microsoft标签_脑启社区

microsoft

具身智能独角兽开启“200亿分水岭”：路线收敛之后，买的是出货量、大脑还是商业闭环

它的特殊之处在于同时具备两类特征：既有“大脑派”的类脑VLA全球首发——AlphaBrain是全球唯一完整走完“端到端VLA→增强型VLA→类脑VLA”三代演进的模型体系，NeuroVLA构建“皮层-小脑-脊髓”三层类脑体系，被学界认证为全球唯一同时具备主动感知、故障自恢复与时序记忆三大类生物运动能力的具身智能系统；宇树2025年人形机器人出货量超5500台，营收16.99亿元，扣非净利润5.9亿

 luluningmeng1
2026-08-16 18:09:46

 211

 8

#人工智能 #大数据 #microsoft
Microsoft Agent Framework + Kimi API 实战：控制台应用跑通单次与多轮 Agent 对话

第三方大模型服务接口可以使用 New ChatClient 直接调用，为了演示 Microsoft Agent Framework 的能力，我们通过 AsAIAgent 把它封装成一个 Agent。回答优先给结论，再给关键步骤。export KIMI_API_KEY=“你的 kimi_api_key 放这里”$env:KIMI_API_KEY=“你的 kimi_api_key 放这里”你把代码复制

 Ik20uAosn
2026-06-22 20:47:56

 208

 3

#microsoft
一文拆解 RAG 全链路算法：从检索到生成

「从基本原理出发」在接触RAG的过程中，我发现很多人把它理解成一个“检索+生成”的简单组合：先查点资料，再让大模型照着回答。

程序猿李巡天
2026-06-22 21:38:02

 218

 4

#算法 #搜索引擎 #microsoft +3
[MAF的Agent管道详解-02]IChatClient管道如何完美连接大模型？

系统通过继承: 在不修改业务逻辑的前提下，透明地记录所有与AI模型的交互细节;：这是最强大的内置中间件。它拦截模型的回复，如果模型返回的是函数调用请求（Function Call），由它实施最终的调用，然后将结果反馈给模型，直到模型给出最终文本回复。我们可以使用它实现联网搜索查询数据库等自动化插件功能。FunctionInvokingChatClient将最重要的ReAct循环引入ChatClie

开心的小馒头
2026-06-22 21:09:56

 195

 6

#microsoft #数据库
用 Agent 重现《黑镜》剧情

LLM Agent是指以大语言模型为核心大脑，具备感知、记忆、规划、行动、工具调用能力的智能体，能够自主完成复杂任务，和环境、其他智能体、人类进行持续交互。其核心组成可以用下图表示：fill:#333;important;important;fill:none;color:#333;color:#333;important;fill:none;fill:#333;height:1em;感知层：用户

 AI学长带你学AI
2026-06-21 02:28:09

 236

 7

#microsoft
医疗行业定向钓鱼邮件攻击特征识别与全链路闭环防御技术研究

本章节完整实现前文四层检测技术，代码分为邮件元数据校验、URL 特征提取与风险打分、形近域名检测、文本风险识别四大独立模块，可集成至邮件网关过滤脚本，支持批量邮件样本离线检测与实时在线检测两种模式，代码注释完整，适配 Python3.8 及以上版本，依赖tldextract、re、urllib.parse基础库，无重型深度学习框架依赖，轻量化部署。在生成式 AI 普及、钓鱼攻击产业化的行业背景下，

芦熙霖
2026-06-20 18:57:20

 312

 9

#人工智能 #开发语言 #网络 +2
nanobot轻量级通用Agent实战：CLI-Anything让软件原生支持Agent交互

## nanobot的关键特性| 特性 | 说明 | 优势 ||------|------|------|| 资源占用 | 运行时仅需256MB内存 | 可在IoT设备运行 || LLM依赖 | 每步决策限制500 Token | 推理成本极低 || CLI原生支持 | 标准化命令接口 | 操作确定性高 || 技能积累 | 成功操作固化为技能 | 越用越高效 || 多Agent协作 | Agent

