- 同一个 Agent，隔几天换个上下文，就不记得你之前交代过的偏好；写代码时，刚修过的 Bug 换个新 Session 又踩一遍。业界虽然有记忆张量、Mem0 等许多方案，但 “各家各自跑，标准不统一” 。近期，由国内外二十多所高校与研究机构联合发起的 Agent Memory Leaderboard (AML) 正式发布，并在 7 月 29 日启动了首届 Agent 记忆挑战赛。这不只是一... 同一个 Agent，隔几天换个上下文，就不记得你之前交代过的偏好；写代码时，刚修过的 Bug 换个新 Session 又踩一遍。业界虽然有记忆张量、Mem0 等许多方案，但 “各家各自跑，标准不统一” 。近期，由国内外二十多所高校与研究机构联合发起的 Agent Memory Leaderboard (AML) 正式发布，并在 7 月 29 日启动了首届 Agent 记忆挑战赛。这不只是一...
- 如何测试一个会自主决策的软件系统 如何测试一个会自主决策的软件系统
- 开发永远是代码的最终责任人 开发永远是代码的最终责任人
- 本文深入解析了Transformer架构的核心原理与工作流程，将其拆解为七大模块组成的标准化文本处理流水线。从Tokenization分词将文本转换为模型可识别的Token，到Embedding赋予语义向量，再到PositionalEncoding补充位置信息；通过Encoder-Decoder进行语义编码与文本生成，最后由Linear层映射权重和Softmax归一化概率输出。文章强调Transf 本文深入解析了Transformer架构的核心原理与工作流程，将其拆解为七大模块组成的标准化文本处理流水线。从Tokenization分词将文本转换为模型可识别的Token，到Embedding赋予语义向量，再到PositionalEncoding补充位置信息；通过Encoder-Decoder进行语义编码与文本生成，最后由Linear层映射权重和Softmax归一化概率输出。文章强调Transf
- 本文系统阐述了大模型从基础对话能力向工程化落地的关键路径——Skills原子能力与Toolchain工具链体系。核心观点包括：1. Skills是弥补大模型外部实操短板的独立能力单元，需具备原子性、可复用性和可描述性；2. Toolchain作为管理中枢，实现工具的智能调度、异常管控和全流程闭环；3. 二者通过插件化架构实现解耦，支持动态插拔和灵活扩展；4. 函数工具注册机制是技术核心，需规范元数 本文系统阐述了大模型从基础对话能力向工程化落地的关键路径——Skills原子能力与Toolchain工具链体系。核心观点包括：1. Skills是弥补大模型外部实操短板的独立能力单元，需具备原子性、可复用性和可描述性；2. Toolchain作为管理中枢，实现工具的智能调度、异常管控和全流程闭环；3. 二者通过插件化架构实现解耦，支持动态插拔和灵活扩展；4. 函数工具注册机制是技术核心，需规范元数
- 本文剖析企业AI成本管理困局：日均Token调用量两年暴涨千倍，但供应商亏损严重，企业普遍面临账单混乱、归因缺失、预算失控与隐性浪费。提出“看得清、管得住、省得下”三步法——通过多维归因打破黑盒、四道闸门实现智能预算管控、智能路由与A/B测试驱动结构性降本。 本文剖析企业AI成本管理困局：日均Token调用量两年暴涨千倍，但供应商亏损严重，企业普遍面临账单混乱、归因缺失、预算失控与隐性浪费。提出“看得清、管得住、省得下”三步法——通过多维归因打破黑盒、四道闸门实现智能预算管控、智能路由与A/B测试驱动结构性降本。
