社区云

发现

发现和探索最受欢迎的社区&标签

人工智能

python

java

开发语言

数据库

spring boot

前端

深度学习

大数据

vue.js

算法

学习

城市仿真软件：AnyLogic_（7）.公共交通系统仿真

公交线路可以通过连接网络中的节点来定义。在AnyLogic中，可以使用Path元素来表示公交线路。// 定义公交线路// 设置线路的属性// 线路速度（单位：km/h）// 线路容量（单位：乘客数）首先，需要定义一个表示公交车的Agent。车辆代理可以包含车辆的状态、位置、速度等属性。// 定义车辆代理// 车辆位置// 车辆速度// 当前站点// 下一站点// 获取下一站点// 假设线路为 st

13分钟前

 54

 2

#python #开发语言 #算法 +3

城市仿真软件：AnyLogic_（3）.AnyLogic基本界面与功能介绍

通过本节的学习，您已经掌握了AnyLogic的基本界面和功能，学会了如何创建和管理Agent、Block、事件和数据集，以及如何进行模型的可视化和结果分析。接下来，我们将深入探讨AnyLogic的高级功能和应用案例，帮助您进一步提升仿真建模的技能。

19分钟前

 398

 3

#人工智能 #数据库 #算法 +2

阿里云数据中台data+ai架构演进

《AI时代大数据基础设施的挑战与阿里云解决方案》摘要：随着AI技术发展，企业面临数据孤岛、运维复杂、开发效率低等挑战。阿里云MaxCompute平台通过存算分离架构、多模态数据统一管理和Data+AI一体化开发，提供弹性Serverless计算、异构算力支持及智能开发工具链（如DataWorks Copilot）。该方案能实现10秒内调度10万计算单元，支持LLM预处理等AI算子，使企业数据价值最

2小时前

 243

 6

#阿里云 #人工智能 #架构

Spring AI 2.0.0-M1 发布：放弃Java17，Redis原地封神

维度定位“AI 工具包”“AI 原生应用操作系统”开发体验“缝合 + 魔改”“开箱即用，连扳手都给你拧好了”存储依赖“向量库？自己选，自己搭”“Redis：我全都要！模型支持“能跑就行”“Claude 给你标参考文献，Gemini 给你调思考深度”Java 要求“Java 17 也行”“Java 21，不接受讨价还价”💪Spring AI 2.0 的野心，从来不是“让 Java 能调大模型”，而

golang学习记

2小时前

 321

 2

#spring #人工智能 #redis

工业时序预测模型不准后来才知道加外源变量做多模态输入

说实话，有时候我真觉得AI像是个调皮的室友。它会在我加班时自动调节灯光，会在我熬夜时提醒我喝水，但也会在我想安静工作时突然放起《最炫民族风》。但不可否认，正是这些小插曲让我们的生活充满了乐趣。最后分享个冷笑话收尾：为什么AI不会迷路？因为它们自带GPS，而且永远相信Google地图。不过我上次让它导航去咖啡店，它说"最优路径是穿越次元壁"，好吧，我承认这次AI赢了。

3小时前

 427

 10

LLM - 基于 Spring AI Alibaba Graph 重构多智能体订单助手：从单体 Agent 到图工作流的工程实践

本文介绍了如何利用Spring AI Alibaba Graph将多智能体订单助手重构为图工作流形态。传统基于if-else的编排方式存在维护困难、扩展性差等问题，而Graph方案通过StateGraph、Node、Edge和OverAllState四个核心概念，将复杂业务逻辑转化为清晰的可视化流程图。文章详细说明了项目采用的多模块架构设计，包括ai-starter、ai-graph-order

