机器学习模型的训练数据可能带有偏见，如何避免AI在决策中复制社会不公平和偏见？

  【问题来源】【荣耀】       【问题简要】    自动外呼的时候，有时候会获取到虚拟号码，比如18466660000-6640，直接拨打184666600006640肯定无法接通，那么IVR流程是否支持自动外呼虚拟号【问题类别】       IVR(gsl )【AICC解决方案版本】      开发时打开版本如下图    【UAP可选择版本：V300R008】    【CTI可选择版本：ICD V300R008C26】 【问题现象描述】        自动外呼业务的时候，会存在获取到的是虚拟号码，但是直接拨打外呼号码＋转接码是无法呼通的，所以看下，ivr流程是否可以完成需求

案例介绍本项目是基于华为开发者空间云上开发环境部署的 RuoYi-Vue + TinyAgent + MCP + MaaS 技术实践案例。该应用在 RuoYi-Vue 中深度集成华为云MaaS（ModelArts as a Service）平台提供的DeepSeek大语言模型，并使用 TinyAgent 对接 MCP 服务，充分利用平台提供的百万级商用 Token 处理能力以及 Agent 技术，探索传统前端项目的智能化改造。案例内容一、概述1. 案例介绍本项目通过结合 RuoYi-Vue 的前端框架、华为云 MaaS 提供的大语言模型服务、TinyAgent 的智能代理能力以及 MCP 服务，实现了一个高效的智能化系统。该系统可以快速部署在开发环境中，提供高性能的智能对话服务，并通过智能代理进行业务自动化处理。应用中，RuoYi-Vue 作为前端框架提供了灵活的界面设计和快速开发的能力，配合 DeepSeek 模型的强大语言处理能力，使得本应用能够支持自然语言理解、对话管理和语义分析等多种功能。TinyAgent 通过接入 MCP 服务，进一步增强了系统的智能化水平，使得应用在面对复杂场景时，能够更好地处理多轮对话和长文本分析任务。该项目不仅为企业和个人开发者提供了一个智能化改造的范例，也为高校学生提供了实践机会，让他们能够深入了解前端开发、智能对话系统、Agent 技术以及云平台应用的结合。2. 适用对象企业个人开发者高校学生## 3. 案例时间本案例总时长预计60分钟。## 4. 案例流程说明：注册登录华为开发者空间，进入云开发环境（容器）平台，web端实现容器的创建与开机操作；PC本地通过VS Code安装Huawei Developer Space插件，远程连接操作云开发环境（容器）的；领取百万token代金券福利，登录MaaS平台，开通商用模型服务，获取模型调用参数API Key；GitCode拉取 RouYi-Vue + TinyAgent 改造代码，安装依赖，修改配置参数API Key，运行 MCP Server 端；启动程序，在浏览器端测试验证，通过 AIChat 操作页面功能。5. 资源总览本案例预计花费0元。资源名称规格单价（元）时长（分钟）华为开发者空间开发平台 - 云开发环境（容器）鲲鹏通用计算增强型 kc1 | 2vCPUs | 4G | HCE免费60二、基础环境与资源准备1. VS Code远程连接云开发环境容器参考案例《华为开发者空间 - 云开发环境（容器）IDE插件远程连接操作指导》中的“二、云开发环境IDE插件远程连接操作指导”的内容，完成“1. 安装插件” ~ “4. 连接”章节步骤。我这里选择的 All in One 环境，也就是包括了 NodeJS、Java、Python、Go 的环境。完成连接之后的状态：2. 领取百万免费token福利参考案例《Versatile Agent中自定义接入大模型配置华为云Maas指导》中的“一、 领取”章节内容，领取华为开发者空间百万token代金券福利，本案例中选用DeepSeek-R1，则在此处点DeepSeek-R1 轻量体验包（¥7.00）。若其他案例中选用DeepSeek-V3 则购买ModelArts Studio DeepSeek-V3 轻量体验包（¥3.50）。开通商用模型服务，最后获取API地址、API Key的参数值。3.从 GitCode 拉取源码源码基于 RouYi-Vue 改造，新增了 MCP-Server 并集成了 MCP-Client，实现了 AIChat 可调用 MCP 来操控页面，是 AI 时代前端智能化的一次探索尝试。在 VSCode 新建终端：输入命令拉取代码：git clone https://gitcode.com/huqi-dev/RuoYi-Vue3 三、前端智能化改造1. OpenTiny 助力 MCP-Server 开发@OpenTiny/tiny-agent 基于MCP协议使AI理解与操作用户界面，完成用户任务。它的特性包括但不限于：支持MCP协议 支持MCP客户端 + FunctionCall/ReAct模式的大模型任务调度指令 支持模拟人机交互，让AI操作用户界面，可人为干预可扩展操作哭 丰富的人机交互模拟，支持组件模块API专有扩展开发工具套件 轻松标记编排，生成AI能理解的网站使用说明书首先我们需要配置一下环境，主要是把 MaaS 提供的 DeepSeek R1 接入进来，为我们的前端智能化改造提供核动力。复制 mcp-server/.env-example 内容到 mcp-server/.env 中，填写自己的api key、api url 等。如：url=https://api.modelarts-maas.com/v1/chat/completions apiKey= 此处请替换为您的 api key model=DeepSeek-R1 systemPrompt=You are a helpful assistant with access to tools. 接着在命令行中执行命令，安装依赖并启动项目：cd RuoYi-Vue3/mcp-server/ npm install npm run dev这时候会监听到 3001 端口已经有服务在运行了。我们通过浏览器访问 http://localhost:3001/mcp 能够看到服务正常运行：2. OpenTiny 助力 MCP-Client 开发@OpenTiny/tiny-agent 同样也适用于 MCP-Client 的开发，我们在源码目录的 /workspace/RuoYi-Vue3/src/components/AIChat 下实现了 AIChat 组件和它能调用的 MCP tools。