登录社区云，与社区用户共同成长
邀请您加入社区
本文分享了基于LangChain Deep Agents框架的智能体评估体系，详细介绍了单步、完整周期和多轮交互三种评估模式，以及工具调用轨迹、最终输出和中间状态四个评估维度。通过Pytest+LangSmith构建多维断言矩阵，确保智能体产品的可控性、可复现性和高效性，帮助开发者从混沌到有序，构建工业级智能体产品。
无论是想快速搭建一个AI产品，还是寻找企业AI中台解决方案，BuildingAI都提供了一个值得认真考虑的选项——毕竟，在开源世界里，能同时做到"功能完整"和"商业友好"的项目并不多见。
文章详细介绍了大模型领域的各类岗位，包括研发、算法、数据科学、产品管理等方向，以及医疗、教育、金融等领域的特色岗位，并提供了系统化的学习路径：初阶应用、高阶应用、模型训练和商业闭环四个阶段，帮助读者了解大模型职业方向并规划学习路线。
法国独立开发者Marc Lou用AI工具实现年入103万美元的案例，揭示了独立开发领域的新可能。通过25个项目快速试错、构建产品矩阵与交叉推广策略，他证明了在AI赋能下，个人开发者也能创造商业奇迹。本文深度拆解其成功路径，并对比国内外开发生态，为想要入局的普通人提供实战建议。
文章深入解析Claude四大新功能：Skills（工具调用）、MCP（数据连接）、Projects（项目记忆）和Prompts（指令模板），解决原生大模型"失忆"、能力有限、效率低下三大痛点。通过层级关系和实战指导，帮助用户从个人到团队场景有效配置这些功能，显著提升AI使用效率，Projects和Prompts可直接上手，Skills扩展能力，MCP作为底层统一标准。
向量数据库技术的发展，可以追溯到本世纪初的深度学习浪潮。随着深度学习技术在语音识别、图像处理、自然语言处理等领域的突破性进展，嵌入表示(Embedding)技术逐渐成为一种标准化的数据表示方法。嵌入表示技术通过将数据映射到低维稠密向量空间，能够有效地捕捉数据之间的语义关联，为向量数据库的发展奠定了坚实的基础。
Claude Agent Skills(技能)是一种可复用的文件系统资源,为Claude提供特定领域的专业知识、工作流程和最佳实践。与传统的提示词不同,Skills可以按需加载,无需在每次对话中重复提供相同的指导。
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。然而，如果你能完成 60-70% 的
最近接触 agent 开发比较多，这篇文章来讲一下Agent开发中，常用的三种设计范式。。这几种模式主要是工作流程的不同。
2、Stack设置子元素底部对齐alignContent(Alignment.Bottom)，Tab组件宽高设置100%，把中间凸起按钮组件调整对齐方式alignSelf(ItemAlign.Center)为居中对齐。1、最外层使用Stack布局，Stack里面嵌套Tab组件和中间凸起按钮组件，Tab组件在前，凸起按钮组件在后，这样凸起按钮组件可以悬浮在Tab组件上方。使用Stack和Tab组件布
2026 年的跨端开发，已从“技术炫技”转向“业务实效”。 React、Vue、Flutter 等国际框架持续优化 Web 与移动端体验，也不乏很多优秀的国产不止于代码复用，更在于构建安全、可控、可扩展的企业级数字底座。
AI几乎成为了打工人的必修课。和大家交流过程中，最常见的一些问题：“现在转行AI还来得及吗？”、“我不懂代码，能做AI产品经理吗？”、“以及怎么转行做AI？”。
本文提供了学习AI大模型的系统化路线图，从数学与编程基础开始，经过机器学习和深度学习入门，到深入探索大模型架构与Transformer原理，再到实际应用开发。文章推荐了各阶段的学习资源、课程和项目实践，并强调了参与社区和持续学习的重要性。此外，还提供了分阶段的实践计划，帮助学习者从理论到应用全面掌握AI大模型技术，并提供了丰富的学习资源获取方式。