3小时前

 1039

 28

#spring #人工智能

产品路线图规划：利用AI进行功能优先级的多维评估

当AI在30分钟内将你团队头脑风暴出的47个功能需求，按照六个战略维度评估并生成清晰的产品演进路线时，你意识到——路线图规划终于从“政治妥协艺术”变成了“科学战略决策”。季度规划会议刚刚结束。白板上贴满了五颜六色的便签：47个功能想法，从“实时语音协作”到“AI自动生成会议纪要”，从“多显示器优化”到“企业单点登录集成”。作为PC端产品负责人，你需要在两周内将这些想法转化为清晰的季度路线图。传统方

小坤的摸鱼日记

3小时前

 501

 14

#人工智能 #产品经理 #需求分析 +1

Tool Calling 与 Function Call 深度指南

AI Agent通过Tool Calling赋予大语言模型(LLM)连接外部世界的能力。本文解析了两种实现方式：早期不稳定的Prompt Engineering和现代标准化的Function Calling。后者通过JSON Schema定义工具，LLM生成结构化指令，由外部程序执行具体操作。文章详细展示了工作流程、数据结构，并提供了LangChain实现的代码示例，说明如何让LLM识别数学计算需

5小时前

 178

 4

ROS1从入门到精通 16：机器人控制 - 运动控制与路径跟踪

本文摘要： ROS1机器人控制专题深入探讨了机器人运动控制与路径跟踪技术。文章首先介绍了控制系统的分层架构（感知层、决策层、控制层）和理论基础，包括系统建模、控制目标及ROS控制框架。重点讲解了PID控制器的实现细节，包含比例、积分、微分三环节计算，抗积分饱和处理，微分项滤波等关键技术。通过Python代码示例展示了PID控制器节点的具体实现，包括参数配置、误差计算、控制输出计算和状态发布等功能。

5小时前

 294

 11

#机器人 #人工智能

【人工智能导论】11-学习-强化学习：用MDP建模环境，用奖励信号指导学习，用价值函数和策略函数学习最优行为

【人工智能导论】11-学习-强化学习：用MDP建模环境，用奖励信号指导学习，用价值函数和策略函数学习最优行为

roman_日积跬步-终至千里

6小时前

 234

 14

#人工智能 #学习

简单的 RAG 实现指南

本文详细介绍了如何利用LangChain构建一个RAG系统，使用《爱比克泰德金言录》作为示例文本。文章分为两个主要部分：索引构建和检索生成。索引阶段包含数据准备（过滤无关内容）、文档加载（使用TextLoader）和文本切分（使用RecursiveCharacterTextSplitter）三个步骤，重点讲解了每个步骤的代码实现和关键参数设置。通过流程图展示了RAG系统的工作流程，包括向量存储构建

6小时前

 555

 13

【古风歌词解读Agent】03. 需求编写

继续上周的调研，这篇出的是第一个版本的PRD，关于之前留下的问题2、3的缓解和后续的技术方案一起出，争取年底之前搞一个能跑的版本。

7小时前

 162

 12

开源视觉AI的翘楚，揭秘Qwen-VL，，“看、懂、想”三位一体的内核

今天是 2025 年 12 月 22 日，周一。眼瞅着双旦将至，快过年了，咱们解读论文的节奏也得提提速！想象一下，有一位博览群书、才华横溢的思想家，但他的一生都只在纯文字的世界里度过，从未见过真实世界的色彩与形态。这就像是传统的大语言模型（LLM），它们在文本理解和生成上能力超群，却是一个“失明”的天才。现在，让我们给这位思想家安上一双锐利的眼睛，让他不仅能阅读万卷书，还能看见万物，理解图像中的信

7小时前

 225

 15

#开源 #人工智能

新机械主义具身认知模型原理

摘要：本文在新机械主义框架下构建具身认知的机制模型，将认知视为身体-环境耦合生成的动态过程。模型提出认知由身体系统、感知-运动接口等7类机制单元构成，通过三层闭环（快速感知-行动、中程任务、慢速模型更新）和两条稳定化通道（技能化、外置化）实现。该模型强调行动是认知前提而非输出，能解释技能形成、工具使用等现象，并提供了可观测变量和干预路径，为理解智能体行为和人机协作提供了统一机制。

weixin_41939376

7小时前

 253

 12

如何从你的数据中创建强大的嵌入以供你的 AI 使用

原文：towardsdatascience.com/how-to-create-powerful-embeddings-from-your-data-to-feed-into-your-ai-995d834479bb从你的数据中创建高质量的嵌入对于你的 AI 系统的有效性至关重要。本文将展示你可以使用的不同方法，将你的数据从图像、文本和音频等格式转换为强大的嵌入，这些嵌入可以用于你的机器学习任务。