- RLHF是大模型对齐领域经典且完整的技术体系，依托人工反馈标注、奖励模型建模、强化学习多轮迭代的完整链路，让模型精准贴合人类偏好，是顶级商用大模型高精度对齐的核心基石，整体效果顶尖，但流程复杂、成本高昂。PPO作为RLHF的核心执行算法，凭借小幅稳定迭代的约束机制，解决了大模型强化学习训练不稳定的核心痛点，是传统高精度对齐场景的最优技术选择。 而DPO是对齐技术迭代优化的核心产物，跳出了传统强 RLHF是大模型对齐领域经典且完整的技术体系，依托人工反馈标注、奖励模型建模、强化学习多轮迭代的完整链路，让模型精准贴合人类偏好，是顶级商用大模型高精度对齐的核心基石，整体效果顶尖，但流程复杂、成本高昂。PPO作为RLHF的核心执行算法，凭借小幅稳定迭代的约束机制，解决了大模型强化学习训练不稳定的核心痛点，是传统高精度对齐场景的最优技术选择。 而DPO是对齐技术迭代优化的核心产物，跳出了传统强
- 之前的文章《15天学会AI应用开发（十三）上下文与RAG的阶段性总结》概述了检索RAG知识库的主要步骤，现在采用LangChain将其改造为更智能的本地RAG系统。接下来基于LangChain框架与Chroma向量数据库，结合离线的文本嵌入模型和大语言模型，从零开始搭建本地的RAG检索系统。一、下载RAG需要的离线大模型首先下载离线的大语言模型，比如在命令行窗口执行下面命令，即可下载国产大... 之前的文章《15天学会AI应用开发（十三）上下文与RAG的阶段性总结》概述了检索RAG知识库的主要步骤，现在采用LangChain将其改造为更智能的本地RAG系统。接下来基于LangChain框架与Chroma向量数据库，结合离线的文本嵌入模型和大语言模型，从零开始搭建本地的RAG检索系统。一、下载RAG需要的离线大模型首先下载离线的大语言模型，比如在命令行窗口执行下面命令，即可下载国产大...
- 上一篇文章介绍了如何使用InMemoryStore实现用户偏好的精确记忆功能，但记忆只保留在内存中，一旦AI应用重启，就会丢失上次在内存中的记忆数据。为了让AI应用持久记忆业务数据，就得引入文件或者数据库等存储介质，比如Python自带的轻量级数据库SQLite。接下来就介绍如何结合LangGraph与SQLite实现业务数据的持久记忆功能。一、Python中的SQLite用法安装Pyth... 上一篇文章介绍了如何使用InMemoryStore实现用户偏好的精确记忆功能，但记忆只保留在内存中，一旦AI应用重启，就会丢失上次在内存中的记忆数据。为了让AI应用持久记忆业务数据，就得引入文件或者数据库等存储介质，比如Python自带的轻量级数据库SQLite。接下来就介绍如何结合LangGraph与SQLite实现业务数据的持久记忆功能。一、Python中的SQLite用法安装Pyth...
- 过去的软件测试，我们习惯面对确定性的系统。 例如： 一个接口： 输入： 输出： 测试目标非常明确： 返回码是否正确？ 数据是否符合预期？ 异常流程是否处理？ 但是，大语言模型（Large Langua 过去的软件测试，我们习惯面对确定性的系统。 例如： 一个接口： 输入： 输出： 测试目标非常明确： 返回码是否正确？ 数据是否符合预期？ 异常流程是否处理？ 但是，大语言模型（Large Langua
- 预训练是从无到有造模型，搭建AI的通用认知底子；微调是从通用到专业改模型，让AI适配行业业务；量化、剪枝、蒸馏是从笨重到轻盈优模型，解决落地部署难题。这五项技术贯穿大模型研发、定制、优化、落地全生命周期，没有优劣之分，只有场景适配之别。新手落地项目，优先掌握微调+量化，低成本快速实现业务落地；进阶优化再叠加剪枝、蒸馏，打造极致轻量化模型；而预训练仅需了解原理 预训练是从无到有造模型，搭建AI的通用认知底子；微调是从通用到专业改模型，让AI适配行业业务；量化、剪枝、蒸馏是从笨重到轻盈优模型，解决落地部署难题。这五项技术贯穿大模型研发、定制、优化、落地全生命周期，没有优劣之分，只有场景适配之别。新手落地项目，优先掌握微调+量化，低成本快速实现业务落地；进阶优化再叠加剪枝、蒸馏，打造极致轻量化模型；而预训练仅需了解原理
