- 本文由云软件体验技术团队郑志超原创。版本速览v3.29.0 版本带来了：组件无障碍信息全面完善 - 组件智能化必备新增tag-input组件- 轻松管理多标签输入，灵活适配任意场景65+ Bug + 优化修复 - 稳定性大幅提升详细的 Release Notes 请参考：https://github.com/opentiny/tiny-vue/releases/tag/v3.29.0新贡献者... 本文由云软件体验技术团队郑志超原创。版本速览v3.29.0 版本带来了：组件无障碍信息全面完善 - 组件智能化必备新增tag-input组件- 轻松管理多标签输入，灵活适配任意场景65+ Bug + 优化修复 - 稳定性大幅提升详细的 Release Notes 请参考：https://github.com/opentiny/tiny-vue/releases/tag/v3.29.0新贡献者...
- 给 Agent 接入工具之后，最常见的问题不是模型不够聪明，而是工具调用失败：网络超时、接口限流、参数格式不对、返回结果为空。一次失败如果直接抛给用户，体验就断了；如果无脑重试，又可能把一次小故障放大成重复扣费或重复写库。本文分享一套实用的重试与兜底做法。一、先给失败分个类，再决定怎么处理。不是所有失败都值得重试。第一类是临时性失败，比如网络超时、服务 503、限流 429。这类失败重试大概... 给 Agent 接入工具之后，最常见的问题不是模型不够聪明，而是工具调用失败：网络超时、接口限流、参数格式不对、返回结果为空。一次失败如果直接抛给用户，体验就断了；如果无脑重试，又可能把一次小故障放大成重复扣费或重复写库。本文分享一套实用的重试与兜底做法。一、先给失败分个类，再决定怎么处理。不是所有失败都值得重试。第一类是临时性失败，比如网络超时、服务 503、限流 429。这类失败重试大概...
- 随着智能体（Agent）系统的爆发，强化学习（RL）环境成为衡量与提升模型能力的核心基础设施。Hugging Face Hub 正式支持 RL 环境生态，通过解耦“任务数据集”与“执行运行时”，打破各研究框架的孤岛壁垒，为全球开发者提供标准化、版本化的 RL 环境托管与发现平台。 随着智能体（Agent）系统的爆发，强化学习（RL）环境成为衡量与提升模型能力的核心基础设施。Hugging Face Hub 正式支持 RL 环境生态，通过解耦“任务数据集”与“执行运行时”，打破各研究框架的孤岛壁垒，为全球开发者提供标准化、版本化的 RL 环境托管与发现平台。
- 用 AI 智能体做长任务时，最常见的翻车不是模型不够聪明，而是它记不住、或者记错了。上周我让一个 Agent 跟进一个持续三天的调研任务，第一天结论很清楚，第三天它却把早已否决的方案又翻出来当新发现推荐。问题不在推理，而在记忆管理：没有分层、没有过期、没有核对。第一层：把记忆分三类，不要全塞进提示词。我现在的做法是把记忆分成三类。第一类是事实：用户确认过的偏好、已验证的结论、关键数字和链接，... 用 AI 智能体做长任务时，最常见的翻车不是模型不够聪明，而是它记不住、或者记错了。上周我让一个 Agent 跟进一个持续三天的调研任务，第一天结论很清楚，第三天它却把早已否决的方案又翻出来当新发现推荐。问题不在推理，而在记忆管理：没有分层、没有过期、没有核对。第一层：把记忆分三类，不要全塞进提示词。我现在的做法是把记忆分成三类。第一类是事实：用户确认过的偏好、已验证的结论、关键数字和链接，...
- 最近社区里多 Agent 协作的文章越来越多：有的用几个专职 Agent 分工做一个完整网站，有的用一条流水线在半小时内做出一个小游戏。热闹归热闹，真正把任务交出去的时候，成败往往不在模型够不够强，而在开始之前有没有把约定定好。下面这五个约定，是我从这类实践里提炼出来的通用做法，和具体用哪个平台、哪个框架无关。一、先把“完成”写清楚，再谈分工多 Agent 最常见的翻车，是每个 Agent ... 最近社区里多 Agent 协作的文章越来越多：有的用几个专职 Agent 分工做一个完整网站，有的用一条流水线在半小时内做出一个小游戏。热闹归热闹，真正把任务交出去的时候，成败往往不在模型够不够强，而在开始之前有没有把约定定好。下面这五个约定，是我从这类实践里提炼出来的通用做法，和具体用哪个平台、哪个框架无关。一、先把“完成”写清楚，再谈分工多 Agent 最常见的翻车，是每个 Agent ...