继续新建终端，执行命令安装依赖并运行前端：cd RuoYi-Vue3/ npm install npm run dev此时浏览器会自动打开 rouyi 的前端页面：登录完成之后，我们去到 系统管理-日志管理-操作日志 ，可以看到右下角多了一 AIChat 的入口：我们点击 AIChat 的图标可以打开一个对话框：接着点击 列出目前系统中可用的工具 ，AIChat 会调用 MCP-Server 获取我们定义在客户端的 MCP tools：接着我们再测试一下清空筛选条件功能：刷新页面在搜索条件中随意输入，接着点击 界面操作：见证奇迹的时候到了：原先有值的筛选条件被一一清空了，我们从对话中也能看到 MCP tools 被调用了：3. 代码浅析mcp-server 的代码是参考 tiny-agent/demo-server : cid:link_7tree/main/demo-server 实现：demo-server/.env.example — 示例环境变量，说明必须的配置项package.json — 依赖与运行/构建脚本tsconfig.json — TypeScript 编译配置（生产）tsconfig.dev.json — 开发用的 TypeScript 配置覆盖src/index.ts — 应用入口，配置加载与模块初始化proxy-server.ts — HTTP / WebSocket 代理与路由层（主服务）chat.ts — 聊天 / 会话逻辑（业务处理、上游适配）connector.ts — 上游连接适配器（HTTP/WebSocket 客户端封装）tiny-agent/demo‑server 是一个演示（demo）服务器模块，用于快速搭建后端服务，以便前端或其它客户端能够通过 Web 接口调用 tiny‑agent 的能力。通过它，我们可以看到一个完整的“Agent 服务端”如何接收请求、调用 Agent 模型、返回结果。整体流程为：客户端发送请求，服务端执行 Agent 推理，可能调用工具，然后将结果返回给客户端。前端AIChat 的实现代码主要都在 src/components/AIChat ，包含了 UI 层和 mcp tools 相关的实现，核心代码为：import { EndpointTransport, WebSocketClientEndpoint } from '@opentiny/tiny-agent-mcp-connector'; import { McpValidator } from '@opentiny/tiny-agent-mcp-service'; import { setupMcpService } from '@opentiny/tiny-agent-mcp-service-vue'; import { McpToolParser } from '@opentiny/tiny-agent-task-mcp'; import { useTaskScheduler } from './scheduler'; import mcpToolJson from './mcp-tool.json'; import mcpToolRegistry from '@/utils/mcpToolRegistry'; export function initMcp() { // Connector const wsEndpoint = new WebSocketClientEndpoint({ url: import.meta.env.VITE_CONNECTOR_ENDPOINT_URL }); const endpointTransport = new EndpointTransport(wsEndpoint); // MCP Service const mcpService = setupMcpService(); mcpService.mcpServer.connect(endpointTransport); // MCP Validatorß const mcpValidator = new McpValidator(); mcpService.setValidator(mcpValidator); // Task Scheduler const { taskScheduler, actionManager } = useTaskScheduler(); const doTask = async (task, opt) => taskScheduler.pushTask(task, opt); // MCP Tool Parser & mcp-tool.json const mcpToolParser = new McpToolParser(doTask); mcpToolParser.extractAllTools(mcpToolJson).forEach((tool) => { mcpService.mcpServer.registerTool(tool.name, tool.config, tool.cb); }); // 设置全局MCP工具注册管理器 mcpToolRegistry.setMcpService(mcpService); console.log('[MCP] MCP服务初始化完成，工具注册管理器已设置'); return { wsEndpoint, endpointTransport, mcpService, mcpValidator, taskScheduler, actionManager, mcpToolParser, }; } 实例化：import { initMcp } from './mcp'; const { endpointTransport, mcpValidator } = initMcp(); 完整代码请参考： https://gitcode.com/huqi-dev/RuoYi-Vue3至此，我们完成了基于华为开发者空间云开发环境（容器）探索前端智能化，后续待 OpenTiny 开源 WebAgent 实现，我们再分享基于 OpenTiny Next 的企业智能前端解决方案，我们相信以生成式 UI 和 WebMCP 两大自主核心技术为基础的OpenTiny Next ，势必能加速企业应用的智能化改造。我正在参加【案例共创】第8期 【案例共创】基于华为开发者空间云开发环境（容器）开发构建AI应用 https://bbs.huaweicloud.com/forum/thread-0282197603883890106-1-1.html

