- 当深度研究能力被云端大模型垄断，企业却面临数据无法出域的安全禁令，这曾是一道无解的选择题。直到最近，清华大学、面壁智能等联合开源了仅8B参数却具备深度研究写作能力的智能体。它在完全本地部署的前提下，通过重构“写作即推理”的底层机制，首次将闭源云端模型的深度分析能力带入了内网，为高保密场景下的自动化研究打开了新局面。 当深度研究能力被云端大模型垄断，企业却面临数据无法出域的安全禁令，这曾是一道无解的选择题。直到最近，清华大学、面壁智能等联合开源了仅8B参数却具备深度研究写作能力的智能体。它在完全本地部署的前提下，通过重构“写作即推理”的底层机制，首次将闭源云端模型的深度分析能力带入了内网，为高保密场景下的自动化研究打开了新局面。
- 当团队从LLM原型转向生产应用时，往往陷入两难：开源框架集成复杂，闭源API则失去控制。我们历经三个月深度实践，发现Dify在可控性与开箱即用之间找到了那个难得的平衡点。本文将分享它如何重塑我们的AI应用开发流程。 当团队从LLM原型转向生产应用时，往往陷入两难：开源框架集成复杂，闭源API则失去控制。我们历经三个月深度实践，发现Dify在可控性与开箱即用之间找到了那个难得的平衡点。本文将分享它如何重塑我们的AI应用开发流程。
- 在AI编程工具同质化竞争的当下，长亭科技推出的MonkeyCodeAI打破了“仅做代码补全”的局限，以“企业级AI研发基础设施”为定位，覆盖需求拆解、设计、开发、Review全流程，凭借开源特性、安全能力与多场景适配性，成为个人开发者与团队的优选工具。本文将从核心技术能力、实际案例落地、企业级实践建议三方面，拆解MonkeyCodeAI的技术价值。一、核心技术能力：不止于“写代码”的全链路赋... 在AI编程工具同质化竞争的当下，长亭科技推出的MonkeyCodeAI打破了“仅做代码补全”的局限，以“企业级AI研发基础设施”为定位，覆盖需求拆解、设计、开发、Review全流程，凭借开源特性、安全能力与多场景适配性，成为个人开发者与团队的优选工具。本文将从核心技术能力、实际案例落地、企业级实践建议三方面，拆解MonkeyCodeAI的技术价值。一、核心技术能力：不止于“写代码”的全链路赋...
- 团队想搭AI测试体系却无从下手？中小团队资源有限能否落地？作为实战老兵，我曾用现有资源从0到1搭建体系，将回归效率提升40%。本文分享三步落地法：从精准选点到安全实践，再到流程融合，手把手助你避开常见坑位，让AI真正成为测试提效利器。 团队想搭AI测试体系却无从下手？中小团队资源有限能否落地？作为实战老兵，我曾用现有资源从0到1搭建体系，将回归效率提升40%。本文分享三步落地法：从精准选点到安全实践，再到流程融合，手把手助你避开常见坑位，让AI真正成为测试提效利器。
- 团队想搭AI测试体系却无从下手？中小团队资源有限能否落地？作为实战老兵，我曾用现有资源从0到1搭建体系，将回归效率提升40%。本文分享三步落地法：从精准选点到安全实践，再到流程融合，手把手助你避开常见坑位，让AI真正成为测试提效利器。 团队想搭AI测试体系却无从下手？中小团队资源有限能否落地？作为实战老兵，我曾用现有资源从0到1搭建体系，将回归效率提升40%。本文分享三步落地法：从精准选点到安全实践，再到流程融合，手把手助你避开常见坑位，让AI真正成为测试提效利器。
- RLHF 技术详解有监督微调（Supervised Fine-tuning, SFT）：即用成对的“(指令, 回答)”数据来训练模型SFT 的局限性：缺乏泛化能力：模型只能很好地响应数据集中出现过的指令模式，无法覆盖用户千奇百怪的真实意图。“对齐”不足：模型的回答可能在事实上正确，但在风格、语气、安全性或有用性上，并不符合人类的期望。它只知道“正确答案”，却不知道“更好的答案”。 SFT ... RLHF 技术详解有监督微调（Supervised Fine-tuning, SFT）：即用成对的“(指令, 回答)”数据来训练模型SFT 的局限性：缺乏泛化能力：模型只能很好地响应数据集中出现过的指令模式，无法覆盖用户千奇百怪的真实意图。“对齐”不足：模型的回答可能在事实上正确，但在风格、语气、安全性或有用性上，并不符合人类的期望。它只知道“正确答案”，却不知道“更好的答案”。 SFT ...
