在开发者空间的终端内尝试打包测试镜像，执行 docker ps 或 docker build 时报错：Cannot connect to the Docker daemon at unix:///var/run/docker.sock. Is the docker daemon running?。排查情况：尝试执行 sudo systemctl start docker 启动服务，系统提示无 root/sudo 权限。诉求：请问当前开发者空间实例是否开放 Docker / DinD 环境支持？若需在实例内构建容器镜像，是否有推荐的免 root 工具或官方替代方案？感谢解答！

课程小组要同步今天做到哪一步。已经有华为云会议，控制台里还能看到华为云 WeLink。想确认：只发一句进度，用哪个更合适？需要共享屏幕看页面时，是不是改约会议？两种记录怎么留，才方便第二天接着看？练习账号和个人账号要不要分开？

刚看到右下角弹窗说开箱即用、Token 限免，就注册进来了。想请教几位已经在用的朋友：每天实际能稳定用多少 Token？主要拿来写代码、调模型，还是跑小 Agent 比较合适？体验版（数据不保留）和持久化版，新手第一次用选哪个更不容易踩坑？有没有人遇到过环境卡住、Token 突然扣很快的情况，怎么处理的？

前言各类生活服务、出行类应用在开发过程中，往往需要接入城市实时空气质量数据。自行对接多渠道环境数据源，需要处理数据同步、格式归一、定时更新等一系列工作，开发维护成本较高。空气质量查询接口可获取国内城市实时环境监测数据，快速为业务注入空气质量实况能力。核心能力覆盖国内数百座城市，提供实时空气质量监测数据；提供多维度空气质量查询：查询全国370个城市空气质量、按全国城市空气质量排行查询、PM数按IP查询、PM数据按城市查询；包含多项污染物浓度指标：AQI 空气质量指数、空气质量等级、首要污染物，以及 PM2.5、PM10、二氧化硫、二氧化氮、臭氧、一氧化碳等；每半小时更新全国最多367个城市空气质量。戳这里查看详情空气质量-全国城市空气质量查询根据城市查询对应的空气质量。由于国家只发布了370个大城市空气质量，因此查询小地区返回上一级主要城市的PM25情况。请求说明名称类型必须说明areaString是城市名称返回样例{ "code": 200,//返回码，详见返回码说明 "msg": "成功",//返回码对应描述 "taskNo": "325946705208507560688788",//本次请求号 "charge": true,//计费标志 "data": { "area": "杭州",//地区名 "o3": "22",//臭氧1小时平均，μg/m³ "area_code": "hangzhou", "num": "153",//排行 "pm10": "63",//颗粒物（粒径小于等于10μm）1小时平均，μg/m³ "co": "0.9",//一氧化碳1小时平均，mg/m³ "quality": "良好",//空气质量指数类别，有“优质、良好、轻度污染、中度污染、重度污染、严重污染”6类 "no2": "61",//二氧化氮1小时平均，μg/m³ "ct": "2024-11-02 23:10:00.012",//发布时间 "so2": "6",//二氧化硫一小时平均，μg/m³ "pm2_5": "34",//颗粒物（粒径小于等于2.5μm）1小时平均，μg/m³ "aqi": "57",//空气质量指数(AQI)，即air quality index，是定量描述空气质量状况的无纲量指数 "primary_pollutant": "颗粒物(PM10)",//首要污染物 "o3_8h": "79"//臭氧8小时滑动平均，μg/m³ } } 空气质量-全国城市空气质量排行榜查询全国367个城市的空气质量排行榜。返回样例{ "code": 200,//返回码，详见返回码说明 "msg": "成功",//返回码对应描述 "taskNo": "823469219158756173215449",//本次请求号 "charge": true,//计费标志 "data": { "list": [ { "area": "昌都",//地区名 "o3": "30",//臭氧1小时平均，μg/m³ "area_code": "changdou", "num": "1",//排行 "pm10": "15",//颗粒物（粒径小于等于10μm）1小时平均，μg/m³ "co": "0.6",//一氧化碳1小时平均，mg/m³ "quality": "优质",//空气质量指数类别，有“优质、良好、轻度污染、中度污染、重度污染、严重污染”6类 "no2": "12",//二氧化氮1小时平均，μg/m³ "ct": "2024-11-03 09:40:00.011",//发布时间 "so2": "6",//二氧化硫一小时平均，μg/m³ "pm2_5": "9",//颗粒物（粒径小于等于2.5μm）1小时平均，μg/m³ "aqi": "15",//空气质量指数(AQI)，即air quality index，是定量描述空气质量状况的无纲量指数 "primary_pollutant": "",//首要污染物 "o3_8h": "30"//臭氧8小时滑动平均，μg/m³ }, ...... ] } } 空气质量-PM数据-按城市查询查询单个城市及其下属的监测点的PM数据，包括AQI，空气质量，指数类别，首要污染物，PM 2.5，细颗粒物，PM 10，可吸入颗粒物， 一氧化碳， 二氧化氮， 臭氧1小时平均， 臭氧8小时平均， 二氧化硫等信息。每8小时更新367个城市下各个监测点相关详细PM数据。