各位专家/开发者好，我们最近正在对 WAN 2.1 模型进行技术评估，在查阅了相关资料后，还有一些关于性能和部署细节的问题想向社区请教一下，希望能得到大家的指点。我们的问题主要有以下几点：1. 关于推理性能与延迟 (Inference Performance & Latency)在官方推荐的默认推理设置下（例如，使用 FP16 精度），处理单次推理请求的典型耗时是多久？2. 关于部署资源需求 (Hardware & Resource Requirements)要稳定运行 WAN 2.1 的推理服务，推荐的硬件配置是怎样的？3. 关于部署可行性与方式 (Deployment Feasibility)我们计划在ModelArts上进行部署。请问是否有官方或社区验证过的基础镜像可以直接使用？或者我们是否需要基于某个标准镜像（如 pytorch/pytorch）自行构建环境？感谢各位的宝贵时间和帮助！

当 AI 会 “思考”，人类该干啥？有人慌了：“AI 啥都会，我会不会失业？” 别急，AIGC 带来的不是危机，而是 “人机协作” 的新机遇。就像当年计算器发明后，会计没失业，反而能做更复杂的财务分析；现在 AIGC 能帮你写初稿，你负责润色创意；能帮你做设计草图，你负责赋予灵魂。李开复说过：“未来不会被 AI 取代的，是那些拥有‘创造力、共情力、复杂决策力’的人。”你在工作中会使用AIGC吗？ 欢迎在评论区讨论！

现在AI短剧盛行，成本低周期短，效率高。感觉人工不就就要被淘汰，你们怎么看

CPU和GPU设计上都有存储计算单元，那为啥因特尔追不过英伟达？

自然语言转SQL用传统AI小模型+模式匹配，效果好，还是用大模型效果更好

自然语言转SQL有哪些开源的产品，准确率咋样

89% 的美国学生承认使用 AI 做作业！你们觉得AI 对教育界而言是好还是不好？

大语言模型如果靠的是单词下一个词的概率来回答，那么如果发现回答错误，怎么纠正？

大模型靠概率来回答问题，那么怎么保证回答的准确？

AI对程序员的利与弊，谈谈你们的看法

网上看到这样一句话：AI已慢慢让程序员的代码能力变差，大家觉得呢？

diffusers库里针对diffusion中gpu显存优化的算子比如model_cpu_offload，在昇腾NPU上有无对应的迁移？