- 面对海量多模态数据管理困境，思必驰通过构建以 Apache Doris 为核心的数据集平台，实现了数据从“散、乱、滞”到“统、明、畅”的转变。在关键场景中，存储占用下降 80%、查询 QPS 提升至 3w，不仅实现可量化的效率提升和成本优化，更系统化地提升了 AI 研发效率与模型质量。 面对海量多模态数据管理困境，思必驰通过构建以 Apache Doris 为核心的数据集平台，实现了数据从“散、乱、滞”到“统、明、畅”的转变。在关键场景中，存储占用下降 80%、查询 QPS 提升至 3w，不仅实现可量化的效率提升和成本优化，更系统化地提升了 AI 研发效率与模型质量。
- 新增10+特性，在插件、MCP、知识库、工作流节点等实现能力拓展 新增10+特性，在插件、MCP、知识库、工作流节点等实现能力拓展
- 与将向量检索视为独立外挂服务的方案不同，Apache Doris 4.0 选择将向量检索能力深度集成于其 MPP 分析型数据库内核。实现向量检索与 SQL 计算、实时分析和事务保障的无缝融合。 本文旨在深入剖析 Doris 向量检索的系统级设计与工程实践，展示其如何在性能、易用性与规模扩展之间取得的平衡。 与将向量检索视为独立外挂服务的方案不同，Apache Doris 4.0 选择将向量检索能力深度集成于其 MPP 分析型数据库内核。实现向量检索与 SQL 计算、实时分析和事务保障的无缝融合。 本文旨在深入剖析 Doris 向量检索的系统级设计与工程实践，展示其如何在性能、易用性与规模扩展之间取得的平衡。
- 当AI模型规模不断扩张，一个根本性问题愈发凸显：宝贵的算力是否被浪费在了本应“记住”而非“推算”的任务上？DeepSeek最新披露的Engram技术，正是对这一痛点的结构性回应。它试图将事实性记忆从昂贵的连续神经网络计算中剥离，转向确定性的高效查找，为大模型架构开辟了一条全新的“稀疏性”优化路径。这或许意味着，下一代模型的竞争焦点，正从参数规模转向计算质量的重新分配。 当AI模型规模不断扩张，一个根本性问题愈发凸显：宝贵的算力是否被浪费在了本应“记住”而非“推算”的任务上？DeepSeek最新披露的Engram技术，正是对这一痛点的结构性回应。它试图将事实性记忆从昂贵的连续神经网络计算中剥离，转向确定性的高效查找，为大模型架构开辟了一条全新的“稀疏性”优化路径。这或许意味着，下一代模型的竞争焦点，正从参数规模转向计算质量的重新分配。
- 大模型正从对话迈向行动，核心是工具调用（Function Calling）。开发者向模型注册工具函数后，模型能根据问题智能选择并调用，附上正确参数，并将执行结果转化为最终答案。相比ReAct提示工程，工具调用更聚焦于明确的函数接口，适合API调用等场景，开发相对简便。它标志着大模型从“认知”走向“行动”，成为解决实际问题的关键。 大模型正从对话迈向行动，核心是工具调用（Function Calling）。开发者向模型注册工具函数后，模型能根据问题智能选择并调用，附上正确参数，并将执行结果转化为最终答案。相比ReAct提示工程，工具调用更聚焦于明确的函数接口，适合API调用等场景，开发相对简便。它标志着大模型从“认知”走向“行动”，成为解决实际问题的关键。
- 2026年伊始，AI领域的信号已从趋势预测转向工程现实。马斯克与华尔街的共同判断，OpenAI与DeepSeek的连续动作，都指向一个明确方向：AI正从工具演变为能自主执行任务的系统主体。这一结构性变迁，将软件测试与质量保障推到了变革的最前沿，对传统的验证方法发起了根本性挑战。 2026年伊始，AI领域的信号已从趋势预测转向工程现实。马斯克与华尔街的共同判断，OpenAI与DeepSeek的连续动作，都指向一个明确方向：AI正从工具演变为能自主执行任务的系统主体。这一结构性变迁，将软件测试与质量保障推到了变革的最前沿，对传统的验证方法发起了根本性挑战。
- AI原生时代，传统Wiki的低召回率、被动沉淀等痛点根源在于架构缺陷。某开源AI知识库项目（8.8K+ GitHub星标）以六边形架构为骨架、RAG引擎为核心，构建全链路智能知识管理体系。本文从架构、核心模块、性能、安全四大维度，拆解其技术内核与创新价值。一、六边形架构：解耦驱动的企业级可扩展设计基石该项目采用六边形架构，打破传统架构业务与依赖耦合痛点，实现核心逻辑纯粹性与可扩展性。系统分为... AI原生时代，传统Wiki的低召回率、被动沉淀等痛点根源在于架构缺陷。某开源AI知识库项目（8.8K+ GitHub星标）以六边形架构为骨架、RAG引擎为核心，构建全链路智能知识管理体系。本文从架构、核心模块、性能、安全四大维度，拆解其技术内核与创新价值。一、六边形架构：解耦驱动的企业级可扩展设计基石该项目采用六边形架构，打破传统架构业务与依赖耦合痛点，实现核心逻辑纯粹性与可扩展性。系统分为...
