-
AI Coding实践：CodeFuse + prompt 从系分到代码
业务场景：后端JAVA业务代码生成。AI解决方案概述：从系分出发，解析提取其中核心内容，并生成任务列表，再让AI工具结合提示词完成任务（生成代码）。工具选择：IDEA CodeFuse插件 + CodeFuse IDE。使用效果概述：目前已经覆盖门面层代码的生成和修改、持久层代码的生成和修改、业务逻辑层的代码生成。已经正式投产到三个项目迭代中，参与项目已经上线。在应用了AI Coding的三个项目…- 0
- 0
-
万字长文深度解析最新Deep Research技术：前沿架构、核心技术与未来展望
01引言近期发生了什么自 2025 年 2 月 OpenAI 正式发布Deep Research以来，深度研究/深度搜索（Deep Research / Deep Search）正在成为信息检索与知识工作的全新范式：系统以多步推理驱动大规模联网检索、跨源证据归并与结构化写作，并产出带引用的研究级结果。2 月底该功能向 Plus 用户开放；4 月又推出“轻量版”，覆盖 Plus/Team/Pro，进…- 0
- 0
-
端到端的多模态文档解析模型-DeepSeek-OCR架构、数据、训练方法
最近接连开源多模态文档解析模型：再看两阶段多模态文档解析大模型-PaddleOCR-VL架构、数据、训练方法如何打造一个文档解析的多模态大模型？MinerU2.5架构、数据、训练方法DeepSeek-OCR是一个端到端的多模态文档解析模型，是Vary、GOT-OCR2.0的后续，前期也有详细介绍《【多模态&文档智能】OCR-free感知多模态大模型技术链路及训练数据细节》。其核心目标是用极…- 0
- 0
-
Prompt 工程进阶——让 DeepSeek 学会你的测试风格
一、前言：为什么要让 AI 学会“你的测试风格”许多团队在引入 AI 辅助编写测试脚本时，常遇到以下问题：• “生成的代码能跑通，但结构混乱，不符合项目规范。”• “断言写法随意，缺乏可读性和一致性。”• “每次都要手动调整命名、格式和注释，效率提升有限。”这些问题的核心在于：AI 不理解你的“测试风格”（Testing Style & Convention）。而真正的 AI …- 0
- 0
-
美团 LongCat 团队发布 VitaBench：基于复杂生活场景的交互式 Agent 评测基准
今天，美团 LongCat 团队正式发布当前高度贴近真实生活场景、面向复杂问题的大模型智能体评测基准——VitaBench（Versatile Interactive Tasks Benchmark）。VitaBench 以外卖点餐、餐厅就餐、旅游出行三大高频真实生活场景为典型载体，构建了包含 66 个工具的交互式评测环境，并进行了跨场景的综合任务设计。例如，在旅游规划任务中，要求智能体…- 0
- 0
-
AI Agent 上下文管理：基于搭叩的七大原则与实践
前言搭叩https://dakou.iflow.cn/ 是一个面向小白和初级开发者的一站式 AI Development 产品，它的每个任务都跑在一个独立的容器内，能一站式的帮助用户完成调研，编码，调试和系统部署；支持前端，后端甚至安卓应用的开发和调试。搭叩 这种异步的长链路任务的 Agent 存在 Tools 多，任务的复杂度更高场景更丰富，执行步骤多等特点；我们发现长时间、复杂任务的…- 0
- 0
-
当 AI 走进前端开发：代理插件的全流程开发实践
1 背景AI 技术的飞速发展，正在深刻改变前端开发的方式。以 Cursor、Trae 等新一代 AI IDE，正逐步 成为工程师的“第二大脑”。它们通过强大的代码补全、上下文理解、自动重构、文档生成等能力，让开发者能够以更高的效率完成项目交付。在公司日常开发中，我们经常使用 Whistle 作为网络代理工具，不同系统的开发环境与生产环境之间频繁切换配置，一次…- 0
- 0
-
AI Workflow Builder王炸劝退：n8n、Coze、Dify等AI工作流不要学了
10月6日OpenAI DevDay 2025召开，出乎意料的他推出了一个AgentKit的产品，旨在帮助开发者以更少的时间和精力，完成从原型设计到生产部署的全过程。简单来说就是OpenAI搞了一套工作流编排工具，其本质是低代码平台。随后LangChain创始人直接表示可视化工作流构建器，那玩意没用，谁愿意做谁做呗。原因很多：拖拽不利于复杂工程！大白话是门槛太高，程序员看不上，一般人用不习惯，两头…- 0
