- 案例介绍本案例将基于华为云码道（CodeArts）代码智能体配置知识图谱MCP服务器，快速刻画知识体系概述模型上下文协议（Model Context Protocol，简称MCP）是一种开放协议，定义应用程序与大语言模型（LLM）之间的上下文提供规范，为LLM连接外部数据源、工具系统提供统一的交互标准。MCP服务器的核心功能是允许LLM请求外部工具协助回答查询或完成任务。模型上下文协议支持与... 案例介绍本案例将基于华为云码道（CodeArts）代码智能体配置知识图谱MCP服务器，快速刻画知识体系概述模型上下文协议（Model Context Protocol，简称MCP）是一种开放协议，定义应用程序与大语言模型（LLM）之间的上下文提供规范，为LLM连接外部数据源、工具系统提供统一的交互标准。MCP服务器的核心功能是允许LLM请求外部工具协助回答查询或完成任务。模型上下文协议支持与...
- 进入2026年，企业公关部最深层的恐惧不再是某篇深度报道，而是某个经由AI扩写、伴随短视频算法迅速裂变的“情绪颗粒”。在全平台视频化的今天，一个3秒的切片视频在10分钟内即可触达千万级用户。传统的“关键词匹配”监测模式已彻底失效。当负面信息以反讽、隐喻或AI生成的虚构图像呈现时，基于词库的拦截率不足30%。2026年的舆情管理，本质上是企业**“认知速度”与“算力治理”**的博弈。趋势维度：... 进入2026年，企业公关部最深层的恐惧不再是某篇深度报道，而是某个经由AI扩写、伴随短视频算法迅速裂变的“情绪颗粒”。在全平台视频化的今天，一个3秒的切片视频在10分钟内即可触达千万级用户。传统的“关键词匹配”监测模式已彻底失效。当负面信息以反讽、隐喻或AI生成的虚构图像呈现时，基于词库的拦截率不足30%。2026年的舆情管理，本质上是企业**“认知速度”与“算力治理”**的博弈。趋势维度：...
- RAG vs 知识图谱：谁才是AI的“记忆大脑”？揭秘下一代检索增强架构 摘要在AI系统面临海量信息处理的今天，“记忆大脑”的构建成为决定模型智能水平的关键。本文深度剖析RAG（检索增强生成）与知识图谱两大核心技术的内在机制、性能边界及融合潜力。通过实测数据对比，揭示RAG在动态信息检索中的高效性与知识图谱在语义推理上的不可替代性。基于笔者在金融风控系统中落地的实战经验，提出“神经符号融合... RAG vs 知识图谱：谁才是AI的“记忆大脑”？揭秘下一代检索增强架构 摘要在AI系统面临海量信息处理的今天，“记忆大脑”的构建成为决定模型智能水平的关键。本文深度剖析RAG（检索增强生成）与知识图谱两大核心技术的内在机制、性能边界及融合潜力。通过实测数据对比，揭示RAG在动态信息检索中的高效性与知识图谱在语义推理上的不可替代性。基于笔者在金融风控系统中落地的实战经验，提出“神经符号融合...