7小时前

 636

 7

AI-Studio预设模型训练实操--数据集制作

不多赘述。

2024-08-15 00:37:03

 2375

 35

如何使用 RAG 为 Gmail 创建强大的 AI 电子邮件搜索

原文：towardsdatascience.com/how-to-create-a-powerful-ai-email-search-for-gmail-with-rag-88d2bdb1aedc在本文中，我将向您展示如何使用 RAG（关系抽取和问答）技术来开发应用程序以搜索 Gmail 电子邮件。首先，我会向您展示如何设置认证管道以访问用户的电子邮件（如果得到同意）。然后，使用 OpenAI 文

7小时前

 386

 6

数字化部门三年规划全景图：AI驱动的战略跃迁

本文系统阐述了数字化部门从传统IT服务向战略赋能者的转型路径，提出一套涵盖战略定位、技术应用和组织协同的三年规划方案。方案聚焦AI赋能、数据治理和流程优化三大核心，通过七步规划法构建数字化中台能力，并给出分年度实施路径与关键绩效指标。文章特别强调业务与技术融合，避免常见误区，助力企业实现从"成本中心"到"价值引擎"的跃迁。适用于各类面临数字化转型挑战的企业管

7小时前

 347

 8

【愚公系列】《扣子开发 AI Agent 智能体应用》007-扣子插件和卡片（插件的含义和使用）

【摘要】本文详细介绍了扣子平台中插件的功能与应用。插件作为智能体的工具箱，可扩展其联网、多模态理解等能力。文章阐述了两种主要使用方式：一是直接为智能体绑定插件（如通过"头条新闻"插件获取AI资讯），二是将插件节点嵌入工作流实现流程化控制。重点讲解了创建智能体、配置提示词、构建工作流及测试调用的完整流程，并强调通过清晰的设计精确控制插件调用时机。该功能突破了大模型自身限制，为开发

愚公搬代码

7小时前

 597

 13

【人工智能导论】10-学习-生成式模型：学习概率分布，用不同方法生成样本

【人工智能导论】10-学习-生成式模型：学习概率分布，用不同方法生成样本

roman_日积跬步-终至千里

7小时前

 187

 2

#人工智能 #学习

在科研与项目开发中：如何高效调用大语言模型（LLM）API

科研大模型 LLM API

8小时前

 364

 8

#语言模型 #人工智能 #自然语言处理

Agent Workflow设计全解析：从架构逻辑到实践落地

本文系统阐述了智能Agent工作流（AgentWorkflow）的设计框架与实践方法。首先定义了AgentWorkflow作为AI自主决策与业务流程规范化的结合体，强调其动态适应性特征。继而提出四大核心设计原则：目标导向、动态自适应、模块化解耦及可观测性，并详细拆解任务解析、规划、资源调度、执行和反馈优化五大核心组件的功能定位。文章还提供了从需求定义到部署运维的实施路径，以及常见问题的避坑指南。最

8小时前

 308

 5

#架构 #人工智能 #大数据

DeepSeek V3.2 技术解读：一次不靠“堆参数”的模型升级

在不牺牲推理能力的前提下，大幅提升长上下文与 Agent 场景下的计算效率与泛化能力。：一种可训练、硬件友好的稀疏注意力机制；可扩展的强化学习（RL）后训练框架：以 GRPO 为核心，支持大规模推理能力放大；面向工具调用的 Agentic 任务合成与思考管理机制：将“思考（thinking）”稳定地嵌入工具使用流程。这些设计共同使 DeepSeek-V3.2 在多个推理与 Agent 基准上达到或