- 0
-
AIOps探索：做AIOps智能体，是直接调用公共大模型还是要部署私有大模型？
最近一段时间我一直在深耕AIOps，随着研究的案例越来越多，我越是觉得AIOps没有想象得那么难搞。其实，大家完全可以先从最简单的需求开始，先行动起来，你做着做着就会有新的思路了。当然，由于我落地的案例都是测试环境，暂时还没有上生产，所以我一直在使用免费的或者比较经济的方案，比如大模型调用，我用的比较多的就是直接调用DeepSeek的API，并没有私有部署自己的大模型。然而，真正的生产环境，可能由…- 0
- 0
-
用了 3 个月 Claude Code 才发现，原来一直少装了这个神器
上周和朋友聊天，他说自己用 Claude Code 配置环境花了整整 1 个小时，最后还是没搞定 MCP 服务。我突然想起自己刚开始用 Claude Code 的时候，也是对着官方文档一行行配置，改配置文件、装各种依赖、设置 API 密钥，折腾半天还经常出错。直到前几天在 GitHub 上刷到一个叫 zcf 的项目，2500 多个 star，说是零配置搞定 Claude Cod…- 0
- 0
-
Claude Skills 发布：提示词、素材按需加载
Anthropic 发布了 Agent Skills简单说：按需加载专业能力（提示词包、代码包）几个关键点：可组合：多个 skills 可以叠加，Claude 自动识别需要哪些可移植：同一个 skill 在 Claude apps、Claude Code、API 上都能用高效：只在需要时加载最小必要信息包含代码：skills 里可以带可执行脚本，不只是文字指令当然，这里的 skills，有官方预设…- 0
- 0
-
文档分段全攻略：从基础规范到智能进阶，一篇就够了！
在之前介绍包含知识库检索Agent的推文发布之后，不少同学追问：为啥文档处理这么重要的内容不介绍呢？（PS：文档处理，尤其是文档分段，是整个智能问答与知识检索流程中至关重要的基础环节。）为了响应同学们的号召，从本期起，我们将结合 dify 中的实际处理逻辑，用几期内容把这块讲明白、说透彻。第一期，我们聚焦在最核心的步骤上：文档分段（Text Chunking）。它看似只是“把长文本切开”，却直接决…- 0
- 0
-
Karpathy 访谈精解｜从动物到幽灵，从RL到Agent：AI十年的黄金窗口
💬 “AI不是取代人类，而是让人类重新拥有时间。”——Andrej Karpathy在最近的一次访谈中，AI大神 Andrej Karpathy（前特斯拉AI总监、前OpenAI研究员）谈到了他对AGI、强化学习、智能体、教育乃至“思维本质”的新见解。这场对话堪称一场AI哲学与工程现实的交汇。🔷 一、AGI时间线：十年的“智能体时代”“This is the decade of Agen…- 0
- 0
-
谷歌AI Agent白皮书深读：多Agent协作、AgentOps与企业内网重构新篇章
2024–2025 年间，AI 产业正在快速转向 Agentic（以智能体为中心） 的架构范式。ChatGPT、Grok、Gemini 等消费级应用把“AI Agents”带到大众视野，但在企业端，采用脚步更审慎：一方面，业务复杂度与存量系统众多，使集成与治理的难度远高于 C 端；另一方面，可靠性、合规性与可解释性成为上线前必须跨越的门槛。对多数中国大陆企业而言，“是否上智能体…- 0
- 0
-
没有组织的进化，就没有AI的深层落地
琢磨事的群里，有人甩了这么一张截图：这简直太有意思了，正好接着这个说说AI应用的事。先说结论：没有组织的进化，就没有AI的深层落地。这就是AI深层应用的最大瓶颈。今天，AI名义下的各种锤子四处飞舞，但砸的往往都不是钉子。阻碍AI发挥颠覆性价值的，不是技术本身，而是我们陈旧的组织形态和管理思维。让我排的话，这个排在技术前面。技术的事我个人觉得大致是定的（哪有什么AI瓶颈）。这种冲突直接表现为社会对A…- 0
- 0
-
Apache Gravitino 统一元数据之统一血缘
导读 在人工智能与大模型技术爆发式发展的背景下，数据治理正经历从静态管控向智能协同的范式跃迁。传统数据治理模式面临数据孤岛、数据质量参差不齐、安全合规隐患不断等核心痛点。面向 Data+AI 的深度融合正驱动数据治理体系向智能化、自动化、实时化演进。大模型通过自然语言理解、动态血缘分析等技术，实现元数据自动补全与质量实时监控，显著提升治理效率。同时数据治理智能体的崛起，重构了人机协同的模…- 0
- 0
-
