- 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...
- Spring Boot中使用Swagger3.0.0注解案例 Spring Boot中使用Swagger3.0.0注解案例
- Spring Boot中使用Swagger3.0.0注解 Spring Boot中使用Swagger3.0.0注解
- 霍格沃兹测试开发学社总结AI测试开发岗位面试要点。面试重点考察模型验证、性能优化、MLOps落地等工程能力。建议结合项目经验，展示从需求到上线的全流程实践经验，并通过量化指标体现技术价值。同时需掌握特征工程、模型监控及前沿技术应用，系统提升综合竞争力。 霍格沃兹测试开发学社总结AI测试开发岗位面试要点。面试重点考察模型验证、性能优化、MLOps落地等工程能力。建议结合项目经验，展示从需求到上线的全流程实践经验，并通过量化指标体现技术价值。同时需掌握特征工程、模型监控及前沿技术应用，系统提升综合竞争力。
上滑加载中
推荐直播
-
华为云码道 × 仓颉编程：工程化AI编码探索2026/05/27 周三 19:00-21:00
刘俊杰-华为云仓颉语言专家/李炎-华为云码道技术专家/王智鹏-OpenCangjie开源社区发起人
本场直播围绕华为云仓颉语言与华为云码道的深度结合，展示华为云智能编程从零基础到高效落地的完整生态能力。以华为云码道为引擎，仓颉语言为载体，带给大家日常提效、趣味创新到极速量产的开发体验。
回顾中
热门标签