- AI 研发管理平台的价值，已经不只是帮助员工写需求、总结任务或生成代码，而是让 AI 在权限可控的前提下获得需求、缺陷、代码和测试上下文，参与真实研发流程。本文建立六维能力模型，对比 9 款相关平台，并给出不同企业的选型与 POC 建议。 AI 研发管理平台的价值，已经不只是帮助员工写需求、总结任务或生成代码，而是让 AI 在权限可控的前提下获得需求、缺陷、代码和测试上下文，参与真实研发流程。本文建立六维能力模型，对比 9 款相关平台，并给出不同企业的选型与 POC 建议。
- 研发团队引入 AI 后，工程师写代码的速度可能明显提升，但产品交付周期未必同步缩短。原因在于，代码生成只是研发流程中的一个环节。真正的组织级提效，需要让 AI 从辅助个人编码，逐步走向独立执行任务，并最终进入工单、缺陷、需求和测试等团队协作流程。 研发团队引入 AI 后，工程师写代码的速度可能明显提升，但产品交付周期未必同步缩短。原因在于，代码生成只是研发流程中的一个环节。真正的组织级提效，需要让 AI 从辅助个人编码，逐步走向独立执行任务，并最终进入工单、缺陷、需求和测试等团队协作流程。
- 摘要： AI智能体通过Workflow多步骤任务编排弥补了大模型单次调用的局限性（上下文有限、无规划性），实现复杂任务的自动化执行。其核心在于将模糊需求拆解为有序子任务，结合状态机与大模型动态决策，形成“规则兜底+智能微调”的闭环流程。示例展示了基于腾讯混元大模型的五步工作流（需求预处理→任务拆解→分步执行→结果校验→整合输出），验证了智能体在连贯执行、上下文记忆及异常处理上的优势。Workflo 摘要： AI智能体通过Workflow多步骤任务编排弥补了大模型单次调用的局限性（上下文有限、无规划性），实现复杂任务的自动化执行。其核心在于将模糊需求拆解为有序子任务，结合状态机与大模型动态决策，形成“规则兜底+智能微调”的闭环流程。示例展示了基于腾讯混元大模型的五步工作流（需求预处理→任务拆解→分步执行→结果校验→整合输出），验证了智能体在连贯执行、上下文记忆及异常处理上的优势。Workflo
- 之前的系列文章主要讲解上下文（提示词）和RAG（知识库），为了方便大家归纳，这里把前面的几个重要内容重新梳理总结。一、搭建应用开发环境正所谓磨刀不误砍柴工，要想后续顺利进行AI应用编程，务必正确搭建电脑的Python开发环境，这样可以避免代码编译时出现奇奇怪怪的错误，才能心无旁骛地钻研AI应用技能。首先是安装哪个Python版本。AI开发环境的Python版本推荐Python 3.10.x... 之前的系列文章主要讲解上下文（提示词）和RAG（知识库），为了方便大家归纳，这里把前面的几个重要内容重新梳理总结。一、搭建应用开发环境正所谓磨刀不误砍柴工，要想后续顺利进行AI应用编程，务必正确搭建电脑的Python开发环境，这样可以避免代码编译时出现奇奇怪怪的错误，才能心无旁骛地钻研AI应用技能。首先是安装哪个Python版本。AI开发环境的Python版本推荐Python 3.10.x...
- 上一篇文章介绍了如何从TXT文件读取文本信息，可是日常办公很少使用纯文本的TXT格式，而采用专业的PDF格式或者WORD格式，有时还需要通过网页抓取知识。接下来就介绍如何从PDF、WORD、HTML等文件中读取文本内容。一、从PDF文件读取文本PDF是一种常用的文档格式，常用于只读的通知文件，或者电子版书籍。Python提供了多种三方库用来解析PDF文件，其中pdfplumber较常用。使... 上一篇文章介绍了如何从TXT文件读取文本信息，可是日常办公很少使用纯文本的TXT格式，而采用专业的PDF格式或者WORD格式，有时还需要通过网页抓取知识。接下来就介绍如何从PDF、WORD、HTML等文件中读取文本内容。一、从PDF文件读取文本PDF是一种常用的文档格式，常用于只读的通知文件，或者电子版书籍。Python提供了多种三方库用来解析PDF文件，其中pdfplumber较常用。使...