少林码僧
2026-06-20 00:25:25

 265

 6

#交互 #microsoft #人工智能 +1
RAG 性能暴涨 5.9 倍！微软新框架让 LLM 自主检索，无需训练直接部署

微软Copilot团队提出AgenticRAG框架，通过赋予LLM自主检索能力来解决传统RAG的局限性。该框架包含search、find、open、summarize四种工具，让LLM能自主决定检索策略，在复杂企业场景中实现精准信息获取。实验显示，在BRIGHT长文档测试中，该系统比最优嵌入模型提升21.8个百分点，召回率提高5.9倍，且无需微调即可部署。论文还总结了生产级设计的四条经验，为复杂信

 X.AI666
2026-06-18 20:11:07

 424

 8

#microsoft #人工智能
智能体从0到1，如何亲手搭建一个属于你的“贾维斯”？

工具是智能体与外界交互的手段。搜索和计算。python# 工具1：网络搜索（需要注册SerpAPI获取key）# 如果暂无，我们可以先模拟一个“本地知识查询”工具# 这里为演示，模拟搜索结果。实际可接入SerpAPI、Bing等"今天天气": "北京：晴，15-25度。","LangChain是什么": "一个用于开发大模型应用的框架。return mock_knowledge_base.get(

ELOTMark
2026-01-23 11:03:52

 1043

 11

#microsoft
不安全指令，一拒了之？TRIAD用三路决策：修复AI智能体的危险计划

TRIAD通过 Proceed、Update 和 Refuse 三类决策，以及自然语言反馈驱动的闭环修正机制，为 LLM Agent 安全提供了一种新的护栏思路。它不再停留在简单的「安全/ 不安全」判断，而是进一步关注在检测到风险后，如何引导 Agent 识别计划中的偏离点，并尽可能保留用户的原始任务目标。在提示注入和有害任务场景下，TRIAD 展示了更平衡的安全与效用表现。尤其是在正常任务被恶意

 模型启动机
2026-06-24 14:29:42

 172

 6

#安全 #人工智能 #机器学习 +3
Agent的记忆系统应该如何构建？

大多数AI编程代理失败不是因为模型不够强，而是因为缺少一个被忽视的基础层——**记忆系统**。反复纠正同样的错误、重复下达相同的指令——这种"AI失忆症"才是最大的效率黑洞。

小马不会过河
2026-06-21 20:51:20

 226

 2

#人工智能 #设计模式 #microsoft +2
微软的ISCSI存储连接为什么不使用iWRP RDMA?

iSCSI+iWARP 只能解决块存储的数据传输问题，而 SMB Direct 是一个应用层协议，它不仅利用 RDMA，还集成了多通道、透明故障切换、持续可用句柄、加密、压缩等能力，能够同时服务 Hyper-V、SQL Server、Storage Replica、文件服务等多个场景。微软完全可以依靠iWARP来提升数据中心网络性能，iWARP对数据中心网络交换机没有特别的要求，再加上配置管理都简

 XUHUOJUN
2026-06-21 20:41:33

 271

 5

#microsoft #windows
搭建一个带监控面板 RAG 项目

想象你有一本 500 页的教科书。考试时不允许翻书，但你可以在考前做一件事：**把书里每个知识点写成小卡片，分类编号，放进卡片盒**。

大靠山
2026-06-11 21:13:29

 192

 5

#人工智能 #数据库 #架构 +2
业务落地：Python 列表在 AI 接口开发中的实战应用

列表使用不当，轻则引发接口响应超时，重则造成上下文信息丢失，最终导致大模型输出结果异常。文本向量化（Embedding）业务通常需要批量调用 API，接口返回的向量数据统一存入列表，用于后续相似度计算。下文基于列表切片实现会话上下文滑动窗口，在保留系统提示词的前提下，限制有效对话轮数。可利用列表构建轻量异步批处理队列，聚合短时间内的请求，达到批量阈值或超时后统一处理，提升接口吞吐能力。，原因是业务

