6月12日，2025火山引擎 FORCE 原動力大會開發(fā)者論壇成功舉辦。大會聚焦 Agent 開發(fā)新范式，升級發(fā)布了PromptPilot、MCP Servers、TRAE、扣子開發(fā)平臺等產(chǎn)品，以及多款開源項目，構建起覆蓋大模型開發(fā)全鏈路的工具矩陣，為開發(fā)者提供從 Prompt 優(yōu)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(fā)者間的“智能翻譯官”，無需專業(yè)知識即可通過需求理解、問題生成、輸出優(yōu)化三環(huán)節(jié)，實現(xiàn) Prompt 調試效率提升300%。

 

“PromptPilot 并不要求用戶擁有大模型專業(yè)知識，只要對行業(yè)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(fā)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(tài)廣場 MCP Servers。

 

該平臺已經(jīng)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(fā)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(wǎng)絡、存儲等環(huán)境部署，更快地把一個創(chuàng)意變成一個成熟的產(chǎn)品。

 

TRAE：百萬開發(fā)者選擇的AI原生IDE

 

火山引擎協(xié)同推出的 AI 原生 IDE 產(chǎn)品 TRAE，致力于通過 AI 的能力幫助全球開發(fā)者提升研發(fā)效能，加速軟件創(chuàng)新。它將產(chǎn)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(xù)補全）和局部代碼生成的核心功能；支持自然語言開發(fā)，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(fā)者在“AI 主導”和“AI 輔助”之間自由切換，找到最適合的協(xié)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(jīng)超過了100萬。下一個版本還將整合不同的Agent 和工具，協(xié)調任務流程，實現(xiàn)自動串聯(lián)操作，逐步從 AI 輔助編程向支持 AI 開發(fā)全流程進階。

TRAE 負責人 石揚

 

扣子開發(fā)平臺：Agent的全生命周期管家

 

面對 Agent 規(guī)?；涞仉y題，扣子開發(fā)平臺全面升級，成為覆蓋 Agent 低代碼開發(fā)、全代碼開發(fā)，Agent 調優(yōu)和 Agent 協(xié)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(chǎn)品矩陣：

?扣子低代碼開發(fā)平臺：提供智能體 IDE、數(shù)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(jīng)驗的開發(fā)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(fā)的核心模塊提煉為標準化組件，幫助全碼開發(fā)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(yōu)，側重在 Agent 評測、觀測、效果調優(yōu)、數(shù)據(jù)飛輪等能力建設，幫助開發(fā)者持續(xù)迭代運行 Agent；

?扣子空間：提供通用 Agent 和專家 Agent，讓 Agent 互相協(xié)作成為生產(chǎn)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(tài)

會上，圓桌討論環(huán)節(jié)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(fā)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(fā)者快速搭建 RL 模型開發(fā)管線?；鹕椒街刍?nbsp;veRL 做了產(chǎn)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(guī)劃，自動調用網(wǎng)頁搜索、RAG、Python 執(zhí)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(xié)議擴展工具生態(tài)，目前已在火山引擎 “函數(shù)服務” 中上線，可實現(xiàn)一鍵部署。

 

圓桌討論

火山引擎表示，將持續(xù)拓展更開放的 AI 開發(fā)生態(tài)，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。

 

 

 

 

雷峰網(wǎng)版權文章，未經(jīng)授權禁止轉載。詳情見轉載須知。