- 前面的文章在构建RAG并检索时，既使用了国外大模型，也使用了国内大模型；既运用了内存向量检索库FAISS，也运用了磁盘向量数据库Chroma。但知识库的原始来源却是knowledge数组，这与现实场合有所出入，因为实际资料都保存在TXT、PDF、WORD等格式的文档中，甚至来自互联网上的HTML网页，于是RAG的前置条件就成了如何从这些文档中提取文本信息。一、读取TXT文件中的文本TXT文件... 前面的文章在构建RAG并检索时，既使用了国外大模型，也使用了国内大模型；既运用了内存向量检索库FAISS，也运用了磁盘向量数据库Chroma。但知识库的原始来源却是knowledge数组，这与现实场合有所出入，因为实际资料都保存在TXT、PDF、WORD等格式的文档中，甚至来自互联网上的HTML网页，于是RAG的前置条件就成了如何从这些文档中提取文本信息。一、读取TXT文件中的文本TXT文件...
- 本文对比了Qwen3-32B和ChatGLM3-6B两款本地部署大模型在高血压风险筛查医疗场景的实战表现。通过搭建OpenAI兼容API服务，使用相同的患者数据和提示词模板进行测试，发现32B大模型在精准度、规则理解、知识储备等方面显著优于6B小模型。Qwen3-32B通过4bit量化技术可在RTX4090显卡运行，能精准识别高血压高危因素并给出专业判定依据；而ChatGLM3-6B存在严重漏判和 本文对比了Qwen3-32B和ChatGLM3-6B两款本地部署大模型在高血压风险筛查医疗场景的实战表现。通过搭建OpenAI兼容API服务，使用相同的患者数据和提示词模板进行测试，发现32B大模型在精准度、规则理解、知识储备等方面显著优于6B小模型。Qwen3-32B通过4bit量化技术可在RTX4090显卡运行，能精准识别高血压高危因素并给出专业判定依据；而ChatGLM3-6B存在严重漏判和
- AI 编程工具正在进入真实研发流程，但 AI 生成代码并不等于可直接交付的代码。它可能提升编码效率，也可能引入业务偏差、安全漏洞、依赖风险和责任模糊。企业要真正用好 AI 写代码，关键不是简单放开或禁止，而是建立代码评审、安全测试和责任边界机制。 AI 编程工具正在进入真实研发流程，但 AI 生成代码并不等于可直接交付的代码。它可能提升编码效率，也可能引入业务偏差、安全漏洞、依赖风险和责任模糊。企业要真正用好 AI 写代码，关键不是简单放开或禁止，而是建立代码评审、安全测试和责任边界机制。
- 本文介绍了一个基于ChatGLM3-6B大模型的本地化部署方案，采用FastAPI后端和Web前端实现完整对话系统。项目特点包括：1）适配RTX4090显卡，支持FP16半精度推理，显存占用优化；2）提供两种推理模式（一次性返回和SSE流式输出）；3）内置完善监控系统，实时采集显存、Token生成速度等指标；4）兼容OpenAI API标准接口；5）包含可视化前端界面。系统采用四层架构设计，包含前 本文介绍了一个基于ChatGLM3-6B大模型的本地化部署方案，采用FastAPI后端和Web前端实现完整对话系统。项目特点包括：1）适配RTX4090显卡，支持FP16半精度推理，显存占用优化；2）提供两种推理模式（一次性返回和SSE流式输出）；3）内置完善监控系统，实时采集显存、Token生成速度等指标；4）兼容OpenAI API标准接口；5）包含可视化前端界面。系统采用四层架构设计，包含前
- 如何避开80% AI项目失败率？ 如何避开80% AI项目失败率？
- 前面两篇文章在演示RAG功能时，做向量化的文本嵌入模型都用国外的all-MiniLM-L6-v2，该模型主要适用英文，对于中文总体也能用，但在细节上处理欠佳。本文就来介绍如何使用国产离线的文本嵌入模型替换国外模型，以及如何体现国产模型的比较优势。一、all-MiniLM-L6-v2的缺点虽然all-MiniLM-L6-v2的优点很多，比如下列几点：1、体积极小：几十 MB，随便本地离线下载2... 前面两篇文章在演示RAG功能时，做向量化的文本嵌入模型都用国外的all-MiniLM-L6-v2，该模型主要适用英文，对于中文总体也能用，但在细节上处理欠佳。本文就来介绍如何使用国产离线的文本嵌入模型替换国外模型，以及如何体现国产模型的比较优势。一、all-MiniLM-L6-v2的缺点虽然all-MiniLM-L6-v2的优点很多，比如下列几点：1、体积极小：几十 MB，随便本地离线下载2...
