- 本文介绍如何利用Dify和RAG技术构建智能测试用例生成工作流。通过将需求文档作为知识库，系统可自动生成覆盖功能、边界、异常等多维度的测试方案，显著提升用例质量和覆盖率，有效释放测试人力。 本文介绍如何利用Dify和RAG技术构建智能测试用例生成工作流。通过将需求文档作为知识库，系统可自动生成覆盖功能、边界、异常等多维度的测试方案，显著提升用例质量和覆盖率，有效释放测试人力。
- 这篇文章我们就系统梳理 28 个高频面试问题，直接带你理解 RAG 从“原理 → 问题 → 优化 → 未来”的完整演化逻辑，确保你下一次面试不被问懵。 这篇文章我们就系统梳理 28 个高频面试问题，直接带你理解 RAG 从“原理 → 问题 → 优化 → 未来”的完整演化逻辑，确保你下一次面试不被问懵。
- 这篇文章我们就系统梳理 28 个高频面试问题，直接带你理解 RAG 从“原理 → 问题 → 优化 → 未来”的完整演化逻辑，确保你下一次面试不被问懵。 这篇文章我们就系统梳理 28 个高频面试问题，直接带你理解 RAG 从“原理 → 问题 → 优化 → 未来”的完整演化逻辑，确保你下一次面试不被问懵。
- 随着人工智能从“感知智能”向“认知智能”演进，智能体（Intelligent Agent） 的决策机制也在经历深度变革。传统强化学习或大语言模型（LLM）虽然能够做出行动选择，但往往缺乏对知识的系统理解与推理能力。 随着人工智能从“感知智能”向“认知智能”演进，智能体（Intelligent Agent） 的决策机制也在经历深度变革。传统强化学习或大语言模型（LLM）虽然能够做出行动选择，但往往缺乏对知识的系统理解与推理能力。
- 随着人工智能（AI）技术的快速发展，科研自动化（Research Automation）正逐步从概念走向实践。智能体（Agent）凭借其强大的自主学习与任务执行能力，正成为科研工作中不可或缺的工具。从自动文献综述、实验设计优化，到论文写作辅助，智能体正在重塑科研的工作流程与效率。本文将从技术原理、典型应用到代码实战三个层面，系统解析智能体在科研自动化中的创新应用与未来突破方向。 随着人工智能（AI）技术的快速发展，科研自动化（Research Automation）正逐步从概念走向实践。智能体（Agent）凭借其强大的自主学习与任务执行能力，正成为科研工作中不可或缺的工具。从自动文献综述、实验设计优化，到论文写作辅助，智能体正在重塑科研的工作流程与效率。本文将从技术原理、典型应用到代码实战三个层面，系统解析智能体在科研自动化中的创新应用与未来突破方向。
- RAG性能再突破！当知识图谱遇上LLM，打造你的终极问答机器人 RAG性能再突破！当知识图谱遇上LLM，打造你的终极问答机器人
- 本文记录装备制造企业借助AI工具协同构建知识图谱的全流程。项目初期因数据孤岛、跨领域融合难等困境，引入LayoutLM-3、Neo4j Copilot、雪浪工匠大模型三款工具，分别攻克非结构化数据提取、知识建模、决策能力深化难题。通过“数据提取-模型构建-价值转化”三阶段推进。 本文记录装备制造企业借助AI工具协同构建知识图谱的全流程。项目初期因数据孤岛、跨领域融合难等困境，引入LayoutLM-3、Neo4j Copilot、雪浪工匠大模型三款工具，分别攻克非结构化数据提取、知识建模、决策能力深化难题。通过“数据提取-模型构建-价值转化”三阶段推进。
- 入门必读！写给初学者的人工智能简史；介绍RDS for MySQL 的动态脱敏特性，包括使用及实现原理... 入门必读！写给初学者的人工智能简史；介绍RDS for MySQL 的动态脱敏特性，包括使用及实现原理...
- 本文介绍了如何利用大语言模型（LLM）自动从非结构化文本构建知识图谱，涵盖实体识别、关系抽取、图谱优化及可视化等关键技术，并提供了具体代码示例和应用场景，展现了LLM在提升知识图谱构建效率与质量方面的潜力。 本文介绍了如何利用大语言模型（LLM）自动从非结构化文本构建知识图谱，涵盖实体识别、关系抽取、图谱优化及可视化等关键技术，并提供了具体代码示例和应用场景，展现了LLM在提升知识图谱构建效率与质量方面的潜力。
- LightRAG创新融合知识图谱与向量检索，显著提升检索精度和可解释性。该框架轻量高效，支持多模态数据处理，提供简洁API便于快速集成。通过结构化关系补充分散语义，有效解决传统RAG系统的关系缺失与语义模糊问题。 LightRAG创新融合知识图谱与向量检索，显著提升检索精度和可解释性。该框架轻量高效，支持多模态数据处理，提供简洁API便于快速集成。通过结构化关系补充分散语义，有效解决传统RAG系统的关系缺失与语义模糊问题。
- LightRAG是一款创新的知识图谱增强检索框架，它将传统向量检索与知识图谱的结构化信息相结合，大幅提升了检索准确性和可解释性。与传统的RAG（Retrieval-Augmented Generation）系统相比，LightRAG通过引入轻量级知识图谱，解决了单纯向量检索中遇到的关系缺失、语义模糊等问题。核心特性轻量高效: 最小化知识图谱存储和计算开销易于集成: 提供简洁API，可与现有R... LightRAG是一款创新的知识图谱增强检索框架，它将传统向量检索与知识图谱的结构化信息相结合，大幅提升了检索准确性和可解释性。与传统的RAG（Retrieval-Augmented Generation）系统相比，LightRAG通过引入轻量级知识图谱，解决了单纯向量检索中遇到的关系缺失、语义模糊等问题。核心特性轻量高效: 最小化知识图谱存储和计算开销易于集成: 提供简洁API，可与现有R...