- PyTorch是一款以Python为首要设计理念的深度学习框架，凭借简洁易用的Python接口、动态计算图机制及强大的灵活性，广泛应用于学术研究与工业开发。它在Python环境中提供张量（Tensors）和动态神经网络支持，并具备强大的GPU加速能力，支持从快速原型设计到大规模部署的全流程，深度融合Python数据科学生态，为开发者提供高效且直观的深度学习解决方案。 PyTorch是一款以Python为首要设计理念的深度学习框架，凭借简洁易用的Python接口、动态计算图机制及强大的灵活性，广泛应用于学术研究与工业开发。它在Python环境中提供张量（Tensors）和动态神经网络支持，并具备强大的GPU加速能力，支持从快速原型设计到大规模部署的全流程，深度融合Python数据科学生态，为开发者提供高效且直观的深度学习解决方案。
- 大模型正从对话迈向行动，核心是工具调用（Function Calling）。开发者向模型注册工具函数后，模型能根据问题智能选择并调用，附上正确参数，并将执行结果转化为最终答案。相比ReAct提示工程，工具调用更聚焦于明确的函数接口，适合API调用等场景，开发相对简便。它标志着大模型从“认知”走向“行动”，成为解决实际问题的关键。 大模型正从对话迈向行动，核心是工具调用（Function Calling）。开发者向模型注册工具函数后，模型能根据问题智能选择并调用，附上正确参数，并将执行结果转化为最终答案。相比ReAct提示工程，工具调用更聚焦于明确的函数接口，适合API调用等场景，开发相对简便。它标志着大模型从“认知”走向“行动”，成为解决实际问题的关键。
上滑加载中
推荐直播
-
华为云码道-AI时代应用开发利器2026/03/18 周三 19:00-20:00
童得力，华为云开发者生态运营总监/姚圣伟，华为云HCDE开发者专家
本次直播由华为专家带你实战应用开发，看华为云码道(CodeArts)代码智能体如何在AI时代让你的创意应用快速落地。更有华为云HCDE开发者专家带你用码道玩转JiuwenClaw，让小艺成为你的AI助理。
回顾中 -
Skill 构建 × 智能创作：基于华为云码道的 AI 内容生产提效方案2026/03/25 周三 19:00-20:00
余伟，华为云软件研发工程师/万邵业（万少），华为云HCDE开发者专家
本次直播带来两大实战：华为云码道 Skill-Creator 手把手搭建专属知识库 Skill；如何用码道提效 OpenClaw 小说文本，打造从大纲到成稿的 AI 原创小说全链路。技术干货 + OPC创作思路，一次讲透！
回顾中 -
华为云一键云上部署Openclaw 实现“龙虾自由”2026/04/11 周六 14:00-16:00
秦拳德-中软国际教育卓越研究院研究员
还在为搭建AI环境而焦头烂额、彻夜难眠？ 还在苦苦等待复杂工具的缓慢响应、迟迟无法推进项目？ 别再犹豫，快来华为云，一键部署OpenClaw，轻松告别 繁琐配置，即刻畅享极速体验！更有龙虾实操演示全程护 航，真正解放双手，让办公效率实现质的飞跃。限时重磅 福利火热来袭，干万Tokens等你来瓜分，机会难得，不容 错过！
即将直播
热门标签