- 上一篇文章通过all-MiniLM-L6-v2模型结合FAISS实现了简单的RAG检索功能，但FAISS运行于内存中，无法持久化保存向量数据，重启后又得重新对文本做向量化，比较浪费算力资源。本文就来介绍如何使用向量数据库来持久保存向量数据。一、向量数据库ChromaChroma是一个本地向量数据库，专门用来保存 RAG 知识库，并且快速检索相关内容。Chroma与FAISS之间的区别如下：... 上一篇文章通过all-MiniLM-L6-v2模型结合FAISS实现了简单的RAG检索功能，但FAISS运行于内存中，无法持久化保存向量数据，重启后又得重新对文本做向量化，比较浪费算力资源。本文就来介绍如何使用向量数据库来持久保存向量数据。一、向量数据库ChromaChroma是一个本地向量数据库，专门用来保存 RAG 知识库，并且快速检索相关内容。Chroma与FAISS之间的区别如下：...
- 上一篇文章采用字符串匹配的方式来查找知识，这种方式比较呆板不够智能，接下来引入向量数据库，通过向量化实现更精细的知识检索。一、文本嵌入Embedding模型向量化一段文本的时候，经常用到all-MiniLM-L6-v2，它是一个轻量级的文本嵌入Embedding模型，专门把文字转成数字向量，给RAG做语义检索用。命令行通过cd命令进入Python工程的所在目录，再执行下面的模型下载命令，可将... 上一篇文章采用字符串匹配的方式来查找知识，这种方式比较呆板不够智能，接下来引入向量数据库，通过向量化实现更精细的知识检索。一、文本嵌入Embedding模型向量化一段文本的时候，经常用到all-MiniLM-L6-v2，它是一个轻量级的文本嵌入Embedding模型，专门把文字转成数字向量，给RAG做语义检索用。命令行通过cd命令进入Python工程的所在目录，再执行下面的模型下载命令，可将...
- 前面的文章依次介绍了如何截断历史会话的对话记录，包括按照记录数量截断、按照Token长度截断，以及浓缩为摘要截断等等，其中摘要操作又分为三大类：1、使用第三方的摘要库对文本摘要；2、使用在线大模型对文本摘要；3、使用离线大模型对文本摘要；以上对会话记录的各种处理操作，统称为AI应用的上下文管理，即让AI理解用户之前的意图。接下来将开启有关RAG部分的AI应用开发教程介绍。一、什么是RAGR... 前面的文章依次介绍了如何截断历史会话的对话记录，包括按照记录数量截断、按照Token长度截断，以及浓缩为摘要截断等等，其中摘要操作又分为三大类：1、使用第三方的摘要库对文本摘要；2、使用在线大模型对文本摘要；3、使用离线大模型对文本摘要；以上对会话记录的各种处理操作，统称为AI应用的上下文管理，即让AI理解用户之前的意图。接下来将开启有关RAG部分的AI应用开发教程介绍。一、什么是RAGR...
- AI正在改变软件研发的工作方式。工程师写代码、写测试、查问题的效率会越来越高。但真正拉开差距的，不只是工具用得快，而是能不能理解业务问题，能不能用数据判断结果，能不能把技术工作和业务改善联系起来。 AI正在改变软件研发的工作方式。工程师写代码、写测试、查问题的效率会越来越高。但真正拉开差距的，不只是工具用得快，而是能不能理解业务问题，能不能用数据判断结果，能不能把技术工作和业务改善联系起来。
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