登录社区云，与社区用户共同成长
邀请您加入社区
这篇文章介绍了一种通过构建可扩展的工具使用环境来训练Agent的方法。研究者将3万+API聚类为1千+领域，转化为读写数据库，形成廉价、可扩展且可验证的训练环境。采用两阶段有监督微调策略：先学习通用领域的工具调用，再专注于垂直领域的工具选择和参数填充。实验表明，小参数模型可与大模型竞争，30B模型在多项基准测试中刷新开源最优结果，显著提升了Agent的函数调用和多轮工具使用能力。
吴恩达提出四种AI智能体设计模式：反思（自我审查修正）、工具使用（调用外部工具）、规划（拆解复杂任务为多步骤计划）和多智能体协作（多个AI共同解决问题）。这些模式强调让AI通过结构化的多步动作而非一次性生成答案来完成任务，更接近人类思维，提高复杂任务准确性。这些模式可协同工作，推动AI开发从提示工程迈向更系统的智能体设计，释放大语言模型解决现实世界问题的潜力。
MobiAgent是上海交通大学IPADS实验室开源的移动端智能体全栈解决方案，突破数据获取难、模型训练门槛高、适配复杂三大壁垒。通过AI辅助数据收集流水线、Planner-Decider-Grounder三模块架构和AgentRR记忆加速框架，实现从数据收集到手机部署的全流程操作。项目提供开箱即用的模式和完整资源，大幅降低开发门槛，并通过MobiFlow评测基准证明其性能优势，让移动端智能体技术
本文详细介绍如何基于AntV MCP Server Chart构建可视化智能体，实现大模型从自然语言到专业图表的自动化生成。通过MCP协议标准化调用，无需前端知识即可支持25+种图表类型。文章涵盖环境准备、私有化部署、SQL生成与图表推荐逻辑，以及React Agent智能渲染的全流程，提供完整代码实现，帮助企业级用户实现高效、安全的数据可视化解决方案。
面对高频交易、反洗钱、个性化投顾等流式场景，市场需要“感知-决策-执行”闭环的Agent形态，实现T+0实时响应与T-0事前干预。2030年，金融大模型智能体将实现“T-0事前干预+T+0实时响应”全域覆盖，平均ROI>190%，年节约成本>1000亿元；2035：全场景生态覆盖，形成“T-0事前干预+T+0实时响应”金融智能体网络，年节约成本>1000亿元。制定《金融大模型智能体成功应用评价标准
多智能体系统(MAS)是由多个独立LLM智能体组成的网络，共同完成复杂任务。文章提出8个最佳实践：明确角色分工、本地内存管理、工具精细控制、模块化编排、设定终止条件、全面日志记录、确保可中断性和安全性，以及实施版本控制。这些方法可避免代理循环、工具滥用和工作流崩溃等问题，确保多智能体系统高效协作，如同跨职能团队。
这篇文章详细介绍了大语言模型(LLM)的四阶段建模流程：预处理阶段通过文本分词和数据清洗为模型奠定基础；预训练阶段通过MLM或CLM目标让模型掌握通用语言能力；微调阶段让模型专精特定任务；部署与推理阶段实现模型落地价值。文章还对比了BERT类理解型模型和GPT类生成型模型的特点与适用场景，强调了根据任务需求选择合适模型的重要性。
本文系统梳理AI技术从特定应用到Agent的发展历程，解析Transformer、ChatGPT、RAG、多模态、开源大模型等关键突破。强调AI学习应避免碎片化，建议先建立整体认知框架。当前AI已达"胜任"水平，正向"专家"级迈进，未来将逐步实现AGI。为AI初学者提供清晰学习路径和资源指引。
本文用产品经理视角清晰梳理了AI、机器学习、深度学习与大语言模型的层级关系：AI是目标，机器学习是实现路径，深度学习是强大分支，大模型是规模化突破的产物。通过"手工作坊-自动化流水线-模型超级工厂"的比喻，解释了三者的自动化程度差异，分析了各自应用场景，并指出大模型标志着AI从"专用智能"向"通用智能"转变，为产品创新提供了全新思路。
文章将大模型术语按照七个层次（从幼儿园版到专家版）进行由浅入深的解释，每种术语都提供从直观比喻到专业技术的多层次理解方式。这种递进式讲解方法使不同技术背景的读者都能找到适合自己的理解层次，从基础概念到前沿技术全面覆盖，并提供速查表方便查阅，是学习大模型知识的实用指南。
