- 支持MCP的研发管理工具有哪些？本文对比ONES、Jira、Azure DevOps、GitHub、GitLab和Linear的MCP能力，分析AI可以查询和执行哪些研发任务，以及权限、部署和适用场景差异。 支持MCP的研发管理工具有哪些？本文对比ONES、Jira、Azure DevOps、GitHub、GitLab和Linear的MCP能力，分析AI可以查询和执行哪些研发任务，以及权限、部署和适用场景差异。
- AI知识问答的意义，是先从知识库中找到与问题相关的资料，再基于这些资料组织回答。NIST对检索增强生成的定义也强调，模型需要与独立的信息检索系统或知识库配合，根据用户问题找到相关内容，再将这些内容作为回答依据。 AI知识问答的意义，是先从知识库中找到与问题相关的资料，再基于这些资料组织回答。NIST对检索增强生成的定义也强调，模型需要与独立的信息检索系统或知识库配合，根据用户问题找到相关内容，再将这些内容作为回答依据。
- 本文对比分析了大模型应用开发的两大主流框架LangChain和LangGraph。LangChain作为基础框架，通过组件化设计简化开发流程，但仅支持线性链式执行，适合快速搭建轻量级应用；而LangGraph则采用图式编排架构，支持全局状态管理和动态流程控制，能实现分支、循环等复杂逻辑，更适合生产级智能体开发。二者形成互补关系：LangChain负责基础组件封装，LangGraph处理复杂业务编排 本文对比分析了大模型应用开发的两大主流框架LangChain和LangGraph。LangChain作为基础框架，通过组件化设计简化开发流程，但仅支持线性链式执行，适合快速搭建轻量级应用；而LangGraph则采用图式编排架构，支持全局状态管理和动态流程控制，能实现分支、循环等复杂逻辑，更适合生产级智能体开发。二者形成互补关系：LangChain负责基础组件封装，LangGraph处理复杂业务编排
- DeepAgents是一种企业级多智能体集群AI架构，旨在解决大模型在复杂业务场景中的落地难题。其核心由MCP（模型上下文协议）和A2A（智能体互联协议）两大协议支撑：MCP标准化大模型与外部资源的交互，降低工具适配成本；A2A实现多智能体的协同调度，避免任务孤岛。与传统单智能体相比，DeepAgents通过分层规划、集群协同和反思机制，能稳定处理财务核算、供应链调度等长流程业务，突破单模型的能力 DeepAgents是一种企业级多智能体集群AI架构，旨在解决大模型在复杂业务场景中的落地难题。其核心由MCP（模型上下文协议）和A2A（智能体互联协议）两大协议支撑：MCP标准化大模型与外部资源的交互，降低工具适配成本；A2A实现多智能体的协同调度，避免任务孤岛。与传统单智能体相比，DeepAgents通过分层规划、集群协同和反思机制，能稳定处理财务核算、供应链调度等长流程业务，突破单模型的能力
- 摘要： 随着AI Agent能力升级，其自主决策与多场景操作能力（如文件处理、网络访问）带来显著效率提升，但伴随模型幻觉、越权操作、数据泄露等安全隐患。本文提出Workspace安全治理体系，通过沙箱隔离（环境独立/资源隔离）、精细化权限管控（最小权限/实时校验）和全链路审计（防篡改日志/溯源追责）三大模块协同，解决AI Agent特有风险。该体系适配大模型动态性，遵循零信任原则，弥补模型原生缺陷 摘要： 随着AI Agent能力升级，其自主决策与多场景操作能力（如文件处理、网络访问）带来显著效率提升，但伴随模型幻觉、越权操作、数据泄露等安全隐患。本文提出Workspace安全治理体系，通过沙箱隔离（环境独立/资源隔离）、精细化权限管控（最小权限/实时校验）和全链路审计（防篡改日志/溯源追责）三大模块协同，解决AI Agent特有风险。该体系适配大模型动态性，遵循零信任原则，弥补模型原生缺陷
- 完整搭建起大模型应用开发的全栈技术体系，离不开一个个核心的技术点。从底层的提示词工程规范、RAG检索增强，到中层的Function Calling工具调用、Skills业务封装、MCP标准化通信，再到上层的Agent智能体自主执行、A2A多智能体集群协作，最后到生产级架构的高可用、安全、可控治理，所有核心技术层层递进、环环相扣，构成了完整的现代大模型开发模式。 完整搭建起大模型应用开发的全栈技术体系，离不开一个个核心的技术点。从底层的提示词工程规范、RAG检索增强，到中层的Function Calling工具调用、Skills业务封装、MCP标准化通信，再到上层的Agent智能体自主执行、A2A多智能体集群协作，最后到生产级架构的高可用、安全、可控治理，所有核心技术层层递进、环环相扣，构成了完整的现代大模型开发模式。