在当今快速发展的AI应用领域，Dify作为一款强大的低代码LLM应用开发平台，深受广大开发者和企业的喜爱。它以其易用性、灵活性和强大的功能，帮助用户快速构建和部署各种AI应用。然而，最近有不少用户反映，在将Dify从v1.4.3升级到v1.11.2后，遇到了一系列令人头疼的问题，这些问题不仅影响了工作效率，还严重影响了用户体验。今天，我们就来深入探讨这些问题，看看你是否也踩雷了。
RAG（检索增强生成）技术通过从外部知识库检索相关文档并增强LLM功能，有效减少了"幻觉"问题。其实现包括三个核心步骤：索引（文档分块、编码存入向量数据库）、检索（语义相似度匹配）和生成（结合问题和检索内容生成答案）。文章详细介绍了文本切分策略（直接分段、生成问答对、增强信息）及滑动窗口方法，为构建高效智能问答系统提供了完整的技术路径。
Claude Skills技术解决了AI上下文持续性缺失的痛点，通过记忆持久化、个性化适配和协作流程标准化，使AI从临时问答工具转变为长期工作伙伴。企业应用中可实现代码审查、数据分析等流程标准化，但也面临生命周期管理和跨团队复用等挑战。这项技术促使从业者转变思维模式，从"让AI按我说的做"到"让AI按我的方法做"，代表了AI从通用型向个性化的重要演进。
本文分享了前端新手从零开始学习HTML5的完整路径。首先介绍了如何创建第一个HTML网页，强调文件命名和基础代码结构。接着推荐了开发工具Chrome浏览器和VSCode编辑器，并提供了实用配置技巧。重点讲解了HTML5核心内容：基础骨架结构、常用标签（文本、媒体、列表、表格、表单）的分类与用法，以及块元素与行内元素的区别。最后指出语义化标签的重要性，并规划了后续CSS和JavaScript的学习方
文章摘要： 本文详细介绍了AI Agent中ReAct框架的实现方法，通过Python代码展示了如何构建具备"感知-思考-行动"能力的智能体。内容包括环境配置、Agent类搭建、工具准备、提示词设计和系统组装，并以计算两只狗体重为例，完整演示了Agent的思考-行动-观察-再思考的闭环流程。该实现为后续学习更复杂的Agent框架如LangGraph奠定了基础，展示了ReAct框
AI大模型：基于python旅游景点推荐系统 大数据技术 旅游数据分析+可视化 Django框架 scrapy爬虫 vue前端框架 源码+文档✅
本文介绍大模型知识增强两大突破：KGA框架通过重塑注意力机制实现零参数、无训练的知识融合，解决知识过时和灾难性遗忘问题；Pythia-RAG构建统一多模态知识图谱，实现图文并茂的认知能力。这两项技术共同构建了从机制轻量化到模态多样化的知识增强进阶路径，为低成本、高效率的大模型知识更新提供了全新解决方案。
文章详细介绍了一个本地运行的生产级RAG系统构建过程，包括文档处理、嵌入生成、向量搜索和答案生成四大核心组件。使用FAISS、sentence-transformers和llama.cpp等开源工具，在消费级硬件上实现了高性能的文档问答系统。文章提供了完整的环境配置、代码实现和部署指南，帮助开发者从零开始构建一个能够处理文档、检索信息并生成答案的实用AI系统，并涵盖了测试优化和生产部署的考量。
Java开发者转型大模型无需抛弃现有技术，应发挥工程落地优势。先了解大模型应用场景，再学习API调用、LangChain框架、私有化部署和Prompt工程。90%的AI项目是模型应用而非模型研发，这正是Java工程师的主场。从后端能力+业务经验出发，通过"连接、封装、服务"让模型落地，你将成为"让模型有用"的人。
DeepSeek-AI推出DeepSeek-OCR-3B视觉语言模型，通过"光学上下文压缩"技术，在保持97%识别精度的同时，将文本token压缩至原来的十分之一。模型由DeepEncoder视觉压缩引擎和DeepSeek3B-MoE-A570M混合专家模型组成，支持多种token模式适应不同文档复杂度。性能测试显示，该模型在相同算力下能完成其他模型10倍以上的工作量，大幅降低文档解析成本，推动O
