杂任务。

　　随着人工智能技术的飞速发展，AI Agent（智能体）作为人工智能领域的重要分支，正逐渐从概念走向现实，并在各行各业展现出巨大的应用潜力。在众多AI Agent产品中，Manus以其独特的技术优势和市场表现，有望成为该领域的标杆。作为资深AI工程师，本文将深入探讨Manus的背景知识、主要业务场景、底层原理、功能的优缺点，并尝试使用Java搭建一个属于自己的Manus助手，以期为AI Agent技术的发展和应用提供参考。

　　阿里云百炼已上线超强推理开源模型QwQ-32B，尺寸更小，性能比肩DeepSeek满血版

　　通义千问团队推出了320亿参数的QwQ-32B模型，通过大规模强化学习和多阶段训练，在数学、编程及通用能力上达到或超越了DeepSeek-R1等先进模型。QwQ-32B模型已在阿里云百炼上线，支持API调用，用户可通过官方文档了解详细使用方法。未来，团队将继续探索智能体与RL集成，推动人工通用智能的发展。

　　如何打造出一个安全的架构 —— 一位来自阿里云资深架构师的实践经验分享

　　springcloud微服务一：spring boot基础项目搭建及问题处理

　　框架源码私享笔记(02)Mybatis核心框架原理 一条SQL透析核心组件功能特性

　　阿里云微服务引擎 MSE 及 云原生 API 网关 2025 年 2 月产品动态

　　阿里云微服务引擎 MSE 及 云原生 API 网关 2025 年 1 月产品动态