- 基于react19.2+react-router7+zustand5+markdown深度对接deepseek v4构建H5版ai对话助手。支持暗黑+亮色主题、深度思考、代码高亮/复制/下载、latex/mermaid渲染、本地存储会话等功能。 基于react19.2+react-router7+zustand5+markdown深度对接deepseek v4构建H5版ai对话助手。支持暗黑+亮色主题、深度思考、代码高亮/复制/下载、latex/mermaid渲染、本地存储会话等功能。
- 本文探讨了AI Agent开发中的评估体系构建问题。文章指出，虽然搭建Agent原型容易，但量化评估其性能、指导优化方向才是项目落地的关键难点。作者提出了一套完整的Agent评估方法论，包含三大评测技术（LLM-as-Judge、人工标注、A/B测试）和四大评估维度（功能准确性、服务性能、运行安全性、成本损耗）。通过多层次评测方案架构，实现从离线测试到线上验证的闭环迭代，解决传统试错式开发的弊端。 本文探讨了AI Agent开发中的评估体系构建问题。文章指出，虽然搭建Agent原型容易，但量化评估其性能、指导优化方向才是项目落地的关键难点。作者提出了一套完整的Agent评估方法论，包含三大评测技术（LLM-as-Judge、人工标注、A/B测试）和四大评估维度（功能准确性、服务性能、运行安全性、成本损耗）。通过多层次评测方案架构，实现从离线测试到线上验证的闭环迭代，解决传统试错式开发的弊端。
- 上一篇文章末尾给出了LangChain的简单调用例子，当然LangChain还支持更丰富的功能设置，接下来就介绍如何使用LangChain封装AI执行链，以实现更复杂的功能调用。一、构造大模型实例在构造大模型实例之前，要先添加下面的导包语句，表示引入LangChain的大模型工具OllamaLLM：from langchain_ollama import OllamaLLM在OllamaL... 上一篇文章末尾给出了LangChain的简单调用例子，当然LangChain还支持更丰富的功能设置，接下来就介绍如何使用LangChain封装AI执行链，以实现更复杂的功能调用。一、构造大模型实例在构造大模型实例之前，要先添加下面的导包语句，表示引入LangChain的大模型工具OllamaLLM：from langchain_ollama import OllamaLLM在OllamaL...
- 文章摘要： 大模型Agent是基于大语言模型的智能执行体，通过自主规划、工具调用和系统集成，实现复杂任务自动化。其核心特性包括自主规划性、工具可拓展性、系统互通性、记忆迭代性和闭环执行性。Agent架构分为五层：基础模型层（推理核心）、核心调度层（流程控制）、工具插件层（能力拓展）、系统集成层（外部对接）和业务应用层（场景落地）。运行机制分为需求解析、任务规划、能力调用等六步闭环流程，支持API插 文章摘要： 大模型Agent是基于大语言模型的智能执行体，通过自主规划、工具调用和系统集成，实现复杂任务自动化。其核心特性包括自主规划性、工具可拓展性、系统互通性、记忆迭代性和闭环执行性。Agent架构分为五层：基础模型层（推理核心）、核心调度层（流程控制）、工具插件层（能力拓展）、系统集成层（外部对接）和业务应用层（场景落地）。运行机制分为需求解析、任务规划、能力调用等六步闭环流程，支持API插
- LangChain 是一套大语言模型 (LLM) 应用开发框架，主打链式编排、任务流程组装，可快速搭建智能对话机器人、智能助手、自动化流程、知识库问答、Agent 智能体。LangChain 支持对接各类在线大模型，包括OpenAI、文心、通义、讯飞等，也支持加载电脑本地的离线大模型。为避免在线大模型带来的大量Token消耗，接下来以离线大模型为例介绍如何搭建LangChain的开发环境。... LangChain 是一套大语言模型 (LLM) 应用开发框架，主打链式编排、任务流程组装，可快速搭建智能对话机器人、智能助手、自动化流程、知识库问答、Agent 智能体。LangChain 支持对接各类在线大模型，包括OpenAI、文心、通义、讯飞等，也支持加载电脑本地的离线大模型。为避免在线大模型带来的大量Token消耗，接下来以离线大模型为例介绍如何搭建LangChain的开发环境。...