- 本文分享了如何基于n8n构建自愈型质量管理系统。通过自动化采集缺陷、需求等数据并构建知识图谱，系统能智能分析、自动修复用例库。方案大幅降低了维护耗时与缺陷逃逸率，将测试团队从重复劳动中解放，转向质量策略设计，实现了质量数据的持续流动与优化。 本文分享了如何基于n8n构建自愈型质量管理系统。通过自动化采集缺陷、需求等数据并构建知识图谱，系统能智能分析、自动修复用例库。方案大幅降低了维护耗时与缺陷逃逸率，将测试团队从重复劳动中解放，转向质量策略设计，实现了质量数据的持续流动与优化。
- 本文分享了如何基于n8n构建自愈型质量管理系统。通过自动化采集缺陷、需求等数据并构建知识图谱，系统能智能分析、自动修复用例库。方案大幅降低了维护耗时与缺陷逃逸率，将测试团队从重复劳动中解放，转向质量策略设计，实现了质量数据的持续流动与优化。 本文分享了如何基于n8n构建自愈型质量管理系统。通过自动化采集缺陷、需求等数据并构建知识图谱，系统能智能分析、自动修复用例库。方案大幅降低了维护耗时与缺陷逃逸率，将测试团队从重复劳动中解放，转向质量策略设计，实现了质量数据的持续流动与优化。
- 三年前，我们的测试团队遇到了一个典型痛点：随着产品快速迭代，用例库日益臃肿却难以维护，大量用例失效或重复，测试效率不增反降。更麻烦的是，缺陷分析、需求变更和测试执行之间形成了信息孤岛。直到我们基于n8n构建了一套自愈型质量管理系统，局面才彻底改变。今天，我将完整分享如何用这款开源自动化工具，构建一个能够自我修复、持续优化的智能质量知识体系。 一、架构设计：让质量数据流动起来 核心设计理念传统... 三年前，我们的测试团队遇到了一个典型痛点：随着产品快速迭代，用例库日益臃肿却难以维护，大量用例失效或重复，测试效率不增反降。更麻烦的是，缺陷分析、需求变更和测试执行之间形成了信息孤岛。直到我们基于n8n构建了一套自愈型质量管理系统，局面才彻底改变。今天，我将完整分享如何用这款开源自动化工具，构建一个能够自我修复、持续优化的智能质量知识体系。 一、架构设计：让质量数据流动起来 核心设计理念传统...
- 三年前，我们的测试团队遇到了一个典型痛点：随着产品快速迭代，用例库日益臃肿却难以维护，大量用例失效或重复，测试效率不增反降。更麻烦的是，缺陷分析、需求变更和测试执行之间形成了信息孤岛。直到我们基于n8n构建了一套自愈型质量管理系统，局面才彻底改变。今天，我将完整分享如何用这款开源自动化工具，构建一个能够自我修复、持续优化的智能质量知识体系。一、架构设计：让质量数据流动起来核心设计理念传统用例... 三年前，我们的测试团队遇到了一个典型痛点：随着产品快速迭代，用例库日益臃肿却难以维护，大量用例失效或重复，测试效率不增反降。更麻烦的是，缺陷分析、需求变更和测试执行之间形成了信息孤岛。直到我们基于n8n构建了一套自愈型质量管理系统，局面才彻底改变。今天，我将完整分享如何用这款开源自动化工具，构建一个能够自我修复、持续优化的智能质量知识体系。一、架构设计：让质量数据流动起来核心设计理念传统用例...
- 在日常系统设计和性能优化中，你有没有遇到过这样的困境：面对高并发、复杂业务和跨领域数据，你是用知识图谱构建可解释的规则体系，还是直接靠大模型来快速生成答案？某乎上一个热门问题引发讨论：“知识图谱和大模型，哪个才是技术大方向？”我们从技术实现、架构设计和业务卡点角度出发，分析两者优劣、瓶颈及结合方案，帮你在工作中做决策。 1. 知识图谱在实际系统中的优势与瓶颈知识图谱（KG）本质上是结构化知识... 在日常系统设计和性能优化中，你有没有遇到过这样的困境：面对高并发、复杂业务和跨领域数据，你是用知识图谱构建可解释的规则体系，还是直接靠大模型来快速生成答案？某乎上一个热门问题引发讨论：“知识图谱和大模型，哪个才是技术大方向？”我们从技术实现、架构设计和业务卡点角度出发，分析两者优劣、瓶颈及结合方案，帮你在工作中做决策。 1. 知识图谱在实际系统中的优势与瓶颈知识图谱（KG）本质上是结构化知识...
