- 随着人工智能技术在业务中的渗透，我们逐渐意识到：AI 不仅是提升效率的工具，更是重构数据处理与消费方式的核心驱动力。在这一背景下，我们思考：**能否构建一款「AI + Data」一站式融合的数据引擎？** 它不仅能够统一处理文本、音视频等非结构化数据与传统结构化数据，还能为算法工程师提供流畅的数据开发体验，实现数据处理与 AI 模型无缝衔接，并能确保数据处理负载与在线服务负载完全隔离。 随着人工智能技术在业务中的渗透，我们逐渐意识到：AI 不仅是提升效率的工具，更是重构数据处理与消费方式的核心驱动力。在这一背景下，我们思考：**能否构建一款「AI + Data」一站式融合的数据引擎？** 它不仅能够统一处理文本、音视频等非结构化数据与传统结构化数据，还能为算法工程师提供流畅的数据开发体验，实现数据处理与 AI 模型无缝衔接，并能确保数据处理负载与在线服务负载完全隔离。
- 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。
- 本文介绍了如何利用Coze平台构建“测试提效大师”AI助手，通过可视化工作流覆盖测试全流程。该方案将AI深度融入需求解析、用例生成、执行辅助和缺陷管理四大环节，能自动识别风险、生成用例、提供测试支持并规范报告。最终将测试工程师从重复劳动中解放，转向策略分析与深度测试，显著提升整体效率与质量。 本文介绍了如何利用Coze平台构建“测试提效大师”AI助手，通过可视化工作流覆盖测试全流程。该方案将AI深度融入需求解析、用例生成、执行辅助和缺陷管理四大环节，能自动识别风险、生成用例、提供测试支持并规范报告。最终将测试工程师从重复劳动中解放，转向策略分析与深度测试，显著提升整体效率与质量。
- 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。
- 本文介绍了如何利用Coze平台构建“测试提效大师”AI助手，通过可视化工作流覆盖测试全流程。该方案将AI深度融入需求解析、用例生成、执行辅助和缺陷管理四大环节，能自动识别风险、生成用例、提供测试支持并规范报告。最终将测试工程师从重复劳动中解放，转向策略分析与深度测试，显著提升整体效率与质量。 本文介绍了如何利用Coze平台构建“测试提效大师”AI助手，通过可视化工作流覆盖测试全流程。该方案将AI深度融入需求解析、用例生成、执行辅助和缺陷管理四大环节，能自动识别风险、生成用例、提供测试支持并规范报告。最终将测试工程师从重复劳动中解放，转向策略分析与深度测试，显著提升整体效率与质量。
- IDEA配置包括：代码快捷键或页面显示设置和常用安装插件介绍 IDEA配置包括：代码快捷键或页面显示设置和常用安装插件介绍
- 新特性上线，带来更优AI Agent创建体验~ 新特性上线，带来更优AI Agent创建体验~
- 在快速迭代的现代软件开发中，测试环节常常是瓶颈所在。测试工程师们面临着诸多挑战：需求理解偏差：手动阅读冗长的需求文档，容易产生误解。用例设计耗时：覆盖各种正常、异常场景的测试用例设计，繁琐且容易遗漏。重复性劳动：回归测试、环境检查等重复性工作消耗大量精力。缺陷报告低效：撰写清晰、准确的缺陷报告需要反复沟通和确认。如何破局？AI，特别是大语言模型（LLM）为我们提供了新的思路。然而，直接使用通... 在快速迭代的现代软件开发中，测试环节常常是瓶颈所在。测试工程师们面临着诸多挑战：需求理解偏差：手动阅读冗长的需求文档，容易产生误解。用例设计耗时：覆盖各种正常、异常场景的测试用例设计，繁琐且容易遗漏。重复性劳动：回归测试、环境检查等重复性工作消耗大量精力。缺陷报告低效：撰写清晰、准确的缺陷报告需要反复沟通和确认。如何破局？AI，特别是大语言模型（LLM）为我们提供了新的思路。然而，直接使用通...