8小时前

 380

 7

#人工智能 #机器学习 #DeepSeek

从 10 到 1000：大规模多智能体的可扩展性 (Mean Field & GNN)

摘要：大规模多智能体强化学习（MARL）面临状态和动作空间爆炸问题。传统方法（如QMIX）在智能体数量N超过1000时失效。本文介绍两种解决方案：1）平均场强化学习（MFRL），将N个智能体简化为“平均作用”，复杂度降至O(1)；2）基于图神经网络的MARL，利用GNN捕捉局部拓扑关系，实现高效邻居建模。参数共享是关键技术，使显存占用与N无关。选型指南建议：小规模用传统方法，超大规模用MFRL，中

8小时前

 703

 22

#学习 #人工智能

读心术：对手建模与心智理论 (Agent Modeling & Theory of Mind)

摘要：多智能体强化学习（MARL）中，对手建模（Agent Modeling）和心智理论（ToM）是提升智能体认知能力的关键。显式建模通过监督学习预测对手动作，适合固定策略场景；隐式表征学习提取对手潜在特征（如风格或意图），支持零样本泛化；而ToM通过递归推理模拟对手思维层级，适用于复杂心理博弈。本文系统梳理了三种方法的原理、实现及适用场景，为MARL从感知智能迈向认知智能提供技术路线。

8小时前

 427

 16

#人工智能 #机器学习

【人工智能导论】09-学习-注意力机制与Transformer：用注意力机制动态关注，用Transformer并行计算，用GPT理解生成语言

【人工智能导论】09-学习-注意力机制与Transformer：用注意力机制动态关注，用Transformer并行计算，用GPT理解生成语言

roman_日积跬步-终至千里

8小时前

 379

 6

#人工智能 #学习 #transformer

通信学习 (Learning to Communicate)：从“心电感应”到“语言涌现”

摘要：多智能体强化学习（MARL）中，局部视野下的智能体协作效率低下，通信机制成为关键。本文系统解析了三种通信流派：1）CommNet采用消息平均化，简单但信息易丢失；2）DIAL创新性地通过梯度反向传播实现训练时连续消息传递，执行时离散化；3）基于注意力机制的现代方法（如TarMAC）实现定向通信。研究还发现智能体会涌现出人类无法理解的"Vector-ese"语言。不同算法各

8小时前

 291

 7

#学习 #人工智能 #机器学习

信用分配 (Credit Assignment)：赢了比赛，谁是 MVP

本文深入剖析多智能体强化学习中的信用分配问题。在多智能体合作任务中，团队共享奖励但行动是个体的，导致"搭便车"现象和策略退化。文章分析了全局奖励与局部奖励的困境，提出两种解决方案：价值分解（如VDN/QMIX）通过神经网络架构隐式分配信用；差分奖励和COMA算法则显式计算个体贡献，利用反事实推断精准分配奖励。COMA通过中心化Critic评估各智能体动作的相对优势，有效解决了信

8小时前

 405

 9

#人工智能 #机器学习

独立学习 (IQL)：大道至简还是掩耳盗铃

摘要：独立学习(IQL)是一种简单的多智能体强化学习方法，每个智能体独立训练自己的策略，忽略其他智能体的存在。其核心问题是环境非平稳性——由于其他智能体也在学习，导致环境动态持续变化，可能引发训练震荡与协作失效。尽管存在理论缺陷，IQL在工程中表现优异，尤其适用于弱耦合或大规模场景（如100+智能体），因其实现简单、扩展性强。代码实现仅需将单智能体DQN扩展为多实例。建议优先尝试IQL作为基线，

8小时前

 280

 9

#学习 #人工智能 #深度学习

智能体（aGENT简介

思考行动观察。

andwhataboutit?

8小时前

 424

 9

关于我们

联系我们（工作时间：8:30-22:00）

400-660-0108 kefu@csdn.net