请求说明名称类型必须说明cityString是城市返回样例{ "code": 200,//返回码，详见返回码说明 "msg": "成功",//返回码对应描述 "taskNo": "518352325189267867664895",//本次请求号 "charge": true,//计费标志 "data": { "pm": { //PM结构数据 "area": "杭州",//城市名称 "o3": "24",//臭氧1小时平均，μg/m³ "area_code": "hangzhou", "num": "93",//排行 "pm10": "46",//颗粒物（粒径小于等于10μm）1小时平均，μg/m³ "co": "0.7",//一氧化碳1小时平均，mg/m³ "quality": "优质",//空气质量指数类别，有“优质、良好、轻度污染、中度污染、重度污染、严重污染”6类 "no2": "38",//二氧化氮1小时平均，μg/m³ "ct": "2024-11-03 09:40:00.011",//发布时间 "so2": "6",//二氧化硫一小时平均，μg/m³ "pm2_5": "31",//颗粒物（粒径小于等于2.5μm）1小时平均，μg/m³ "aqi": "42",//空气质量指数(AQI)，即air quality index，是定量描述空气质量状况的无纲量指数 "primary_pollutant": "",//首要污染物 "o3_8h": "11" //臭氧8小时滑动平均，μg/m³ }, "siteList": [ //下属的监测站的PM数据。此列表数据只在【单个城市PM】接入点中存在。 { "no2": "7", //二氧化氮1小时平均，μg/m³ "site_name": "市府大楼", //监测点名称 "ct": "2022-07-06 11:39:00.707",//发布时间 "o3": "59",//臭氧1小时平均，μg/m³ "so2": "9", //二氧化硫一小时平均，μg/m³ "pm2_5": "7",//颗粒物（粒径小于等于2.5μm）1小时平均，μg/m³ "aqi": "19",//空气质量指数(AQI)，即air quality index，是定量描述空气质量状况的无纲量指数 "pm10": "17", //颗粒物（粒径小于等于10μm）1小时平均，μg/m³ "primary_pollutant": "-",//首要污染物 "co": "0.6",//一氧化碳1小时平均，mg/m³ "quality": "优质", //空气质量指数类别，有“优、良、轻度污染、中度污染、重度污染、严重污染”6类 "o3_8h": "59" //臭氧8小时滑动平均，μg/m³ }, ...... ] } } 空气质量-PM数据-按IP查询根据ip查询单个城市及其下属的监测点的PM数据，包括AQI，空气质量，指数类别，首要污染物，PM 2.5，细颗粒物，PM 10，可吸入颗粒物， 一氧化碳， 二氧化氮， 臭氧1小时平均， 臭氧8小时平均， 二氧化硫等信息。每8小时更新367个城市下各个监测点相关详细PM数据。请求说明名称类型必须说明ipString是ip地址返回样例{ "code": 200,//返回码，详见返回码说明 "msg": "成功",//返回码对应描述 "taskNo": "569922565184110844672479",//本次请求号 "charge": true,//计费标志 "data": { "pm": { //PM结构数据 "area": "杭州",//城市名称 "o3": "24",//臭氧1小时平均，μg/m³ "area_code": "hangzhou", "num": "93",//排行 "pm10": "46",//颗粒物（粒径小于等于10μm）1小时平均，μg/m³ "co": "0.7",//一氧化碳1小时平均，mg/m³ "quality": "优质",//空气质量指数类别，有“优质、良好、轻度污染、中度污染、重度污染、严重污染”6类 "no2": "38",//二氧化氮1小时平均，μg/m³ "ct": "2024-11-03 09:40:00.011",//发布时间 "so2": "6",//二氧化硫一小时平均，μg/m³ "pm2_5": "31",//颗粒物（粒径小于等于2.5μm）1小时平均，μg/m³ "aqi": "42",//空气质量指数(AQI)，即air quality index，是定量描述空气质量状况的无纲量指数 "primary_pollutant": "",//首要污染物 "o3_8h": "11" //臭氧8小时滑动平均，μg/m³ }, "siteList": [ //下属的监测站的PM数据。此列表数据只在【单个城市PM】接入点中存在。 { "no2": "7", //二氧化氮1小时平均，μg/m³ "site_name": "市府大楼", //监测点名称 "ct": "2022-07-06 11:39:00.707",//发布时间 "o3": "59",//臭氧1小时平均，μg/m³ "so2": "9", //二氧化硫一小时平均，μg/m³ "pm2_5": "7",//颗粒物（粒径小于等于2.5μm）1小时平均，μg/m³ "aqi": "19",//空气质量指数(AQI)，即air quality index，是定量描述空气质量状况的无纲量指数 "pm10": "17", //颗粒物（粒径小于等于10μm）1小时平均，μg/m³ "primary_pollutant": "-",//首要污染物 "co": "0.6",//一氧化碳1小时平均，mg/m³ "quality": "优质", //空气质量指数类别，有“优、良、轻度污染、中度污染、重度污染、严重污染”6类 "o3_8h": "59" //臭氧8小时滑动平均，μg/m³ }, ...... ] } }