- Coze与Dify两大开源AI平台各有特色：Dify采用Python一体化架构，适合快速开发部署，社区成熟；Coze基于Go微服务设计，扩展灵活但部署复杂。选择需结合团队技术栈，Python系选Dify追求效率，Go系选Coze注重定制。两者都能显著降低AI应用开发门槛。 Coze与Dify两大开源AI平台各有特色：Dify采用Python一体化架构，适合快速开发部署，社区成熟；Coze基于Go微服务设计，扩展灵活但部署复杂。选择需结合团队技术栈，Python系选Dify追求效率，Go系选Coze注重定制。两者都能显著降低AI应用开发门槛。
- LightRAG创新融合知识图谱与向量检索，显著提升检索精度和可解释性。该框架轻量高效，支持多模态数据处理，提供简洁API便于快速集成。通过结构化关系补充分散语义，有效解决传统RAG系统的关系缺失与语义模糊问题。 LightRAG创新融合知识图谱与向量检索，显著提升检索精度和可解释性。该框架轻量高效，支持多模态数据处理，提供简洁API便于快速集成。通过结构化关系补充分散语义，有效解决传统RAG系统的关系缺失与语义模糊问题。
- 当知识图谱与RAG技术相遇，会碰撞出怎样的火花？在AI迅猛发展的当下，检索增强生成（RAG：Retrieval-Augmented Generation）技术正成为解决大模型幻觉问题的有效方案。然而，传统RAG系统仍普遍存在检索不够精准、上下文理解能力有限等痛点。知识图谱的引入，为这些瓶颈提供了全新的突破思路。而LightRAG，正是这样一个将知识图谱与RAG轻量融合的创新框架。本文将以Li... 当知识图谱与RAG技术相遇，会碰撞出怎样的火花？在AI迅猛发展的当下，检索增强生成（RAG：Retrieval-Augmented Generation）技术正成为解决大模型幻觉问题的有效方案。然而，传统RAG系统仍普遍存在检索不够精准、上下文理解能力有限等痛点。知识图谱的引入，为这些瓶颈提供了全新的突破思路。而LightRAG，正是这样一个将知识图谱与RAG轻量融合的创新框架。本文将以Li...
- 当知识图谱与RAG技术相遇，会碰撞出怎样的火花？在AI迅猛发展的当下，检索增强生成（RAG：Retrieval-Augmented Generation）技术正成为解决大模型幻觉问题的有效方案。然而，传统RAG系统仍普遍存在检索不够精准、上下文理解能力有限等痛点。知识图谱的引入，为这些瓶颈提供了全新的突破思路。而LightRAG，正是这样一个将知识图谱与RAG轻量融合的创新框架。本文将以Li... 当知识图谱与RAG技术相遇，会碰撞出怎样的火花？在AI迅猛发展的当下，检索增强生成（RAG：Retrieval-Augmented Generation）技术正成为解决大模型幻觉问题的有效方案。然而，传统RAG系统仍普遍存在检索不够精准、上下文理解能力有限等痛点。知识图谱的引入，为这些瓶颈提供了全新的突破思路。而LightRAG，正是这样一个将知识图谱与RAG轻量融合的创新框架。本文将以Li...
上滑加载中
推荐直播
-
华为云码道Skill实战与极速交付，智能开发全链路实战2026/07/22 周三 19:00-21:00
王一男-华为云码道产品规划专家；李炎-华为云码道产品专家；姜浩-华为云HCDG核心组成员
直播深度解读华为云码道6月产品新特性，从Skill市场安装专家技能，带你零距离体验从需求，开发，审查，重构全链路闭环的开发过程。从零构建并交付一个完整项目，让您体验从代码提交到服务上线的“极速”之旅。
回顾中 -
聚开发者之力，创具身新未来2026/07/23 周四 15:00-17:00
张豪杰/程文/王军/刘新春/黄钦开 /张晓天
本次华为云具身智能开发平台CloudRobo培训面向具身智能开发者，带您全流程体验机器人本体R2C小时级接入、环境重建与轨迹生成仿真数据生产、PB级数据管理、数据评测、模型训推、强化学习和Benchmark一键评测等功能，并体验业界主流具身模型应用。
回顾中
热门标签