阿里云通义千问近日宣布AgentScope1.0上新，新增了两款基于AgentScope构建的开源智能体应用：
具有任务规划和相应的处理能力的 Alias-Agent 以及多智能体系统 Data-JuicerAgent。
并且AgentScope目前已集成ReMe 的长期记忆实现，支持个人、任务和工具级别的长期记忆管理。
Alias-Agent
Alias-Agent是一个基于 AgentScope 和 AgentScope-runtime 构建的LLM授权代理， 擅长分解复杂问题、构建路线图并应用适当的策略来处理各种现实世界的任务。
它具备任务规划与处理能力，可在 ReAct、Planner-Executor、Deep Research、Browser-Use 四种专业模式间智能切换。
依托安全沙箱环境，能灵活应对各类真实任务挑战，致力于为用户提供开箱即用的解决方案，以及新一代智能体开发范式。
Data-Juicer Agent
Data-Juicer Agent是一个多智能体系统，它通过将AgentScope 的多智能体编排能力与Data-Juicer的数据处理算子无缝集成，实现通过自然语言驱动的数据处理。
它提供近200个核心数据处理算子，覆盖文本、图片、视频等多模态数据，支持数据分析、清洗、合成全流水线。
可以用它实现：
智能查询：从近200个数据处理算子中查找适合您的数据场景的算子
自动化流水线：描述您的数据处理需求，自动生成 Data-Juicer YAML 配置并执行它们
自定义扩展：快速开发特定场景的自定义运算符
核心能力扩展
AgentScope1.0是一款以开发者为核心的开源框架，专注于多智能体开发。
采用三层技术架构设计：核心框架支撑智能体构建与应用编排，Runtime 提供安全运行环境，Studio 配备可视化监控工具。三层模块可独立使用，其中 Runtime 与 Studio 兼容 LangGraph、AutoGen 等主流框架。
AgentScope 1.0 的此次升级，不仅引入了两款开源智能体，更显著提升了其核心性能与功能。
支持 Agentic RL ：基于 AgentScope 构建的智能体工作流，只需少量代码适配，即可使用 Trinity-RFT 框架进行 Agentic RL 训练，同时该训练功能还为进阶用户提供了丰富的可配置项。
强化长期记忆 ：AgentScope 目前已集成 ReMe 的长期记忆实现，支持个人、任务和工具级别的长期记忆管理。
开源地址放这儿了，感兴趣的小伙伴快去体验吧！
GitHub：https://github.com/agentscope-ai/agentscope