前言在人像业务开发中，经常需要识别图像内是否存在人脸，并获取人脸所在区域信息，用于人像裁剪、人脸预处理、内容筛查等环节。自研人脸检测模型开发门槛高，调优成本大。通过人脸检测接口，能够识别图片当中的人脸，输出人脸对应的位置信息，为人像类业务提供基础图像分析能力。核心能力可精准检测图像内出现的人脸区域，定位人脸坐标位置信息，支持多张人脸同时检测；能够适配实拍照片、证件照片、环境抓拍等多种人像画面；支持PNG、JPG、JPEG、BMP等格式；对不同光照、角度下的人脸具备良好识别效果。戳这里查看详情API介绍请求说明名称类型必须说明fileString否人脸照片文件，文件类型base64String否人脸照片Base64urlString否人脸照片urlfaceFieldString否包括age,expression,face_shape,gender,glasses,landmark,landmark150,quality,eye_status,emotion,face_type,mask,spoofing信息，逗号分隔.默认只返回face_token、人脸框、概率和旋转角度maxFaceNumInteger否最多处理人脸的数目，默认值为1，根据人脸检测排序类型检测图片中排序第一的人脸（默认为人脸面积最大的人脸），最大值120faceTypeString否人脸的类型，默认LIVE。LIVE表示生活照：通常为手机、相机拍摄的人像图片、或从网络获取的人像图片等IDCARD表示身份证芯片照：二代身份证内置芯片中的人像照片WATERMARK表示带水印证件照：一般为带水印的小图，如公安网小图CERT表示证件照片：如拍摄的身份证、工卡、护照、学生证等证件图片livenessControlString否活体控制，默认NONE， 检测结果中不符合要求的人脸会被过滤NONE: 不进行控制LOW:较低的活体要求(高通过率 低攻击拒绝率)NORMAL: 一般的活体要求(平衡的攻击拒绝率, 通过率)HIGH: 较高的活体要求(高攻击拒绝率 低通过率)faceSortTypeString否人脸检测排序类型,默认为0。0:代表检测出的人脸按照人脸面积从大到小排列1:代表检测出的人脸按照距离图片中心从近到远排列displayCorpImageString否是否显示检测人脸的裁剪图base64值，默认为00：不显示（默认）1：显示当取值为1时，max_face_num字段的取值上限按5计算，即最多可返回5张人脸的裁剪图关于合成图检测spoofing的判断阈值选择，可参考以下数值信息阈值误拒率（FRR）通过率（TAR）攻击拒绝率（TRR）0.000235%95%94.93%0.00048（推荐）1%99%89.71%0.000660.5%99.5%88.02%0.001090.1%99.9%84.57%0.001710.05%99.95%81.52%0.005470.01%99.99%65.52%关于以上数值的概念介绍：拒绝率（TRR）：如99%，代表100次作弊假体攻击，会有99次被拒绝。误拒率（FRR）：如0.5%，指1000次真人请求，会有5次因为活体分数低于阈值被错误拒绝。通过率（TAR）：如99%，指100次真人请求，会有99次因为活体分数高于阈值而通过。阈值（Threshold）：高于此数值，则可判断为是合成图攻击。返回样例{ "code": 200, "msg": "成功", "taskNo": "788988200161527391185660", "data": { "faceNum": 1,//检测到的图片中的人脸数量 "faceList": [//人脸信息列表，具体包含的参数参考下面的列表。 { "face_token": "35235asfas21421fakghktyfdgh68bio",//人脸图片的唯一标识 （人脸检测face_token有效期为60min） "location": {//人脸在图片中的位置 "left": 117,//人脸区域离左边界的距离 "top": 131,//人脸区域离上边界的距离 "width": 172,//人脸区域的宽度 "height": 170,//人脸区域的高度 "rotation": 4 //人脸框相对于竖直方向的顺时针旋转角，[-180,180] }, "spoofing":"",//判断图片是合成图的概率 "face_probability": 1,//人脸置信度，范围【0~1】，代表这是一张人脸的概率，0最小、1最大。其中返回0或1时，数据类型为Integer "angle" :{//人脸旋转角度参数 "yaw" : -0.34859421849251,//三维旋转之左右旋转角[-90(左), 90(右)] "pitch": 1.9135693311691,//三维旋转之俯仰角度[-90(上), 90(下)] "roll" :2.3033397197723 //平面内旋转角[-180(逆时针), 180(顺时针)] }, "landmark": [ //4个关键点位置，左眼中心、右眼中心、鼻尖、嘴中心。