参考资料
基础论文与研究
智能体 AI 奠基性著作
- "Intelligent Agents: Theory and Practice" - Wooldridge & Jennings (1995)
- "Agent-Oriented Software Engineering" - Jennings (2000)
- "Multi-Agent Systems: An Introduction to Distributed Artificial Intelligence" - Ferber (1999)
智能体 AI 近期进展
- "ReAct: Synergizing Reasoning and Acting in Language Models" - Yao et al. (2022)
- "Toolformer: Language Models Can Teach Themselves to Use Tools" - Schick et al. (2023)
- "AutoGPT: An Autonomous GPT-4 Experiment" - Significant Games (2023)
行业标准与规范
协议与标准
- Model Context Protocol (MCP) - Anthropic
- Agent2Agent (A2A) Protocol - 多厂商协作
- AGENTS.md Specification - 智能体描述标准
- OpenSpec - 开放智能体规范框架
框架文档
- LangChain Documentation - 全面的智能体框架
- LangGraph Documentation - 基于图的智能体工作流
- AutoGen Documentation - 微软多智能体框架
- CrewAI Documentation - 基于角色的多智能体系统
学术资源
研究机构
- Stanford HAI - 以人为本 AI 研究所
- MIT CSAIL - 计算机科学与人工智能实验室
- DeepMind - 前沿 AI 研究
- OpenAI - AI 安全与能力研究
会议与期刊
- AAMAS - 自主智能体与多智能体系统国际会议
- IJCAI - 国际人工智能联合会议
- NeurIPS - 神经信息处理系统大会
- ICML - 国际机器学习大会
行业资源
厂商文档
- AWS Bedrock Agents - 云原生智能体服务
- Google Gemini Enterprise Agent Platform - 企业级智能体平台（前身为 Vertex AI Agent Builder）
- Microsoft Agent Framework - 基于 .NET 的智能体开发框架
- Anthropic Claude - 宪法 AI 与安全研究
开源项目
- LangChain - Python/JavaScript 智能体框架
- AutoGen - 多智能体对话框架
- Haystack - NLP 流水线与智能体框架
- Semantic Kernel - 微软 AI 编排 SDK
书籍与出版物
技术书籍
- "Artificial Intelligence: A Modern Approach" - Russell & Norvig
- "Multi-Agent Systems" - Weiss（编）
- "Programming Multi-Agent Systems" - Bordini et al.
行业报告
- Gartner AI Hype Cycle - 年度技术成熟度评估
- McKinsey AI Report - 商业影响与采用趋势
- Deloitte AI Survey - 企业级 AI 落地洞察
在线资源
文档门户
- LangChain Documentation
- OpenAI API Documentation
- Anthropic Claude Documentation
- Google AI Documentation
社区资源
- GitHub Repositories - 开源智能体实现
- Hugging Face - 模型与数据集仓库
- Papers with Code - 研究论文复现实现
- AI/ML Conferences - 最新研究成果展示
最新研究与进展
ArXiv 论文
- Agentic AI-Driven Technical Troubleshooting for Enterprise Systems
- Microsoft ExACT：通过测试时计算缩放提升 AI 智能体的决策能力
- Google - Chain of Agents: Large language models collaborating on long-context tasks
- RouteLLM - Learning to Route LLMs with Preference Data
- Agentic AI-Driven Technical Troubleshooting for RAG Paradigm
Google 研究
OpenAI 研究
基础研究
来源：Agent AI Towards a Holistic Intelligence