- 以下场景为虚构，用于说明方法，不是我真实项目的经历。假设要在一周内开发一个社区团购接龙小程序：用户接龙下单、团长统计、到货通知。为了赶时间，派 4 个 Agent 并行：A 做后端接口、B 做小程序前端、C 做统计与通知、D 做测试验收。活派出去只用了十分钟，但最后真正花时间的地方，全在验收上。一、派活之前，先把任务书写到“可验收”每个子任务只写一句话目标加一条验收标准。比如 A 的任务不是... 以下场景为虚构，用于说明方法，不是我真实项目的经历。假设要在一周内开发一个社区团购接龙小程序：用户接龙下单、团长统计、到货通知。为了赶时间，派 4 个 Agent 并行：A 做后端接口、B 做小程序前端、C 做统计与通知、D 做测试验收。活派出去只用了十分钟，但最后真正花时间的地方，全在验收上。一、派活之前，先把任务书写到“可验收”每个子任务只写一句话目标加一条验收标准。比如 A 的任务不是...
- 最近我把越来越多长任务交给智能体做，慢慢发现一个规律：单个智能体再强，也有上下文和注意力的上限；真正能撑起长任务的，是分工。一个主 Agent 负责拆任务、把关结果，几个子 Agent 各做一块，最后由主 Agent 汇总验收。这套打法我跑通了几次，分享三个关键点。一、拆任务要按“可验收”切，不要按“步骤”切新手拆任务常按流程切：第一步干嘛、第二步干嘛。但流程切法有个毛病——子任务之间互相等... 最近我把越来越多长任务交给智能体做，慢慢发现一个规律：单个智能体再强，也有上下文和注意力的上限；真正能撑起长任务的，是分工。一个主 Agent 负责拆任务、把关结果，几个子 Agent 各做一块，最后由主 Agent 汇总验收。这套打法我跑通了几次，分享三个关键点。一、拆任务要按“可验收”切，不要按“步骤”切新手拆任务常按流程切：第一步干嘛、第二步干嘛。但流程切法有个毛病——子任务之间互相等...
- 工具调用的失败恢复不能靠统一重试。本文按链路拆解失败点，给出错误三分类、框架侧幂等键、补偿登记表与 attempt 级 trace 的具体做法，解决重试风暴、重复下单与失败不可定位。 工具调用的失败恢复不能靠统一重试。本文按链路拆解失败点，给出错误三分类、框架侧幂等键、补偿登记表与 attempt 级 trace 的具体做法，解决重试风暴、重复下单与失败不可定位。
- RAG 的质量差距多来自检索链路三处隐性成本：分块粒度决定召回噪声，重排开销随 top_k 线性增长，上下文膨胀推高延迟与费用。文中给出各环节的判断标准与可落地参数，含块大小、overlap、top_k/top_n 与 token 预算。 RAG 的质量差距多来自检索链路三处隐性成本：分块粒度决定召回噪声，重排开销随 top_k 线性增长，上下文膨胀推高延迟与费用。文中给出各环节的判断标准与可落地参数，含块大小、overlap、top_k/top_n 与 token 预算。
- 导读：Apache Doris 5.0 多模湖仓预告（8）｜技术解析篇：本文介绍了 Apache Doris 与 Lance 结合实现的关键优化——延迟物化（Lazy Materialization，两阶段读取）。该技术将仅用于最终输出的宽列推迟到 TopN 筛选之后按需读取，大幅减少落选候选的读取、解码与传输开销。实测表明，在亿级向量检索场景下，两阶段读取可带来 6 倍以上的端到端查询加速... 导读：Apache Doris 5.0 多模湖仓预告（8）｜技术解析篇：本文介绍了 Apache Doris 与 Lance 结合实现的关键优化——延迟物化（Lazy Materialization，两阶段读取）。该技术将仅用于最终输出的宽列推迟到 TopN 筛选之后按需读取，大幅减少落选候选的读取、解码与传输开销。实测表明，在亿级向量检索场景下，两阶段读取可带来 6 倍以上的端到端查询加速...