face_field包含landmark时返回 { "x": 161.74819946289, "y": 163.30244445801 } ], "landmark72": [ // 72个特征点位置 face_field包含landmark时返回 { "x": 115.86531066895, "y": 170.0546875 } ], "age": 29.298097610474,//年龄 ，当face_field包含age时返回 "expression": { //表情，当 face_field包含expression时返回 "type": "smile", //none:不笑；smile:微笑；laugh:大笑 "probability" : 0.5543018579483 //表情置信度，范围【0~1】，0最小、1最大 }, "gender": { //性别，face_field包含gender时返回 "type": "male", //male:男性 female:女性 "probability": 0.99979132413864 //性别置信度，范围【0~1】，0代表概率最小、1代表最大 }, "glasses": { //是否带眼镜，face_field包含glasses时返回 "type": "sun", //none:无眼镜，common:普通眼镜，sun:墨镜 "probability": 0.99999964237213 //眼镜置信度，范围【0~1】，0代表概率最小、1代表最大。 }, "face_shape": { //脸型，当face_field包含face_shape时返回 "type": "triangle", //square: 正方形 triangle:三角形 oval: 椭圆 heart: 心形 round: 圆形 "probability": 0.5543018579483 //置信度，范围【0~1】，代表这是人脸形状判断正确的概率，0最小、1最大。 }, "quality": {//人脸质量信息。face_field包含quality时返回 "occlusion": { //人脸各部分遮挡的概率，范围[0~1]，0表示完整，1表示不完整 "left_eye": 0,//左眼遮挡比例，[0-1] ，1表示完全遮挡 "right_eye": 0,//右眼遮挡比例，[0-1] ， 1表示完全遮挡 "nose": 0,//鼻子遮挡比例，[0-1] ， 1表示完全遮挡 "mouth": 0,//嘴巴遮挡比例，[0-1] ， 1表示完全遮挡 "left_cheek": 0.0064102564938366,//左脸颊遮挡比例，[0-1] ， 1表示完全遮挡 "right_cheek": 0.0057411273010075,//右脸颊遮挡比例，[0-1] ， 1表示完全遮挡 "chin_contour": 0 //下巴遮挡比例，，[0-1] ， 1表示完全遮挡 }, "blur": 1.1886881756684e-10,// 人脸模糊程度，范围[0~1]，0表示清晰，1表示模糊 "illumination": 141,//取值范围在[0~255], 表示脸部区域的光照程度 越大表示光照越好 "completeness": 1, //人脸完整度，0或1, 0为人脸溢出图像边界，1为人脸都在图像边界内 "livemapscore": 1 //单张图片的活体得分范围[0~1], liveness_control包含NORMAL时返回 } } ] } }

前言文本处理类业务开发过程中，经常会遇到文本格式不统一的问题，例如简繁字体混杂、全角半角符号错乱、需要把汉字内容映射为拼音等场景。依靠代码自行实现各类转换逻辑开发工作量大，还需要维护庞大字库。调用汉字转换接口，一站式完成多种文本格式变换，高效解决文本标准化处理需求，保障业务文本输出规范统一。核心能力一站式支持多种汉字与符号转换能力，覆盖汉字转拼音、简体转繁体、繁体转简体、半角转全角、全角转半角五大转换能力；汉字转拼音可输出完整拼音内容；简繁互转适配常用汉字词汇，兼顾词语语境转换效果；全角半角互换实现标点、数字、符号格式归一。戳这里查看详情汉字转换-汉字转拼音将汉字转成拼音请求说明名称类型必须说明contentString是需要转换的中文字符串返回样例{ "code": 200,//返回码，详见返回码说明 "msg": "成功",//返回码对应描述 "taskNo": "943561559146746068049664",//本次请求号 "data": { "simple": "h z",//简写拼音 "pinyin": "han zhong" //拼音信息，中间用空格隔开 } } 汉字转换-简体转繁体将简体字转换成繁体字请求说明名称类型必须说明contentString是需要转换的中文字符串返回样例{ "code": 200,//返回码，详见返回码说明 "msg": "成功",//返回码对应描述 "taskNo": "658579500175244274321062",//本次请求号 "data": { "result": "漢中" //转换后的字符串 } } 汉字转换-繁体转简体将繁体字转换成简体字请求说明名称类型必须说明contentString是需要转换的中文字符串返回样例{ "code": 200,//返回码，详见返回码说明 "msg": "成功",//返回码对应描述 "taskNo": "658579500175244274321062",//本次请求号 "data": { "result": "汉中" //转换后的字符串 } } 汉字转换-半角转全角将半角转全角请求说明名称类型必须说明contentString是需要转换的中文字符串返回样例{ "code": 200,//返回码，详见返回码说明 "msg": "成功",//返回码对应描述 "taskNo": "658579500175244274321064",//本次请求号 "data": { "result": "汉中）" //转换后的字符串 } } 汉字转换-全角转半角将全角转半角请求说明名称类型必须说明contentString是需要转换的中文字符串返回样例{ "code": 200,//返回码，详见返回码说明 "msg": "成功",//返回码对应描述 "taskNo": "658579500175244274321072",//本次请求号 "data": { "result": "汉中)" //转换后的字符串 } }

