专题：AIGC
共60篇相关文章
如何将MAF聊天记录持久化到数据库实现高效存储？
上一篇，我们学习了MAF对于单个Agent的花样玩法，其中提到了聊天记录的持久化存储。本篇，我们来继续实践一下将聊天记录持久化到关系型数据库，这样用户在中断会话后返回时还能从上次断开的地方继续对话，提供给用户不间断的体验。...
如何高效编排多Agent工作流，实现MAF应用？
本文介绍了如何使用MAF框架完成基本的多Agent工作流编排，并给出了两个常用的编排案例：移交编排 和 顺序编排，最后介绍了如何借助结合流式执行 和 内置事件 完成工作流的进度监控。...
如何开发自定义Executor实现处理？
上一篇，我们学习了MAF中进行多Agent智能体的顺序和移交编排。但是，很多时候我们想要嵌入一些业务逻辑和结构化输出，亦或者是需要保持历史对话，这时我们就可以开发一些自定义Executor来组成工作流。本文介绍了Executor的基本概念...
MAF混合编排工作流如何应用于内容生成？
在实际业务场景中，Executor通常用来覆盖确定性的业务逻辑，例如：数据验证、数据格式化、数据清洗和计算等等，这类场景往往需要100%确定性。而Agent则用来覆盖AI智能决策的场景，例如：智能判断、理解 和 内容生成等等，这类场景通常需...
MAF工作流状态共享如何实现功能？
在实际业务场景中，一个AI工作流的多个步骤之间往往需要共享上下文数据，例如用户原始输入、模型的输出缓存等。在MAF中，提供了一个 WorkflowContext 的模型，它原生提供了工作流上下文的状态共享能力。...
MAF条件路由工作流如何应用于处理？
在实际业务场景中，一个AI工作流的多个步骤之间往往会传递一些数据，有些步骤只会在数据满足一定条件下才会被触发，而有些步骤只会在数据不满足条件的时候才被触发，总之这种if-else的决策在工作流中很常见。在MAF中，我们可以使用 Condit...
MAF多路分支路由工作流如何应用于处理？
上一篇，我们学习了MAF中如何进行if-else类型的条件路由，但是实际工作中可能会村中多个分支路由的场景。在实际业务场景中，很多的业务逻辑涉及到不止两个判断条件，而是多个。在MAF中，我们可以使用 Switch-Case 来实现这种工作流...
MAF快速入门循环工作流，如何应用于优化？
在实际业务场景中，往往需要在工作流中设置一些循环与自我修正的机制，构建出一个“生成→审核→修复”的闭环，来确保AI产出的内容能够满足企业级质量标准。...
MAF快速入门（11）并行工作流是吗？
在实际业务场景中，往往需要在工作流中让多个Agent同时运行再通过聚合结果做做一些数据分析或决策呈现，这时就需要并行执行机制。本文介绍了MAF中并行工作流以及如何实现“Fan-OutFan-In”的工作模式，最后通过一个跨境电商价格查询智...
MAF快速入门（12）主工作流和子工作流，如何区分？
在实际业务场景中，往往需要在主工作流中根据工单类型分发或移交到不同的标准化子流程中进行后续处理。本文介绍了MAF中主工作流 + 子工作流的工作模式，最后通过一个企业客服中心处理投诉工单的案例介绍了这种模式的代码实现。...
MAF快速入门（15）中，DevUI是调试Agent的什么利器？
DevUI 是一个开箱即用的交互式 Web 调试界面，无需额外开发，启用后就能可视化测试、调试 AI 代理，从 Agent 列表查看、工具调用验证到工作流流转，全流程可视化，让 AI 智能体开发从 “盲调” 变 “明调”。本文介绍了DevU...
MAF快速入门（16）中，用户智能体交互协议AG-UI的详细使用方法是什么？
AG-UI 全称 Agent–User Interaction Protocol 即 智能体-用户 交互协议，这是一个开放的、基于事件的协议，由 CopilotKit 团队发起，用于标准化 AI Agent 与 用户界面 的实时交互。本文介...
MAF快速入门（17）中，用户智能体交互协议AG-UI具体操作细节是怎样的？
AG-UI Tools 是 AG-UI 的 工具系统，分为 Backend Tools 和 Frontend Tools，它们是AI Agent和外部世界交互的桥梁，让AI Agent能够执行实际操作，而不仅仅是生成文本。本文介绍了AG-U...
如何快速掌握MAF（18）中的Agent Skill技巧？
本文介绍了Agent Skill的基础概念 和 核心理念 - 渐进式披露，演示了一个.NET控制台应用实现Agent Skill的智能体案例，通过该案例可以了解如何在Microsoft Agent Framework框架下快速地实现Agen...
AI时代，谁将成为定义个性化需求的工程师？
AI时代，程序员都应该是需求描述工程师 AI编程时代，代码写得再好，也不如把问题描述清楚。大模型能够快速生成代码，而且写得比大多数程序员都要好，可谓是又快又好。但前提是你能清晰、完整地描述需求，让AI真正听懂你的意图。 传统时代，程序员拿到...