- 用 AI 智能体工具跑任务跑了一段时间，最大的体会是：结果质量七成取决于提示词怎么写。下面五个要点，是我反复验证后留下来的写法。 一、目标、标准、边界一次说全不要只说“帮我看看”，要把三件事一次讲清：做什么、做到什么程度算完成、哪些事不能做。比如：“打开活动页，按教程把四份提示词依次执行；第二份做完确认积分到账；需要充值付费的步骤直接停下。”目标完整，Agent 才能自主规划；边界清楚，才不... 用 AI 智能体工具跑任务跑了一段时间，最大的体会是：结果质量七成取决于提示词怎么写。下面五个要点，是我反复验证后留下来的写法。 一、目标、标准、边界一次说全不要只说“帮我看看”，要把三件事一次讲清：做什么、做到什么程度算完成、哪些事不能做。比如：“打开活动页，按教程把四份提示词依次执行；第二份做完确认积分到账；需要充值付费的步骤直接停下。”目标完整，Agent 才能自主规划；边界清楚，才不...
- 导读：AI测试用例生成是指利用大语言模型（LLM）与约束求解技术，融合需求文档、源代码和历史缺陷三类数据，自动生成高质量、可执行测试用例的技术。本文介绍的“AI驱动的自动化测试用例生成方法及系统"（专利号：ZL202611022773.9）通过"多源融合建模 → 风险驱动规划 → LLM混合生成 → 覆盖贡献精简 → 脚本化部署"的完整链路，系统性解决了传统测试用例生成方法中模板僵化、语义缺... 导读：AI测试用例生成是指利用大语言模型（LLM）与约束求解技术，融合需求文档、源代码和历史缺陷三类数据，自动生成高质量、可执行测试用例的技术。本文介绍的“AI驱动的自动化测试用例生成方法及系统"（专利号：ZL202611022773.9）通过"多源融合建模 → 风险驱动规划 → LLM混合生成 → 覆盖贡献精简 → 脚本化部署"的完整链路，系统性解决了传统测试用例生成方法中模板僵化、语义缺...
- 用智能体干活也有小半年了，从最早“想到哪说到哪”，到现在给每个常用任务都备一份固定提示词模板，最大的体会是：智能体时代，提示词就是新的代码。写得好的提示词可以复用、可以版本管理、可以沉淀成团队资产；写得烂的，每次都要返工，返工三次的成本早就超过认真写一次的成本。下面五个习惯，是我自己踩坑总结出来的，条条都有对应的翻车现场。 习惯一：先讲目标，再讲步骤新手最容易犯的错，是把提示词写成操作手册：... 用智能体干活也有小半年了，从最早“想到哪说到哪”，到现在给每个常用任务都备一份固定提示词模板，最大的体会是：智能体时代，提示词就是新的代码。写得好的提示词可以复用、可以版本管理、可以沉淀成团队资产；写得烂的，每次都要返工，返工三次的成本早就超过认真写一次的成本。下面五个习惯，是我自己踩坑总结出来的，条条都有对应的翻车现场。 习惯一：先讲目标，再讲步骤新手最容易犯的错，是把提示词写成操作手册：...
- 企业知识库"喂不饱"智能体，通常不是模型吃不下，而是喂进去的东西本身不合格。 采集不全，它就永远缺一块；解析失真，它记住的就是错的；切分粗暴，它只能答半句；权限缺位，它要么越界要么失明；更新滞后，它背的是过期条文。 企业知识库"喂不饱"智能体，通常不是模型吃不下，而是喂进去的东西本身不合格。 采集不全，它就永远缺一块；解析失真，它记住的就是错的；切分粗暴，它只能答半句；权限缺位，它要么越界要么失明；更新滞后，它背的是过期条文。
- BrowseComp 是 OpenAI 专为网络浏览智能体（Browsing Agents）构建的全新高难度评估基准。针对真实网络环境中长程规划、多跳推理与异构数据合成的挑战，BrowseComp 聚焦深层信息搜寻与综合能力，通过专家级防污染任务集与确定性评估机制，全面揭示了前沿模型在自主网络探索中的性能边界与系统瓶颈。 BrowseComp 是 OpenAI 专为网络浏览智能体（Browsing Agents）构建的全新高难度评估基准。针对真实网络环境中长程规划、多跳推理与异构数据合成的挑战，BrowseComp 聚焦深层信息搜寻与综合能力，通过专家级防污染任务集与确定性评估机制，全面揭示了前沿模型在自主网络探索中的性能边界与系统瓶颈。
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·第五期2026/09/04 周五 16:00-18:00
林华鼎-华为云AI开发者运营负责人；蒋春阳-华为云AI开发者案例开发专家
本期直播内容： AI工具体验营 · 第5-8课连讲。Agent-Team 多智能体协作完成毕业设计实践
回顾中 -
华为云开发者AI素养ClassRoom·第六期2026/09/08 周二 19:00-20:00
樊渊-2026华为软件挑战赛冠军
高手来了：看软挑高手解析二维排样问题—从工业难题到算法突破
回顾中
热门标签