- 苹果公司在人工智能领域的战略投资，以及他们在开发先进语言模型方面的努力。虽然苹果以精益求精和完美的产品闻名，但他们对AI的投资表明他们对这一技术的重视。文章还提到了AI在医疗保健领域的应用，包括帮助诊断医疗病症。此外，机器人技术也受到关注，特斯拉的人型机器人Optimus被视为未来的潜在游戏规则改变者。这些话题突显了科技和人工智能在不同行业中的持续发展。 苹果公司在人工智能领域的战略投资，以及他们在开发先进语言模型方面的努力。虽然苹果以精益求精和完美的产品闻名，但他们对AI的投资表明他们对这一技术的重视。文章还提到了AI在医疗保健领域的应用，包括帮助诊断医疗病症。此外，机器人技术也受到关注，特斯拉的人型机器人Optimus被视为未来的潜在游戏规则改变者。这些话题突显了科技和人工智能在不同行业中的持续发展。
- “人类要完（gg humans）。” “人类要完（gg humans）。”
- 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
- 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。
上滑加载中
推荐直播
-
华为云码道Skill实战与极速交付，智能开发全链路实战2026/07/22 周三 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；姜浩-华为云HCDG核心组成员
直播深度解读华为云码道6月产品新特性，从Skill市场安装专家技能，带你零距离体验从需求，开发，审查，重构全链路闭环的开发过程。从零构建并交付一个完整项目，让您体验从代码提交到服务上线的“极速”之旅。
即将直播 -
聚开发者之力，创具身新未来2026/07/23 周四 15:00-17:00
张豪杰/程文/王军/刘新春/黄钦开 /张晓天
本次华为云具身智能开发平台CloudRobo培训面向具身智能开发者，带您全流程体验机器人本体R2C小时级接入、环境重建与轨迹生成仿真数据生产、PB级数据管理、数据评测、模型训推、强化学习和Benchmark一键评测等功能，并体验业界主流具身模型应用。
即将直播
热门标签