- 本文对比了知识图谱与大模型的技术优劣。知识图谱逻辑清晰、可解释性强但构建繁琐；大模型灵活高效却存在黑盒与幻觉风险。实际工作中，二者并非对立，推荐采用RAG等融合架构，用图谱提供可靠支撑，用大模型快速生成，以兼顾系统可靠性与迭代效率。 本文对比了知识图谱与大模型的技术优劣。知识图谱逻辑清晰、可解释性强但构建繁琐；大模型灵活高效却存在黑盒与幻觉风险。实际工作中，二者并非对立，推荐采用RAG等融合架构，用图谱提供可靠支撑，用大模型快速生成，以兼顾系统可靠性与迭代效率。
- 本文对比了知识图谱与大模型的技术优劣。知识图谱逻辑清晰、可解释性强但构建繁琐；大模型灵活高效却存在黑盒与幻觉风险。实际工作中，二者并非对立，推荐采用RAG等融合架构，用图谱提供可靠支撑，用大模型快速生成，以兼顾系统可靠性与迭代效率。 本文对比了知识图谱与大模型的技术优劣。知识图谱逻辑清晰、可解释性强但构建繁琐；大模型灵活高效却存在黑盒与幻觉风险。实际工作中，二者并非对立，推荐采用RAG等融合架构，用图谱提供可靠支撑，用大模型快速生成，以兼顾系统可靠性与迭代效率。
- 在日常系统设计和性能优化中，你有没有遇到过这样的困境：面对高并发、复杂业务和跨领域数据，你是用知识图谱构建可解释的规则体系，还是直接靠大模型来快速生成答案？某乎上一个热门问题引发讨论：“知识图谱和大模型，哪个才是技术大方向？”我们从技术实现、架构设计和业务卡点角度出发，分析两者优劣、瓶颈及结合方案，帮你在工作中做决策。1. 知识图谱在实际系统中的优势与瓶颈知识图谱（KG）本质上是结构化知识的... 在日常系统设计和性能优化中，你有没有遇到过这样的困境：面对高并发、复杂业务和跨领域数据，你是用知识图谱构建可解释的规则体系，还是直接靠大模型来快速生成答案？某乎上一个热门问题引发讨论：“知识图谱和大模型，哪个才是技术大方向？”我们从技术实现、架构设计和业务卡点角度出发，分析两者优劣、瓶颈及结合方案，帮你在工作中做决策。1. 知识图谱在实际系统中的优势与瓶颈知识图谱（KG）本质上是结构化知识的...
- 智能体知识更新机制：增量式知识图谱构建与融合技术 一、引言随着大模型驱动的 智能体（Agent） 在企业业务、搜索问答、自动化运营、RPA 流程中广泛应用，知识更新问题变得尤为突出。传统知识库构建方式往往是“全量构建”，一旦知识发生变化，需要重新爬取、处理、训练或重建索引，成本高且不可实时。而智能体需要：识别新知识是否已存在将新知识增量式注入知识图谱自动融合冲突信息实时影响推理过程不中断系... 智能体知识更新机制：增量式知识图谱构建与融合技术 一、引言随着大模型驱动的 智能体（Agent） 在企业业务、搜索问答、自动化运营、RPA 流程中广泛应用，知识更新问题变得尤为突出。传统知识库构建方式往往是“全量构建”，一旦知识发生变化，需要重新爬取、处理、训练或重建索引，成本高且不可实时。而智能体需要：识别新知识是否已存在将新知识增量式注入知识图谱自动融合冲突信息实时影响推理过程不中断系...
- 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。
上滑加载中
推荐直播
-
华为云码道Agent集成与鸿蒙实战2026/08/11 周二 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；彭江敏-华为云鸿蒙端云一体化开发专家
本次直播带你解读华为云码道7月份产品新特性、新功能。更有专家演示码道Agent Space × 钉钉机器集成实战，从0到1打通消息通道；码道鸿蒙端云一体化实战，快速搭建员工签到系统。
回顾中 -
华为云开发者AI素养直播课·第五期2026/09/04 周五 16:00-18:00
林华鼎-华为云AI开发者运营负责人；蒋春阳-华为云AI开发者案例开发专家
本期直播内容： AI工具体验营 · 第5-8课连讲。Agent-Team 多智能体协作完成毕业设计实践
回顾中 -
华为云开发者AI素养ClassRoom·第六期2026/09/08 周二 19:00-20:00
樊渊-2026华为软件挑战赛冠军
高手来了：看软挑高手解析二维排样问题—从工业难题到算法突破
回顾中
热门标签