1       概述1.1       案例介绍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。与「单 Agent 大而全」的思路不同，EduSwarm 遵循 「先拆角色 → 再定流程 → 最后配信号」 的多智能体设计原则：每个 Agent 只做自己最擅长的一件事，由 LEADER 教研组长统一调度，知识库按 Agent 隔离、互不越界。1.2       核心价值·开发侧：基于 jiuwenSwarm 二次开发，针对垂类场景，提供个性化多智能体协同方案。依托华为云 AI 开发者空间提供的工具链，零成本快速云上验证想法和可落地。·教师侧：通过 EduSwarm 平台操作 Agent 做课团队实现课程、课件设计，老师作为决策角色，工作中心放在课程选题、授课，提高老师教学效率。·学生侧：提供课堂互动、Agent答疑、课后作业答疑、提交，解决学生课堂知识点疑惑，来不及向老师提问，课后疑惑难找到讲解等问题。1.1       案例流程说明： 1、登录华为云 AI 开发者空间拉起 AI SHELL2、与 AI SHELL 会话 从GitCode 克隆项目3、自然语言输入提示词完成 EduSwarm 部署2 环境准备2.1       前置条件1、本案例用AI SHELL通过自然语言方式，在华为云上创建ECS等云资源安装部署EduSwarm 平台，需先注册华为云账号并完成实名认证。由于ECS等云资源按需计费，个人账户金额不能为0，需要在为账户充值1元作为保证金2、保证金去向：若华为云账户中有云资源代金券可用于云资源消费抵扣，则保证金在释放创建的云资源24小时之内解冻后可提现；若华为云账户中无云资源代金券或代金券不可用于相关云资源的消费抵扣，则实际扣费个人账户资金（1元可能不够）。备注：充值中心代金券查询2.2     项目地址AI 办公最佳实践EduSwarm-AI智慧课堂工作台2.3      如何免费获得华为云代金券完成 AI 办公实践中心任务，即可获得积分，积分可在开发者成长中心可兑换代金券。3       快速部署体验3.1        快速开始进入AI办公实践中心，找到「EduSwarm · AI 智慧课堂工作台」实践点击进入后打开 AI SHELL，将下方提示词发给 AI SHELL，自动完成云主机创建 + EduSwarm 容器部署，全程自动执行、无需逐步确认。部署提示词：帮我创建 ECS 并部署容器，全程自动执行（plan 通过后直接 apply，无需我确认），最后汇总各阶段耗时。 区域：cn-north-4可用区：自动选择计费模式：按需 ECS：s6.large.2（2vCPU/4GB），Ubuntu 22.04 server 64bit，40GB SAS 系统盘，5Mbit/s EIP新建 VPC（192.168.0.0/16）和子网（192.168.0.0/24）SSH 用户：rootSSH 密码：纯大小写字母+数字（不要特殊字符，避免 cloud-init 注入失败），至少 16 位 Docker：apt-get install -y docker.io docker-compose（用 Ubuntu 自带源，不要用 Docker 官方源，GPG 密钥在华为云 ECS 内可能无法验证） 镜像：swr.cn-north-4.myhuaweicloud.com/wsm/eduswarm:latest 容器启动：docker run -d --name eduswarm --restart=always \  -p 5173:5173 -p 18092:18092 -p 19000:19000 -p 19001:19001 -p 19200:19200 \  swr.cn-north-4.myhuaweicloud.com/wsm/eduswarm:latest 安全组放行端口（TCP）：22    SSH5173  Web 前端（HTTP）18092 AgentServer（WebSocket）19000 WebChannel（WebSocket）19001 Gateway（WebSocket）19200 edu REST 网关 验证：curl http://<EIP>:5173 返回 HTTP 200耗时统计：Terraform apply、Docker 安装、镜像拉取、容器启动、总耗时1、在 AI 办公实践中心，找到实践体验模块并选择 AI 智慧课堂工作台实践案例 > “前往AI DevSpace实践”。 2、进入 AI DevSpace 找到并打开 AI SHELL，将对话框左下方的 mode 修改为 Auto后，在会话框输入前面提供的部署提示词，即可开始 EduSwarm 安装部署。3、部署完成后，浏览器打开 http://<云主机IP>:5173 进入 EduSwarm 教师端工作台（学生同地址输课堂码加入），体验 AI 课程团队教学制作与授课。4、进入 EduSwarm 界面并完成模型配置4  EduSwarm实践体验4.1        EduSwarm介绍平台架构：教学 Agent 团队：全部教学 Agent 自动使用工作台配置的主模型，可在 Agent 配置中心单独覆盖模型/人设/知识库/挂载 Skill。4.2        EduSwarm使用1、对话测试配置好模型后打开一个会话任务，发送“你好”测试平台是否正常。