 Z_suger7
2026-06-01 16:44:47

 570

 3

#python #人工智能 #microsoft +1
微软开发开源大语言模型后门检测扫描工具

微软开源AI后门扫描器，狙击大模型"休眠特工"。

FreeBuf_
2026-02-06 09:30:00

 1174

 22

#microsoft #语言模型 #人工智能
基于大模型的智能体开发框架比较

大模型智能体(LLM-based Agent)是一种以大型语言模型为核心，结合感知、推理、决策和行动能力的计算系统。它能够感知环境状态，理解用户意图，制定并执行计划，使用工具，以及从经验中学习。我们可以将智能体想象成一个数字员工：它有"大脑"(LLM)进行思考和决策，有"感官"(感知模块)获取信息，有"手脚"(行动/工具使用模块)执行任务，还有"记忆"(记忆模块)记录经验。

weixin_51960949
2026-06-18 02:46:40

 233

 9

#microsoft #数据库 #服务器
面向云办公的一体化 AI 邮件安全解决方案研究 —— 基于 Kaseya 平台实践

2025 年 Kaseya 收购 INKY 生成式 AI 邮件安全产品，整合 BullPhish ID 钓鱼仿真、Dark Web ID 暗网凭证监测、SaaS 异常告警、云端备份组件推出 Kaseya 365 User 一体化安全套件，在官方博客发布企业最优邮件安全落地标准，明确API 深度集成、可解释生成式 AI、计算机视觉仿冒识别、收件端实时安全引导、多租户统一管控五大建设核心，为托管服务商

 芦熙霖
2026-06-18 09:17:38

 314

 3

#人工智能 #安全 #网络 +4
从 Chatbot 到 Agent 产品：交互、反馈与价值闭环设计

本文将带你深入探讨从Chatbot到Agent产品的演进路径。交互设计、反馈机制与价值闭环。我们将从概念解析开始，逐步深入到系统架构、技术实现，最后通过一个具体的案例，展示如何从零开始设计并构建一个具有价值闭环的Agent产品。Chatbot，即聊天机器人，是一种通过文本或语音与用户进行交互的计算机程序。它的核心功能是模拟人类对话，目的通常是回答问题、提供信息或执行简单的预定义任务。Agent（智

 weixin_51960949
2026-06-16 00:49:28

 274

 6

#交互 #microsoft
Tool Use不是简单调用：深度解析Agent与外部工具交互的四种失败模式

很多人对Tool Use的理解停留在“大模型生成API参数，后端调用”，但实际上工业级的Tool Use是一个包含6个核心环节的决策执行链路：fill:#333;important;important;fill:none;color:#333;color:#333;important;fill:none;fill:#333;height:1em;用户Query输入意图理解&工具选择参数生成&校验工

 杭州大厂Java程序媛
2026-06-15 20:43:57

 197

 7

#交互 #microsoft #人工智能
2026 RAG技术进化实测：微软GraphRAG vs 传统RAG，图谱索引与向量检索对比，复杂推理准确率提升28%

GraphRAG与向量RAG的完整对比实测。依赖微软GraphRAG 0.3.0，在HR政策问答数据集上，GraphRAG复杂推理准确率达到76.3%，传统RAG仅48.5%。附完整Python代码、索引构建脚本、API调用示例及成本对比。

玖日大大
2026-06-08 10:24:52

 924

 10

#microsoft
Azure SDK for Python：微软云服务的 Python 全栈工具链

Azure SDK for Python是微软官方提供的Python开发工具包，支持操作Azure云服务。它采用模块化设计，每个服务对应独立库（如azure-storage-blob），便于按需安装和独立更新。SDK分为新旧两代API，新版基于azure-core统一架构，推荐优先使用。此外还提供管理面库（azure-mgmt-*）用于基础设施运维自动化。该SDK适合使用Azure云的Python

bitvertex527694
2026-06-04 13:55:36

 185

 5

#microsoft #python #azure +1
西安全屋定制 GEO 科普：3 分钟看懂为什么 GEO 效果好

GEO 全称 Generative Engine Optimization，即生成引擎优化，是针对 AI 大模型搜索场景的优化技术。简单来说，传统 SEO 是针对搜索引擎网站排名优化，而 GEO 是针对 AI 大模型回答结果的排名优化。当用户在 AI 平台提问 "西安哪家全屋定制好" 时，AI 会从海量知识库中检索信息整合回答。GEO 优化的核心作用，就是让企业的核心信息更容易被 AI 检索到，并

 陕西企来客
2026-06-02 11:12:17

 229

 7

#人工智能 #大数据 #microsoft
炸场MWC！荣耀人形机器人出圈，消费级具身智能赛道迎来爆发

荣耀在MWC2026推出首款消费级人形机器人

 八月瓜科技
2026-03-02 16:17:24

 4.1w

 5

#机器人 #人工智能 #物联网 +3