某股份制银行的信用卡App上线了基于大模型的“交易欺诈检测”功能：用户在境外发生大额交易时，系统会自动触发风险提示。但上线3天就收到12起投诉——；更严重的是，后台日志显示，模型在分析时“悄悄”调取了用户的“社保缴纳记录”（未获得用户明确授权），违反了《个人信息保护法》（PIPL）第二十三条。技术团队排查后发现：问题出在——初始提示词是“分析用户最近7天的交易行为及关联数据，判断是否存在欺诈风险”
本文系统分析了人工智能技术在金融、医疗、教育和制造四大核心领域的产业落地路径。金融领域通过XGBoost和MPT算法实现智能风控与量化投资；医疗领域运用3DCNN和随机森林提升影像诊断与疾病预测精度；教育领域构建知识图谱驱动的自适应学习系统；制造业则采用YOLOv7和LSTM网络优化质检与设备维护。文章通过代码实现、流程图及可视化案例，展示了AI技术如何实现从单点突破到系统集成的质变，推动各行业效
2030年目标：政务客服、应急指挥、城市超级三大Agent覆盖全国>300个城市，平均ROI>170%，技术成熟度达“Production-Stable”。“十四五”智能制造规划要求“工艺知识软件化”。2030年目标：害虫、牛羊、光伏三大Agent覆盖全国>1000万亩/牧场/场站，平均ROI>150%，技术成熟度达“Pilot-Stable”。2030年目标：个人助理、全屋智能、虚拟试穿三大Ag
金融机构的AI风险预警系统，曾一度陷入“精度越高，成本越炸”的怪圈——为了识别1%的欺诈交易，要调动100%的算力跑大模型；为了实时计算30天交易特征，要重复消耗5倍的存储资源；为了应对峰值请求，要常年预留200%的服务器……本文结合某头部城商行的信贷风险预警系统优化案例，拆解AI架构师如何用“四大策略”把算力成本降低40%，同时将风险识别准确率从88%提升至92%。如何用“奶茶店排班逻辑”设计资
文章主要介绍了大模型（生成式AI）与传统AI的区别，并详细解析了大模型的工作原理。当用户输入Prompt后，大模型通过四个步骤处理：1)将文本分割成Token；2)将Token向量化嵌入；3)通过多层推理调整隐藏状态值；4)进行向量计算预测输出。文章还解释了温度控制对输出结果的影响。理解这些原理有助于更好地控制大模型生成预期内容，对日常工作和AI面试都至关重要。
GLM-4.5是Claude Code的国产高性价比替代方案，提供20-100元/月的包月订阅，纯代码性能与Claude相当。支持无缝迁移，通过Anthropic兼容协议一键平替。虽暂不支持多模态输入且上下文窗口为128K，但对专注代码开发的程序员来说是极具竞争力的选择，尤其适合追求成本可控和稳定服务的开发者。
文章系统比较了OpenAI的agents.md、Anthropic的CLAUDE.md和Google的GEMINI.md三种Agent配置文件，从历史背景、角色定位、加载机制、安全模型到最佳实践进行深入分析。agents.md注重统一标准和团队协作，CLAUDE.md和GEMINI.md更侧重个性化配置和记忆机制。文章强调安全边界和权限控制，并提供工程落地建议，帮助开发者高效整合Agent到工作流
中科曙光是研发人数最多的的公司，浪潮信息是高学历人数最多的的公司，是总研发人数的42.67%，研发实力强劲。拓尔思是大专及以下人数占比最高的公司，占总研发人数的17.81%，寒武纪是大专及以下人数占比最低的公司，甚至达到了0%，所有研发人员为本科以上学历，展现出强劲的研发实力。中科曙光是30岁以下员工最多的公司，为1063人，占总研发人数的31.38%，与其相对的，浪潮信息是40岁以上人数最多的公
构建高质量金融RAG知识库的第一步，不是选择向量数据库或大模型，而是对原始文档进行精准的版面解析。使用高精度的文档版面解析系统，是确保大模型获取准确上下文、避免“幻觉”的关键。