- 本文系统阐述了检索增强生成（RAG）系统的全链路优化方案，针对实际应用中常见的召回不准、效果差等问题提出了完整的工程解决方案。全文围绕RAG五大核心环节展开：1）文档解析清洗，强调剔除冗余信息的重要性；2）文本分块策略，对比固定分块、层级分块和语义分块的优劣；3）双路检索机制，分析向量检索与BM25检索的互补优势；4）多路结果融合，介绍RRF算法的应用；5）重排序优化，说明精细化筛选的关键作用。文 本文系统阐述了检索增强生成（RAG）系统的全链路优化方案，针对实际应用中常见的召回不准、效果差等问题提出了完整的工程解决方案。全文围绕RAG五大核心环节展开：1）文档解析清洗，强调剔除冗余信息的重要性；2）文本分块策略，对比固定分块、层级分块和语义分块的优劣；3）双路检索机制，分析向量检索与BM25检索的互补优势；4）多路结果融合，介绍RRF算法的应用；5）重排序优化，说明精细化筛选的关键作用。文
- 近几年，越来越多测试开发工程师在面试中遇到一个变化：以前面试高级测试开发岗位，重点问题通常是：如何设计接口自动化框架？Selenium和Playwright有什么区别？如何做接口Mock？如何定位线上问题？如何设计性能测试方案？但现在越来越多企业开始考察：数据结构算法思想编程能力系统设计很多测试工程师会疑惑：“我是做测试的，为什么需要算法？”实际上，这背后不是企业故意提高门槛，而是测试岗位本... 近几年，越来越多测试开发工程师在面试中遇到一个变化：以前面试高级测试开发岗位，重点问题通常是：如何设计接口自动化框架？Selenium和Playwright有什么区别？如何做接口Mock？如何定位线上问题？如何设计性能测试方案？但现在越来越多企业开始考察：数据结构算法思想编程能力系统设计很多测试工程师会疑惑：“我是做测试的，为什么需要算法？”实际上，这背后不是企业故意提高门槛，而是测试岗位本...
- 本文系统剖析了大模型API在生产环境中的四大核心底层能力：流式输出原理、Token全生命周期管控、RateLimit限流处理和模型调度与异常自愈。文章首先指出多数线上故障源于对API底层机制认知不足，而非模型推理问题；进而详细拆解了API运行流程，区分同步与流式输出模式的差异；重点阐述了流式传输的SSE/WebSocket实现方案及KVCache机制。在Token管理方面，提出覆盖调用前中后的全流 本文系统剖析了大模型API在生产环境中的四大核心底层能力：流式输出原理、Token全生命周期管控、RateLimit限流处理和模型调度与异常自愈。文章首先指出多数线上故障源于对API底层机制认知不足，而非模型推理问题；进而详细拆解了API运行流程，区分同步与流式输出模式的差异；重点阐述了流式传输的SSE/WebSocket实现方案及KVCache机制。在Token管理方面，提出覆盖调用前中后的全流
- 近年测试开发面试重心转向数据结构、算法与系统设计，反映岗位正从“测试执行者”升级为“质量工程系统建设者”。尤其面对大模型、AI Agent等不确定性系统，算法能力成为高效调度测试、分析结果、验证智能行为的核心基础。 近年测试开发面试重心转向数据结构、算法与系统设计，反映岗位正从“测试执行者”升级为“质量工程系统建设者”。尤其面对大模型、AI Agent等不确定性系统，算法能力成为高效调度测试、分析结果、验证智能行为的核心基础。
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
热门标签