- AI缺陷诊断已经不再局限于自动摘要和标签分类。一些工具开始利用日志、指标和调用链定位根因，另一些工具则可以生成修复代码、创建Pull Request，并把测试结果反馈至研发流程。面对定位不同的产品，企业真正需要比较的，不是谁的回答更像专家，而是谁能缩短从问题提交到验证关闭的完整周期。 AI缺陷诊断已经不再局限于自动摘要和标签分类。一些工具开始利用日志、指标和调用链定位根因，另一些工具则可以生成修复代码、创建Pull Request，并把测试结果反馈至研发流程。面对定位不同的产品，企业真正需要比较的，不是谁的回答更像专家，而是谁能缩短从问题提交到验证关闭的完整周期。
- 研发 Agent 的落地不应追求“一步到位”，而应遵循一条更现实的路线：先让 AI 看懂问题，再让它修改代码；先处理明确的缺陷，再参与新需求开发。 研发 Agent 的落地不应追求“一步到位”，而应遵循一条更现实的路线：先让 AI 看懂问题，再让它修改代码；先处理明确的缺陷，再参与新需求开发。
- 本文系统介绍了大模型落地的三大关键技术：全量微调、LoRA轻量化微调和模型量化。全量微调通过更新所有模型参数实现业务适配，但计算成本高；LoRA通过冻结原有权重、仅训练低秩矩阵，显著降低训练成本；模型量化则通过降低参数精度来优化部署效率。三者协同形成完整的大模型落地闭环：微调优化能力，LoRA降低训练门槛，量化提升部署性能。文章详细阐述了各项技术的原理、实施流程和应用场景，并通过代码示例展示了Lo 本文系统介绍了大模型落地的三大关键技术：全量微调、LoRA轻量化微调和模型量化。全量微调通过更新所有模型参数实现业务适配，但计算成本高；LoRA通过冻结原有权重、仅训练低秩矩阵，显著降低训练成本；模型量化则通过降低参数精度来优化部署效率。三者协同形成完整的大模型落地闭环：微调优化能力，LoRA降低训练门槛，量化提升部署性能。文章详细阐述了各项技术的原理、实施流程和应用场景，并通过代码示例展示了Lo
- 本文系统介绍了大模型智能体的核心概念与五大核心能力。智能体是基于大模型构建的、具备自主决策和执行能力的数字实体，通过规划、记忆、工具调用、反思和多智能体协同五大能力实现复杂任务处理。与普通大模型相比，智能体具有主动执行、工具调用和经验迭代的优势。规划能力是智能体的"大脑"，负责任务拆解和策略制定；记忆能力存储和复用历史信息；工具调用能力扩展智能体的功能边界；反思能力支持自我优化 本文系统介绍了大模型智能体的核心概念与五大核心能力。智能体是基于大模型构建的、具备自主决策和执行能力的数字实体，通过规划、记忆、工具调用、反思和多智能体协同五大能力实现复杂任务处理。与普通大模型相比，智能体具有主动执行、工具调用和经验迭代的优势。规划能力是智能体的"大脑"，负责任务拆解和策略制定；记忆能力存储和复用历史信息；工具调用能力扩展智能体的功能边界；反思能力支持自我优化
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·第三期2026/08/21 周五 16:00-18:00
林华鼎-华为云AI开发者运营负责人；念擎-华为云AI开发者运营案例开发专家
本期直播内容：AI六层能力首次详细解读 + 新一代华为云开发者空间亮相 + 校园案例直播带练
回顾中 -
华为云开发者AI素养直播课·第四期2026/08/28 周五 16:00-18:00
林华鼎-华为云AI开发者运营负责人；吴松明-华为云AI开发者案例开发专家
EduSwarm 是一个基于多智能体框架构建的 AI 教师团队协作平台：把备课、上课、作业、批改、学情等教学环节，交给多位专职 AI Agent（课件师、出题官、批改师、学情分析师等）协作完成。教师从「亲力亲为」变成「做决策」，学生只需凭课堂码加入即可实时跟课。
回顾中
热门标签