<mark id="oztn4"></mark>
0
| 本文作者： Nemo | 2025-06-13 14:59 |
6月12日，2025火山引擎 FORCE 原動力大會開發者論壇成功舉辦。大會聚焦 Agent 開發新范式，升級發布了PromptPilot、MCP Servers、TRAE、扣子開發平臺等產品，以及多款開源項目，構建起覆蓋大模型開發全鏈路的工具矩陣，為開發者提供從 Prompt 優化到 Agent 落地的一站式解決方案。
PromptPilot：大模型應用的智能“嘴替”
針對大模型落地中“需求表達模糊、Prompt 調試低效”等痛點，火山引擎智能算法負責人吳迪在會上分享了面向大模型的智能解決方案平臺—— PromptPilot 平臺。該平臺如同大模型與開發者間的“智能翻譯官”，無需專業知識即可通過需求理解、問題生成、輸出優化三環節，實現 Prompt 調試效率提升300%。
“PromptPilot 并不要求用戶擁有大模型專業知識，只要對行業領域、應用場景有一定知識儲備和判斷力，就能提升大模型的效果。”吳迪表示。
火山引擎智能算法負責人 吳迪
MCP Servers：AI應用開發的“超級連接器”
為解決 Agent 從概念到落地的鏈路斷層問題，火山引擎推出大模型生態廣場 MCP Servers。
該平臺已經與 AI 原生 IDE TRAE、方舟體驗中心、扣子等平臺打通，深度集成云服務能力，開發者可通過 MCP 控制火山引擎的云服務組件，便捷地完成計算、網絡、存儲等環境部署，更快地把一個創意變成一個成熟的產品。
TRAE：百萬開發者選擇的AI原生IDE
火山引擎協同推出的 AI 原生 IDE 產品 TRAE，致力于通過 AI 的能力幫助全球開發者提升研發效能，加速軟件創新。它將產品、工程、模型有機結合，提供代碼補全（包括預測下一個補全位置和連續補全）和局部代碼生成的核心功能；支持自然語言開發，可完成代碼重構、批量修改、知識問答等復雜任務；并能讓開發者在“AI 主導”和“AI 輔助”之間自由切換，找到最適合的協作方式。
會上，TRAE 負責人石揚表示，自今年1月上線至今，TRAE 月活用戶已經超過了100萬。下一個版本還將整合不同的Agent 和工具，協調任務流程，實現自動串聯操作，逐步從 AI 輔助編程向支持 AI 開發全流程進階。
TRAE 負責人 石揚
扣子開發平臺：Agent的全生命周期管家
面對 Agent 規模化落地難題，扣子開發平臺全面升級，成為覆蓋 Agent 低代碼開發、全代碼開發，Agent 調優和 Agent 協作的全生命周期平臺。扣子羅盤技術負責人王新盟介紹了扣子升級后的整體產品矩陣：
?扣子低代碼開發平臺：提供智能體 IDE、數千個插件、并對接火山方舟知識庫以及豆包、DeepSeek 等主流模型，以一系列低代碼搭建能力，助力零代碼經驗的開發者快速搭建 Agent 和應用；
?開源 Eino 框架：提供 Go 語言版本的 Agent 搭建框架，將 Agent 開發的核心模塊提煉為標準化組件，幫助全碼開發者快速編寫構建 Agent；
?扣子羅盤：服務于任何搭建形式的 Agent 調優，側重在 Agent 評測、觀測、效果調優、數據飛輪等能力建設，幫助開發者持續迭代運行 Agent；
?扣子空間：提供通用 Agent 和專家 Agent，讓 Agent 互相協作成為生產力工具，幫助用戶解決實際問題。
扣子羅盤技術負責人 王新盟
開源矩陣：激活AI Agent技術生態
會上，圓桌討論環節聚焦開源技術對 AI Agent 的突破作用，重點討論兩大開源框架，構建從技術開發到場景落地的完整鏈路。
?強化學習框架 veRL：作為提升 Agent 能力的關鍵技術，veRL 框架通過 3D-Hybrid 引擎、靈活模型放置策略及主流算法集成，幫助開發者快速搭建 RL 模型開發管線。火山方舟基于 veRL 做了產品化的封裝，提供更低門檻的 Serverless 強化學習體驗。
?Deep Research 框架 DeerFlow：DeerFlow 利用大模型進行課題研究的自主規劃，自動調用網頁搜索、RAG、Python 執行器等工具，最終生成圖文報告與播客內容。DeerFlow 還支持通過 MCP 協議擴展工具生態，目前已在火山引擎 “函數服務” 中上線，可實現一鍵部署。
圓桌討論
火山引擎表示，將持續拓展更開放的 AI 開發生態，通過低門檻工具矩陣與開源技術體系，加速釋放 Agent 智能價值。