2、使用教学Agent团队完成《数据结构基础》课程设计。讲会话模式切换为“集群模式”后输入以下提示词：请基于仓库cid:link_2.git中的《教案_数据结构.md》，帮我做《数据结构基础》单元教学闭环：教案+课件+习题+配套作业。3、教学Agent团队执行完任务后会输出4个课程设计文件可继续让AI帮你把输出的课程文件制作为课件4、创建班级&添加学生 点击创建的班级，完成学生添加5、创建课堂6、开始上课·进入课堂管理，获得课堂码·为学生提供课堂链接和课堂码·学生输入课堂码等信息进入课堂·老师进入课堂后点击进行上课 进入课堂管理，获得课堂码学生端使用课堂码、学号、姓名等信息进入课堂开始上课课堂辅助答疑随堂测试课堂总结5        释放云资源案例体验完成后，给 AI SHELL 发送如下提示词释放创建的云资源，避免持续扣费。提示词：“帮我释放今天创建的所有云资源”6  问题&建议反馈1、实操故障或优化建议，可在项目中通过issue提交，我方将及时跟进处理，同时欢迎一起共创此案例。2、欢迎提供垂类应用场景问题，加入我们一起共创。3、更多实践请访问AI办公最佳实践仓库 OR AI办公实践中心

各种名词太多，眼花缭乱，有什么定义的顺序和智能的学习快速的方法？比如鼠标点到可以智慧提示

aishell 我一直是在线的，我眼睁睁看着他就是突然一下重置了，然后我的源码丢了，丢了很多版本的更新.能帮助恢复一下吗，实在不想重新踩很多很多坑。

aishell 我一直是在线的，我眼睁睁看着他就是突然一下重置了，然后我的源码丢了，丢了很多版本的更新.能帮助恢复一下吗，实在不想重新踩很多很多坑。

一、概述1.1 案例介绍小微企业是国民经济的毛细血管，但在数字化转型的浪潮中，它们往往面临着"想用不敢用、敢用不会用"的窘境。市面上的SaaS管理工具要么价格高昂让小企业望而却步，要么功能臃肿不符合实际需求。客户信息散落在Excel表格中，订单流转靠微信群里来回确认，数据孤岛让管理者无法及时掌握经营全貌。如何低成本、高效率地构建一套贴合自身业务的客户与订单管理系统，成为小微企业数字化突围的第一道关卡。本案例旨在通过AI驱动的智能开发方式，帮助小微企业快速构建专属SaaS管理工具，打通客户管理与订单流转的数字化链路。本案例采用华为云码道（CodeArts）代码智能体作为核心开发工具，通过华为云码道（CodeArts）代码智能体AgentTeam模式从需求讨论、架构设计到代码实现全流程AI驱动开发。码道自动完成需求规格说明、设计文档、任务分解，并按计划执行开发、测试与修复。结合UI-UX-Pro-Max技能实现专业级界面设计优化，PlayWright CLI技能完成E2E自动化测试与Bug修复，最终通过开发者空间 AI Shell一键部署至云端ECS，实现从代码到上云的完整闭环。案例技术选型：华为云码道（CodeArts）代码智能体：集代码大模型、AI IDE、Code Agent为一体的智能编码产品。理解项目需求，懂得编码之道，善用百器的实干派AI研发砖家。本案例中作为核心开发工具，通过智能体模式实现从需求到部署的全流程AI驱动开发。开发者空间 AI Shell：华为开发者空间提供的云端AI命令行工具，支持自然语言交互，可自动执行云资源规划、Terraform配置和部署操作。本案例中用于将KeCloud应用一键部署至华为云ECS。1.2 适用对象个人开发者高校学生企业开发者1.3 案例时间本案例总时长预计120分钟。1.4 案例流程说明：华为云码道安装部署与环境配置；安装PlayWright CLI和UI-UX-Pro-Max技能；码道智能体AgentTeam模式研发KeCloud系统；页面优化、E2E测试与Bug修复；代码上传至代码仓；AI Shell云端部署应用，访问验证。1.5 资源总览本案例预计花费20元。资源名称规格单价（元）华为云码道（CodeArts）代码智能体体验版免费开发者空间 AI Shell标准配置免费华为云资源ECS/EIP/VPN等20（按需）二、环境和资源准备2.1 基础环境准备参考案例《AI IDE华为云码道（CodeArts）代码智能体安装部署》，完成Windows版码道安装部署。打开码道终端，输入如下指令确认本地已安装Python/Node.js：python --versionnode --versionnpm --version注：若本地未安装，可参考案例《SKILL快速构建你的Java、Python和Node.js开发环境》完成搭建。安装并验证PlayWright CLI：npm install -g @playwright/cli@latest # 安装playwright cliplaywright-cli --help # 验证playwright cli2.2 安装PlayWright CLI技能开启码道Agent Space，切换AgentTeam模式，输入以下提示词安装playwright-cli-automation skill：帮我从gitCode上下载https://gitcode.com/sinat_41661654/playwright-cli-automation.git，并将该skill加载至 ~/.codeartsdoer/skills 码道的个人级skill。2.3 安装UI-UX-Pro-Max技能继续对话码道，安装UI-UX-Pro-Max技能：帮我从gitCode上下载https://gitcode.com/u014005316/ui-ux-pro-max，并将该skill加载至 ~/.codeartsdoer/skills 码道的个人级skill。等待码道自动完成下载与配置，可在设置 > 技能中查看。