- IDEA中使用http协议 IDEA中使用http协议
- 大语言模型在复杂任务中常因缺乏执行反馈闭环而表现不佳。本文指出LLM存在状态管理、环境感知和结果验证等局限，需要结合工具执行、状态存储和监控验证构建系统化方案。成功关键在于建立可验证的工程体系，而非依赖模型本身，这对AI系统设计与测试提出了更高要求。 大语言模型在复杂任务中常因缺乏执行反馈闭环而表现不佳。本文指出LLM存在状态管理、环境感知和结果验证等局限，需要结合工具执行、状态存储和监控验证构建系统化方案。成功关键在于建立可验证的工程体系，而非依赖模型本身，这对AI系统设计与测试提出了更高要求。
- 大语言模型在复杂任务中常因缺乏执行反馈闭环而表现不佳。本文指出LLM存在状态管理、环境感知和结果验证等局限，需要结合工具执行、状态存储和监控验证构建系统化方案。成功关键在于建立可验证的工程体系，而非依赖模型本身，这对AI系统设计与测试提出了更高要求。 大语言模型在复杂任务中常因缺乏执行反馈闭环而表现不佳。本文指出LLM存在状态管理、环境感知和结果验证等局限，需要结合工具执行、状态存储和监控验证构建系统化方案。成功关键在于建立可验证的工程体系，而非依赖模型本身，这对AI系统设计与测试提出了更高要求。
- IDEA中Git使用http协议和ssh协议的区别 IDEA中Git使用http协议和ssh协议的区别
- 本文介绍如何结合Playwright与MCP协议实现自然语言驱动的UI自动化测试。通过配置环境，用户可用简单指令替代传统脚本编写，完成从登录验证到报告生成的完整流程。文章详细解析了快照生成、智能体决策等核心技术，并探讨了从交互测试到代码生成的混合工作流方案，为降低测试门槛提供了新思路。 本文介绍如何结合Playwright与MCP协议实现自然语言驱动的UI自动化测试。通过配置环境，用户可用简单指令替代传统脚本编写，完成从登录验证到报告生成的完整流程。文章详细解析了快照生成、智能体决策等核心技术，并探讨了从交互测试到代码生成的混合工作流方案，为降低测试门槛提供了新思路。
- 本文分享了使用Coze平台提升测试效率的实战经验。通过构建AI测试助手，实现了从手动测试到自动化的转变，覆盖登录功能、数据生成等场景。该方案将回归测试时间从4小时缩短至45分钟，并与Jira等工具集成，显著提升了测试效率和质量，为测试团队提供了实用的AI落地参考。 本文分享了使用Coze平台提升测试效率的实战经验。通过构建AI测试助手，实现了从手动测试到自动化的转变，覆盖登录功能、数据生成等场景。该方案将回归测试时间从4小时缩短至45分钟，并与Jira等工具集成，显著提升了测试效率和质量，为测试团队提供了实用的AI落地参考。
- 该文章来自于时习知公众号2023年，以大模型为基座的AI Agent成为全球科技领域的焦点。而2025年，更是被业界誉为AI Agent的元年，各大科技巨头纷纷竞相推出自家的AI Agent产品。AI Agent承载着“颠覆生产力”的厚望，它仿佛拥有智慧，能够精准理解人类意图，自主拆解复杂任务，灵活调用各类工具，最终高效完成任务闭环。资本和媒体为之沸腾，技术社区涌现出大量实验性Demo，仿佛... 该文章来自于时习知公众号2023年，以大模型为基座的AI Agent成为全球科技领域的焦点。而2025年，更是被业界誉为AI Agent的元年，各大科技巨头纷纷竞相推出自家的AI Agent产品。AI Agent承载着“颠覆生产力”的厚望，它仿佛拥有智慧，能够精准理解人类意图，自主拆解复杂任务，灵活调用各类工具，最终高效完成任务闭环。资本和媒体为之沸腾，技术社区涌现出大量实验性Demo，仿佛...
上滑加载中
推荐直播
-
HDC深度解读系列 - Serverless与MCP融合创新，构建AI应用全新智能中枢2025/08/20 周三 16:30-18:00
张昆鹏 HCDG北京核心组代表
HDC2025期间，华为云展示了Serverless与MCP融合创新的解决方案，本期访谈直播，由华为云开发者专家(HCDE)兼华为云开发者社区组织HCDG北京核心组代表张鹏先生主持，华为云PaaS服务产品部 Serverless总监Ewen为大家深度解读华为云Serverless与MCP如何融合构建AI应用全新智能中枢
回顾中 -
关于RISC-V生态发展的思考2025/09/02 周二 17:00-18:00
中国科学院计算技术研究所副所长包云岗教授
中科院包云岗老师将在本次直播中，探讨处理器生态的关键要素及其联系，分享过去几年推动RISC-V生态建设实践过程中的经验与教训。
回顾中 -
一键搞定华为云万级资源，3步轻松管理企业成本2025/09/09 周二 15:00-16:00
阿言 华为云交易产品经理
本直播重点介绍如何一键续费万级资源，3步轻松管理成本，帮助提升日常管理效率！
回顾中
热门标签