哈佛研究揭示，生成式AI正导致企业减少初级岗位招聘（约7.7%），而对资深岗位影响不大，形成"资历偏向型技术变革"。批发零售业和普通院校毕业生受冲击最严重。AI主要通过减少外部招聘而非解雇新人来实现这一变化。建议年轻人提升AI难以替代的能力，资深人士则应学习与AI形成互补关系，共同应对AI时代的职场变革。
上下文工程通过会话(临时工作空间)和内存(长期持久机制)两大组件，解决了大模型缺乏长期记忆的关键问题。它使AI能够从对话中提取有意义信息，实现跨会话的个性化交互，并通过动态构建上下文窗口管理信息。这一技术让AI从简单对话工具转变为真正的个人助手，记住用户偏好并提供情境感知的帮助，代表了AI代理开发的重要演进。
本文介绍了6个前沿开源大模型项目：英伟达NitroGen让AI像人类一样玩游戏；Meta SAM-Audio实现音频精准分割；阿里Qwen-Image-Layered生成可编辑分层图像；谷歌A2UI实现AI生成UI；阿里Fun-Audio-Chat提供低延迟语音交互。这些项目均开源代码，覆盖游戏、音频、图像处理等多领域，为开发者和AI爱好者提供实践学习机会，展示了大技术的多样化应用潜力。
文章系统介绍了Embedding技术在大模型中的应用，对比了静态与动态Embedding的区别，解析了BERT和LLM生成Embedding的原理与计算步骤，展示了电商、医疗等领域的实际应用案例，并提供了基于Qwen2.5训练商品语义表征模型的完整流程，为小白和程序员提供了系统学习指南。
本文深入探讨其核心原理与实现方式，展示如何通过工具调用与推理结合，优化复杂任务的处理流程。探索智能体的新思维模式，带你领略人工智能的创新应用！
本文系统探讨了OA系统从传统办公工具向企业协同运营中枢的演进路径。通过分析多系统集成架构，提出了流程驱动、数据同步、服务调用和门户聚合四种关键连接模式，并详细阐述了人财物管控、业财协同等六大核心场景。文章指出，现代OA平台应定位为业务连接器和智能决策支点，其价值体现在流程贯通效率提升30%-70%、数据准确率提升至99%以上等量化指标。实施策略强调分阶段推进，先基础联通再智能协同，同时需防范技术和
文章探讨了国有企业数字化转型的特殊背景及AI大模型在企业中的应用。国企数字化转型受政策响应、考核要求和市场竞争三重驱动。企业应用大模型有六种考虑和四种形态，尤其在工业领域，大模型需与小模型融合实现具身智能。打通AI应用"最后一公里"的关键在于构建高质量数据集，结合企业私有化数据进行后训练。国企数字化转型需找准业务场景，实现从自动化向智能化的演进。
Menlo Ventures报告显示，医疗保健AI采用率两年内从3%跃升至22%，部署速度为其他行业的2.2倍，支出达14亿美元，催生8家AI医疗独角兽。环境抄写占据最大市场份额，事先授权、患者参与、支付方和生命科学等领域快速增长。报告指出，AI医疗仍有80%市场未开发，未来将聚焦于自动化人力密集型工作、语音界面、事先授权问题和药物发现改进。这一趋势为AI技术人才提供了广阔发展空间。
本文系统解析vLLM大模型推理框架，阐述其必要性及核心架构。详细介绍了调度器、KV缓存管理、执行器等关键模块，深入分析持续批处理、分块预填等核心技术特性，并通过具体流程展示vLLM如何高效处理请求。文章以概念为主，代码为辅，为开发者提供理解vLLM框架的系统学习路径，特别适合初学者快速掌握大模型推理引擎原理。
英伟达在CES 2026宣布战略转型，放弃消费级显卡市场，全力押注AI领域。黄仁勋点名中国DeepSeek，认为开源模型正在追赶闭源模型，英伟达将作为所有模型的基础设施。发布Vera Rubin AI超算，性能提升5倍；推出"会思考"的自动驾驶AI Alpamayo。英伟达瞄准全球10万亿美元的计算基础设施改造市场，未来将专注于AI数据中心、自动驾驶和机器人领域。
ReAct是一种"推理-行动-观察"(TAO)的AI智能体架构范式，通过构建闭环机制破解传统大模型的"事实幻觉"难题。它采用三层模块化架构，使大模型能调用外部工具获取实时信息，生成可解释的推理轨迹，实现复杂任务的动态处理。相比传统方法，ReAct在幻觉抑制、可解释性和场景适应性上表现优异，适用于知识密集型任务、智能规划、客服机器人等领域，是AI智能体开发的重要基础范式。