三、码道研发KeCloud系统3.1 需求讨论、设计与研发继续使用码道AgentTeam模式，输入需求进行分析讨论：我想做一个面向小微企业的SaaS工具，帮助用户管理客户和订单。我们一起来讨论下，项目的原始需求。码道完成需求分析，输出需求文档v1.0：继续对话码道，添加后续项目部署要求：我后期将使用华为云资源部署项目，需求文档中要留好设置和说明。码道更新需求文档，确认开始开发。码道自动完成需求、设计、任务计划等文档编写，并按tasks.md执行开发与测试。完成后运行程序：运行程序项目启动成功，浏览器访问效果如下：3.2 页面优化、测试与bug修复第一版页面效果欠佳，使用UI-UX-Pro-Max技能优化：请调用ui-ux-pro-max skill，帮我重新设KeCloud应用，包括动画、配色、布局、组件样式等。页面简单整洁，逻辑清晰，操作简便。使用PlayWright CLI技能进行E2E测试并修复Bug：请调用playwright-cli-automation skill帮我规划设计KeCloud应用的E2E测试，并自行设计开发测试用例，执行测试用例，修改bug。优化与修复完成后，填充测试数据并重启：在数据库各个表中填充一些数据，然后重启程序。数据填充完成，最终效果如下：3.3 代码仓创建与上传登录AtomGit，点右上角的“+新建”，选新建项目，填写项目名称（例：KeCloud），勾选“添加初始化README文件”，选择“公开项目”，点创建项目。项目创建后，复制Clone地址，对话码道生成README并上传代码：帮我总结项目，生成README文档，并将代码上传至https://gitcode.com/sinat_41661654/KeCloud.git码道自动完成代码上传。四、对话AI Shell，线上部署应用4.1 下载源码登录华为开发者空间，点击AI Shell图标启动云端环境，下载源码：帮我下载https://gitcode.com/sinat_41661654/KeCloud.git到本地4.2 规划资源继续对话AI Shell，分析部署所需资源：我想将系统部署到ECS上，帮我分析并罗列一下项目部署的所需资源。4.3 部署项目选用经济方案，继续对话AI Shell生成Terraform配置：请使用通用型 s6.large.2(2vCPU/4GB)、Ubuntu 22.04 ECS，单机 Docker Compose 方案生成Terraform配置继续对话AI Shell，执行Terraform部署华为云资源：请使用以上配置，执行terraform apply继续对话AI Shell，连接ECS并部署应用：帮我连接到ECS并部署应用4.4 访问页面部署成功，通过EIP访问应用：4.5 清除云资源（重要）云服务器按需计费，体验完成后及时释放资源：帮我清理所创建的华为云资源至此，AI Shell上云：码道AgentTeam驱动小微企业SaaS全链路实战案例结束，各位小伙伴快来开发者空间 AI Shell和华为云码道（CodeArts）代码智能体体验吧！我正在参加【案例共创】【第12期】基于华为云AI Shell完成云资源管理、云服务运维和应用部署。

为深化教育部产学合作协同育人项目建设，推动昇腾国产AI技术融入高校《深度学习》核心课程，7月3日，广东工业大学计算机学院成功举办《华为昇腾云与（深度学习）课程融合及实战师资培训》。来自全校各学院50余名骨干教师齐聚现场，完成一整天系统化理论学习与工程实操实训，打通产业前沿技术与课堂教学的落地通道。本次培训由计算机学院陈云华副教授牵头筹备，配套华为官方全套标准化教学资源，设置理论筑基、项目实战、高校生态宣讲三大核心环节，兼顾教学改革落地性与工程实操实用性。第一阶段：昇腾AI全栈理论教学讲师系统讲解昇腾五层全栈技术架构，从昇腾芯片、CANN 异构架构、MindSpore 全场景框架，到ModelArts一站式开发平台、开发者空间实训环境逐层拆解；同步分享广工36学时《深度学习》校企融合课程完整方案，配套华为官方课件、实验手册、教学案例库，覆盖神经网络、Transformer、大模型、生成式AI等全部教学章节，助力教师快速完成课程迭代升级。第二阶段：两大完整实战案例上机演练MaaS大模型应用实战：通过华为开发者空间1元申领千万DeepSeek Tokens代金券，学习远程云开发容器搭建、模型服务开通、API密钥配置，从零基于Python+Gradio开发 AI 对话网页助手，完整掌握高校大模型实训课落地方案，无需本地高配置设备；YOLOv5计算机视觉实训：依托 ModelArts Notebook云端环境，完成数据集导入、模型训练、权重保存、目标推理全流程实操，提供开箱即用实验代码，可直接用于课堂实验、课程设计教学。实操环节规避本地环境配置复杂、硬件不足、版本冲突等教学痛点，参训教师现场动手完成完整项目，实操门槛低、可直接迁移至日常教学。培训最后，华为云高校生态团队面向参会老师全面解读华为云面向高校的全周期育人生态：码道代码智能体、开发者成长中心、圈层培养计划、华为云学科竞赛、产教融合课程及科研支持等配套权益，覆盖教师备课、学生实训、学科竞赛、科研开发全场景。本次师资培训以教育部产学协同育人项目为载体，实现国产昇腾根技术与高校深度学习课程深度融合，提供可复制的师资研修、课程共建样板。未来华为云将牵手高校，常态化开展师资研修、学生实训营、学科竞赛联合培育活动，依托完整产教资源，持续培养贴合数字产业需求的人工智能复合型人才。