本文系统解析人工智能七大核心技术领域：机器学习、深度学习、自然语言处理、计算机视觉、机器人技术、知识表示与推理及语音技术。详述各领域核心技术突破与应用场景，展示技术融合趋势，如计算机视觉+强化学习提升机器人抓取精度，NLP+知识图谱增强智能搜索能力。未来人工智能将向更通用、可解释方向发展，重塑人类生产生活方式。
本文是作者基于多年NLP和大模型工作经验整理的系统化学习笔记，共8章，涵盖大模型基础架构、训练与推理、蒸馏微调、评估方法、优化技术、模型家族、分布式训练及面试考点，为读者提供从理论到实践的完整知识体系，适合小白和程序员系统学习AI大模型技术。
本文系统解析了人工智能领域30个核心术语，涵盖机器学习、深度学习、大模型等五大类，每项术语均提供通俗解释与类比说明，帮助读者快速构建AI知识框架。文章还提供了实践理解、可视化学习等入门建议，是小白和程序员学习AI的理想参考。掌握这些基础术语后，可进一步深入AI课程体系，提升解决实际问题的能力。
在数字经济浪潮席卷金融行业的当下，一个令人震惊的数据正在困扰着众多金融机构 —— 超过 70% 的金融研报数据因格式限制无法直接用于业务分析或智能决策。这种 "数据孤岛" 现象不仅造成了信息资源的巨大浪费，更严重制约了金融机构的数字化转型进程。随着《数据要素市场化配置综合改革试点总体方案》等政策明确提出 "推动非结构化数据价值挖掘"，金融文档自动化处理正成为行业破局的关键利器。
小白也能懂的 AI 智能体：Agentic AI 和 AI Agent 有啥区别？核心原理讲透了
科研AI智能体是基于AI技术的“自主科研系统”小微企业的信用数据缺失（比如没有财务报表），传统模型的准确率只有70%，银行的坏账率高达3%。AI应用架构师不是“代码的搬运工”，而是“连接AI与金融的造桥者”；科研AI智能体不是“工具的使用者”，而是“金融科研的引擎师”。两者的协同，将彻底改变金融分析的方式——从“人力驱动”转向“AI驱动”，从“经验决策”转向“数据决策”，从“被动应对”转向“主动进
通义点金平台针对金融AI挑战，提出"垂直模型矩阵+数据飞轮平台"解决方案。通过DianJin-R1等专业模型处理金融复杂场景，结合Simulator模拟环境和Evaluator评估系统，形成可观测、可编排、可优化的智能体开发平台。这种架构代表金融AI从"大模型时代"向"智能体时代"转变，通过持续学习和优化解决金融业务深度问题，实现AI从辅助工具到核心决策参与者的转变。
金融领域正经历一场由AI智能体驱动的革命。想象一下：一个银行家坐在办公室，需要决定投资哪支股票，但他的助手是一个“AI小精灵”——一个能学习数据和预测未来的AI智能体。这个小精灵每天要处理海量信息，做出成千上万的决策。然而，如果这些决策的“记忆”没有被记录下来（文档管理），整个系统就会像“没写作业的学生”一样杂乱无章，可能导致错误或违规。本文将从架构师视角，解析如何让这个小精灵的工作更智慧、更安全
在本文中，深入探讨了Linux中SSH的配置与使用，为管理员提供了详实的示例代码和最佳实践，以确保远程访问方式的安全性与高效性。从安装与启动SSH服务，到更高级的配置如登录消息、禁用密码登录、限制登录时间和IP范围、监控登录尝试、以及多因素身份验证，本文详尽展示了SSH在系统安全管理中的全方位应用。管理员通过学习配置SSH服务的基础步骤，如修改端口、禁用root登录、生成SSH密钥对等，进一步了解
一文搞懂 AI Agent：从架构原理到商业落地，零基础入门大模型智能体
一文读懂 RAG：从传统框架到 Agentic RAG 的进化与实践
大模型定制不用愁！6 种主流策略（RAG/Agent/ 微调）从理论到实践拆解
本文详细介绍了5个获取大模型免费API的实用方案：Google Gemini-2.5-Pro每日免费调用、魔搭社区2000次免费调用(含图像生成)、OpenRouter国内直连(充值可升级至每日1000次)、智谱AI注册送千万Token及免费模型、ChatAnywhere项目支持GPT-5的每日200次调用。这些方案能满足日常AI应用需求，让预算有限的用户也能轻松接入大模型能力。
我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