本文介绍ReAct和Reflexion两种提升大模型能力的关键提示技术框架。ReAct结合推理与行动，使模型能够与外部环境交互，减少幻觉；Reflexion在此基础上增加评估和反思机制，形成完整学习闭环。两者结合显著提升模型在知识密集型、决策型和编程任务上的表现，为解决大模型事实幻觉、缺乏实时信息、规划能力不足等问题提供了有效方案。
上周末组了个Java老友局，刚端起酒杯，话题就被“大模型要不要转”给扎住了。坐我旁边的老周，当年带着我们扛过三次双十一大促的服务雪崩，此刻却皱着眉刷着手机：“你看我朋友圈，要么是Python学习打卡，要么是说Java要被淘汰的焦虑文，昨天凌晨三点我还在查‘35岁Java开发转AI来得及吗’”。
深夜，你刚从一个复杂的分布式系统中捕获了一个只有百万分之一概率出现的并发缺陷，这个发现避免了第二天早上千万级别的线上损失。同一时刻，全球各大科技公司的AI产品团队正因为大模型的“幻觉”问题连夜开会。这两个场景在2026年形成了前所未有的交汇——测试工程师的系统性思维和缺陷预测能力，正在成为AI大模型产品质量的最后防线。
文章介绍了AI工程师的成长路线图，分为初级（1个月）、中级（2个月）和高级（3个月）三个阶段。初级需掌握LLM基础、提示工程和基本应用开发；中级重点学习RAG、向量数据库和代理开发；高级涉及LLMOps、模型微调和多模态应用。文章强调通过实际项目提升技能，提供了丰富的学习资源，并建议具备Python编程基础和项目经验的程序员转型AI工程师。
小程序与HarmonyOS的结合为快速开发和部署应用程序提供了新的可能。通过跨平台开发工具和现有的小程序生态，政府机构可以快速适应新的挑战，提供更具响应性的服务。此外，小程序的去中心化特性与日益重视的数据隐私和安全的需求相契合，有助于降低中心化平台带来的风险。
2025年是AI转折之年，DeepSeek打破算力壁垒，AI Agent实现从"问答"到"执行"的质变。2026年普通人应将AI融入日常习惯，使用AI Agent作为数字员工，学习AI使用技巧并建立个人工具库。AI不会淘汰人，但"会用AI的人"将淘汰"不会用AI的人"，从简单提示词开始，把AI变成提升个人能力的杠杆。
本文解析了React从createRoot到scheduleUpdateOnFiber的更新流程，揭示了React的分层架构设计。文章首先介绍了react-dom作为平台适配层和API门面的角色，然后深入分析了createRoot如何创建FiberRoot容器、初始化事件系统，最终通过updateContainer将更新请求传递给React核心引擎。关键点包括：1) ReactDOMRoot是薄门
检查代码中调用的API，将高版本新增的API替换为低版本等效实现。或第三方库版本号修改为低版本支持的版本范围。可通过DevEco的低版本IDE查看支持的库版本列表。此方案适用于临时调试或紧急情况，长期维护仍建议升级开发环境版本以获得完整支持。在低版本DevEco中新建一个空白项目，将高版本项目中的关键目录（如。类型的资源），需在低版本中转换为传统格式。脚本，需对比高低版本的构建工具差异。与低版本兼
基于鸿蒙平台开发的手势密码锁应用，提供安全便捷的身份验证方案。支持自定义手势密码设置与验证，具备动态提示、密码重置功能，采用现代化UI设计并集成动画与震动反馈。技术架构使用OpenHarmony的ETS语言，核心组件包括PatternLock和状态管理。适用于设备解锁、金融验证、智能家居等多场景。源码完整实现密码验证逻辑，包含错误处理、视觉效果和交互反馈，展现鸿蒙应用开发的典型范例。
前端框架
——前端框架
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
2048 AI社区
HarmonyOS开发者社区
开源鸿蒙跨平台开发者社区
广州城市开发者社区
九章云极普惠算力