一、案例概述1.1 为什么要关注云成本？很多开发者上云后都会遇到这样的困惑：*月底收到账单，发现花费远超预期，却想不起开了哪些资源；*测试环境用完忘记关，持续扣费好几天；*想查一下本月花了多少钱，还得登录控制台一层层点进去翻。这些场景在实际开发中非常常见，也是很多个人开发者和中小企业实实在在的痛点。本案例将带你使用华为云AI Shell，通过自然语言对话的方式，完成以下任务：查询账户余额和账单明细识别闲置资源和潜在浪费设置预算预警一键清理测试资源最关键的一点：整个过程中，AI Shell本身完全免费，所有操作都是查询和分析已有资源，不会产生额外费用。1.2 适用对象个人开发者中小企业运维人员对云成本敏感的上云用户1.3 预计时长约45分钟1.4 所需资源资源名称规格费用AI Shell体验版免费CES监控服务基础指标查询免费已有ECS/EVS等资源用于查询分析不额外创建二、准备工作：进入AI Shell环境2.1 登录开发者空间访问华为云开发者空间官网点击右上角“登录”，使用华为云账号完成登录从左侧侧边栏找到 AI Shell 快捷入口，一键拉起2.2 首次使用配置首次使用AI Shell时，系统会提示：是否同意将您的临时访问凭据(AK/SK) 同步至AI Shell环境，免手动配置直接使用？此临时凭据仅在您的沙箱环境中存储，不会上传至任何第三方服务器您可以通过hwcloud logout命令清除已同步的凭据点击“同意”即可，无需手动配置AK/SK，系统会自动完成身份认证。2.3 确认环境就绪在AI Shell对话框中输入以下内容，测试是否正常工作：请简单介绍一下你是谁？你具备哪些技能？如果AI Shell正常回复，说明环境已就绪，可以开始后续操作。三、阶段一：账单总览查询3.1 查询账户余额在AI Shell对话框中输入：查询我的华为云账户余额AI Shell会自动调用账单查询技能，返回当前账户余额信息，包括现金余额、奖励金额等。3.2 查询本月账单汇总继续输入：查询我2026年7月的账单汇总，按产品类型统计AI Shell会返回本月各云服务的消费金额，并自动汇总。你可以看到哪些产品花钱最多——比如HCSS、云市场等。实操提示：如果当前月份还没产生费用，可以查询上一个完整月份的数据，将指令中的“2026年7月”替换为实际月份即可。3.3 查看账单明细想进一步了解某笔费用的具体来源？输入：查询2026年6月的资源消费明细AI Shell会返回每笔扣费的详细记录，包括：产品类型资源类型资源名称/规格区域消费金额*末尾都会进行总计汇总，非常的清晰。四、阶段二：闲置资源识别成本优化的第一步是“找到不该花的钱”。很多开发者开了ECS测试，用完就忘了关，这种闲置资源是云成本浪费的主要来源。4.1 查询所有ECS实例状态输入：查询我当前所有ECS实例的列表，包括状态、规格和创建时间AI Shell会返回所有ECS实例的清单，你可以看到哪些实例是“运行中”，哪些是“已停止”。（目前我只部署了常用的测试服务器，不用的就清理，不占用资源，保持良好习惯。）4.2 识别低负载实例要找出“开了但几乎没用”的资源，需要结合监控数据。输入：帮我找出北京区域所有运行中但CPU使用率持续低于10%的ECS实例AI Shell会调用CES监控技能，查询各实例的CPU使用率历史数据，筛选出低负载实例。（我北京地区没有实例，输出结果也正确）4.3 识别未绑定的EIP公网IP即使没有绑定ECS，也会持续计费。输入：查询我所有未绑定云资源的弹性公网IP（EIP）列表如果发现有未绑定的EIP，说明有一笔“白白花钱”的费用，可以考虑释放。实操提示：这些查询都不会产生费用，只是读取已有数据进行分析。五、阶段三：成本归属分析5.1 按企业项目归集成本如果你的资源分散在不同项目中（比如开发环境、测试环境、生产环境），成本归属分析能帮你清楚看到各项目的花费。输入：查询本月账单，按企业项目维度统计费用5.2 识别未归集资源有些资源创建时没有绑定企业项目，会导致成本无法归属。输入：找出所有未绑定企业项目的云资源AI Shell会返回未绑定企业项目的资源清单，你可以据此进行整改。六、阶段四：设置预算预警6.1 配置预算告警提前设好预算，避免月底收到“惊喜账单”。输入：帮我设置一个本月费用预算，总额500元，当消费超过80%（400元）时通过邮件通知我AI Shell会调用SMN（消息通知）服务，自动配置预算告警规则。但如果安装的是只读类，那他就无法进行执行和配置，但是会返回信息告知你如何进行操作。如上图所示。注意：SMN服务会按通知条数收取少量费用，预计全年不超过5元，属于可忽略的成本。6.2 查看当前消费进度随时掌握本月已用额度：查询本月已消费金额，以及剩余预算这里的预算使用率，会很直观的告知你是否超支。引起你的注意。七、阶段五：一键清理测试资源如果之前创建过测试环境的资源，使用完毕后及时清理，可以避免持续计费。7.1 确认待清理资源首先列出所有可以清理的资源：列出我所有运行中但非生产环境的ECS实例7.2 执行清理确认无误后，输入：帮我释放实例ID为[实例ID]的ECS，并确认释放成功AI Shell会执行资源释放操作，并返回结果。因为我目前没有需要清理的，所以这里我就不演示了，大家按需求执行即可。安全提示：执行清理操作前，务必确认资源上没有重要数据建议先对关键资源做快照或备份释放操作不可逆，请谨慎操作【案例共创】【第12期】基于华为云AI Shell完成云资源管理、云服务运维和应用部署

开发者空间中应用认证的有关于认证平台为华为云Stack平台和华为云Stack平台（鲲鹏），应用id=37b203809ff04432ace8cbcbfb75954e的认证申请是选错平台提交，且被评审通过，需要撤回终止，再提交申请认证平台为华为云公有云平台（鲲鹏）和华为云公有云平台的认证申请。麻烦工程师协助下处理

若需在华为云开发者空间案例中心（cid:link_0）发布实践案例，可参照以下模板进行内容创作，能显著提升案例审核通过率。模板地址：muban:案例中心写作模板 - AtomGit