本文系统探讨了大模型落地的关键技术路径，包括微调、提示词工程、多模态应用和企业级部署。微调部分介绍了LoRA、QLoRA等方法，通过代码示例展示LLaMA模型的微调过程。提示词工程详细阐述了Zero-shot、Few-shot等技巧及其应用场景。多模态应用分析了CLIP、GPT-4V等模型的图文处理能力。企业级解决方案则从架构设计、安全部署到成本控制提供了完整框架。最后通过零售业智能客服案例，展示
我们正处在一场深刻的结构性变革的黎明，其意义将超越以往任何一次技术革命。人工智能（AI）的预测与决策能力，正与Web3提供的无需信任的、可编程的价值网络进行历史性的融合。这并非简单的技术叠加，而是在为全球经济创造一个全新的、自主运行的底层操作系统（Operating System）。在这个新范式中，金融服务将不再是由人类机构在封闭系统中手动执行的流程，而是由自主的AI代理（AI Agents）在开
2025年9月21日，由人工智能与元宇宙产业委指导的第119期"燕园叶话"《元宇宙十大技术》培训班成功举办，吸引超2627人在线观看。本期特邀种花云服创始人苏明华分享《从珍妮纺纱机到服装UGC生态》，探讨服装行业数字化转型，提出通过AI量体、UGC设计平台实现个性化定制，将成本降低90%以上。活动由13家媒体联合直播，展示了元宇宙技术在传统产业的应用前景。该系列培训由叶毓睿发起
Agentic AI（简称Agent）是一种以目标为导向、能与环境交互、持续学习的智能系统。自主性：无需人工干预，能主动设定子目标（比如“为用户实现年化8%收益”→“需要增加股票配置”→“需要调用市场数据API”）；环境感知：能实时获取外部信息（比如市场价格、用户行为、监管政策）；决策与执行：能根据感知到的信息选择最优动作（比如“买入沪深300ETF”）；持续学习：能从历史经验中优化策略（比如“上
金融大模型在2025年迎来规模化落地，成为金融机构核心竞争力。本文详述金融大模型从技术探索到规模应用的发展路径，解析业务需求驱动的评估体系构建，展示其在投顾、投研场景的实际应用价值，并展望从"功能可用"到"效果可证"再到"生态共生"的未来蓝图，为金融机构提供大模型应用全景指南。
这种全新的人机协作模式，从根本上改变了金融测试的方式。这些不同的解决方案，共同推动了金融测试生态的发展，让金融企业在选择时能够根据自身的需求和技术基础，找到最适合自己的测试方案。在软件定义金融的时代，AI 正成为金融测试的核心驱动力，推动着金融软件质量保障体系的不断升级。随着技术的不断发展和应用的不断深入，我们有理由相信，金融测试将迎来更加美好的未来，为金融行业的数字化转型提供更加坚实的保障。AI
本文介绍了金融AI智能体分布式架构的设计与实现，解决了量化对冲基金中的高并发低延迟和容错问题。架构设计：提出“数据管道+分布式智能体+高并发服务”的三层架构，满足金融场景的核心需求；技术实现：用Kafka处理实时数据、Celery调度分布式任务、FastAPI提供高并发API，实现了10万+ TPS的处理能力；最佳实践：总结了金融场景下的分布式系统优化技巧（如分布式锁、异步IO、多进程）。该系统已
AI Agent技术正通过重塑交互体验，推动金融服务向"普惠"与"平权"方向发展。京东金融推出三大智能体产品：AI财富管家"京小贝"提供主动化投资理财服务；购物智能体JoyGlance实现"所见即购买"的沉浸式体验；金融风控智能体助力小微企业解决融资难题。这些技术进步让专业金融服务不再仅限于高净值人群，而是惠及大众日常金融需求，推动金融服务朝更平等、更普惠的方向发展。
今天分享的主题是把握 AI 大模型引发的时代机遇，主要包括以下内容：第一，什么是 AI 大模型的本质？演进路线是什么？第二，为什么当今被称为“智能时代”？第三，如何把握这一百年难遇的机会？
金融
——金融
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
北京朝阳AI社区
广州城市开发者社区
魔乐社区