万字长文｜基于 MCP 的 AI 应用新架构设计体系：深度剖析与落地实践
本文提供了一个全面的视角，来看待如何利用模型上下文协议（MCP）实现 AI 应用新架构设计体系的落地实现，核心内容主要是以下5点：MCP 概念与机制。MCP 与 Function Calling 区别。MCP 本质与挑战：挑战包括系统提示词的准确性、Client 与 Server 协同、快速构建 Server、自建 dify 的痛点等。解决 MCP 挑战的方法：通过 MCP Register、统一…- 0
- 0
-
Agent 热潮下，语料如何成为 AI 落地与 ISV 变现的关键燃料？
2025年的AI圈，Agent已从实验室走向产业一线，被广泛视作 “AI 商用元年” 的核心载体。这一年 AI 正完成从 L2 “推理者” 向 L3 “智能体” 的范式跃迁 —— Agent不再是机械执行指令的程序，而是能自主感知环境、规划任务、协同行动的 “数字伙伴”。这场技术革命的背后，不仅是算法的迭代，更是Agent自身进化逻辑与语料供给体系的深度耦合。语料作为 AI 的 “知识养料”，既见…- 0
- 0
-
智能体架构中的协议设计三部曲：MCP → A2A → AG-UI
随着智能体技术在企业落地越来越广泛，一个完整的智能体系统通常涉及三个关键角色：用户、智能体和外部工具。一个核心问题是——这三者之间如何高效、安全地沟通？答案就在三大协议中：MCP、A2A 和 AG-UI。MCP让智能体和外部工具对话标准化；A2A让智能体之间协作顺畅；AG-UI则保证前端应用和智能体的交互高效而直观。今天，我们就来拆解这三大协议，看它们如何让智能体“长手长脚”，成为企业落地利器。一…- 0
- 0
-
AI编程实践：配置6A工作流规则，提升AI生成质量
面对复杂开发中需求澄清难、任务复杂，AI编程可能存在以下问题：• 需求理解偏差：AI经常误解或过度简化需求，导致生成结果与预期不符。• 架构缺失导致重构：缺乏前期设计，代码结构混乱，组件耦合严重，难扩展维护。• 质量无法保障：缺少边界检查、异常处理不完整、测试覆盖不足、存在安全隐患。• 文档与代码不同步：代码写完了，文档却缺失或过时，后续维护困难…- 0
- 0
-
一文搞懂SFT vs RLHF：阿里、字节、腾讯都怎么用?
SFT (Supervised Fine-Tuning) - 监督微调让模型学会"按规矩说话"的阶段，通过高质量的示例教会模型如何正确回答问题。简单理解：给模型看标准答案，让它模仿学习。RLHF (Reinforcement Learning from Human Feedback) - 人类反馈强化学习让模型学会"说得更好"的阶段，通过人类反馈不断优化输出…- 0
- 0
-
把你的几百万字喂给AI：NotebookLM不完全入坑指南
我先问你一个问题。你的知识库，你所有的思考、笔记、文章，如果超过了20万字，你打算怎么让AI处理？这是个很现实的问题。谷歌的Gemini，上下文窗口最大是200K tokens，换算成中文，撑死也就10万字。我的「AI写出我心」专栏，加上我过往的公众号文章，总字数早就超过了100万字。如果我直接把这些东西扔进Gemini，它会怎么样？它会「失真」。它会漏掉东西，它会选择性遗忘，它给你的反馈将是残缺…- 0
- 0
-
智能体工作流-链式工作流模式解读
我们先来看第一个：链式工作流。在智能体的世界里，链式工作流也可以说是最好理解、也是应用最广泛的设计模式。它的美妙之处在于简单明了：输入一个内容，经过一系列有序的处理步骤，最终得到我们想要的结果。就像工厂的流水线一样，每个工位专门负责一项任务，产品从头到尾按顺序经过每个工位，最终完成加工。现实生活中，我们面对复杂问题时都会不自觉地采用这种思路。比如写一篇文章，我们通常会先确定主题，然后搭建框架，接着…- 0
- 0
-
Claude Code 网页版曝光， 留给 Lovable 和 Manus 们的机会，可能，不多了
Claude Code 终于要出网页版了！网友 TestingCatalog 在 Claude 网站的设置页面里发现了一个「本不该出现」的新选项：Claude Code 网页版！这个功能看起来是被提前泄露了，因为很快，Anthropic 就把它撤回了。但互联网是有记忆的，而 TestingCatalog 的手速一直也是够快的。下面我们就来看看网页版 Claude Code 的真容。设置页面曝光在 …- 0
- 0
扫码打开当前页
联系我们
-
￥优惠劵使用时效：无法使用使用时效：
之前
使用时效：永久有效优惠劵ID：×