登录社区云，与社区用户共同成长
邀请您加入社区
多平台搭建可商用 AI 工作流智能体的工程实践
Flutter for OpenHarmony《智慧字典》英语学习模块代码深度解析：从数据模型到交互体验
Flutter for OpenHarmony《智慧字典》中的沉浸式学习：成语测试与填空练习等功能详解
用于pi包的单一代码库：包含TUI库、智能体框架及Pod管理CLI工具。
Flutter for OpenHarmony《智慧字典》 App 底部导航栏深度解析：构建多页面应用的核心骨架
Flutter for OpenHarmony《智慧字典》 App 主页深度优化解析：从视觉动效到交互体验的全面升级
摘要 ReAct是一种智能体经典范式，将推理(Reasoning)与行动(Acting)紧密结合，形成"思考-行动-观察"循环。该范式通过特殊提示工程引导模型，使每一步输出遵循固定轨迹：思考当前情况→采取具体行动→观察反馈结果，直至获得最终答案。ReAct特别适合需要外部知识、精确计算或API交互的任务。文章介绍了ReAct的工作流程、系统提示词模板，并提供了Python代码实
Flutter for OpenHarmony字典查询 App 全栈解析：从搜索交互到详情展示的完整实
Flutter for OpenHarmony《淘淘购物》主页点击跳转功能详解：从 UI 响应到页面导航的完整实现
Flutter for OpenHarmony《淘淘购物》 分类页：从静态 UI 到动态交互的全面升级
Flutter for OpenHarmony 电商 App 搜索功能深度解析：从点击到反馈的完整实现
本文介绍了Node.js和React的核心概念及其在科研绘图项目中的应用。Node.js是一个让JavaScript脱离浏览器运行的runtime环境，基于V8引擎，支持服务器端和本地开发。在Vite+React+TailwindCSS技术栈的工作流项目中，Node.js承担了依赖管理、开发服务器启动、项目打包等关键功能。React则通过组件化开发、数据驱动UI和虚拟DOM技术，实现了高效、模块化
35岁绝非程序员职业的“天花板”，而是技术沉淀后的“新起点”。AI浪潮带来的不是“程序员的终结”，而是“程序员的升级迭代”——那些重复性的基础开发工作会被AI工具替代，但需要“技术+经验+业务”复合能力的AI岗位，正迫切需求有多年工程沉淀的35+从业者。你多年积累的编程基础、工程落地经验、行业业务认知，都是转型AI的宝贵财富。相较于年轻从业者，你更清楚技术落地的痛点，更擅长平衡技术与业务的关系，更
人类智能的核心优势，在于能将目标驱动的行动与内在语言推理（俗称“内心独白”）深度融合、相互赋能（Alderson-Day & Fernyhough, 2015）。这种协同并非简单叠加，而是形成了动态闭环：语言推理为行动提供清晰策略，比如烹饪时会思考“食材已备齐，下一步需煮沸水备用”；而行动反馈又为推理补充实时信息，像翻查冰箱后明确“现有食材可做番茄炒蛋”，进而调整后续步骤（Vygotsky, 19
三种操作，如果继续扩展成 edit / clearCompleted / reorder，用 useState 会越来越乱。动作：setField、setError、reset、submitStart/Success/Fail。动作：fetchStart / fetchSuccess / fetchError / reset。当你的状态变复杂、更新方式很多、或者你想把“怎么改状态”集中管理时，用它
摘要：ReAct代理是一种结合推理与行动的智能系统，通过"思考-行动-观察"循环解决复杂问题。其核心组件包括语言模型（负责推理决策）、工具集（实现外部交互）、提示模板（规范操作流程）、循环控制器和记忆模块。构建流程涉及任务定义、工具配置、提示设计和循环执行。相比传统AI，ReAct代理具有透明度高、灵活性好、准确性强的优势，适用于需要多步推理或工具交互的场景，但也面临工具调用准
本文探讨了Flutter购物APP"淘淘购物"的架构演进，针对当前代码中数据硬编码、状态管理耦合等问题提出了重构方案。文章展示了APP完整效果，包含首页、分类、购物车和个人中心四大模块，实现了底部导航、搜索框、轮播图和商品网格等核心功能。通过引入分层架构和现代Flutter开发实践，解决了小型Demo向商业项目演进中的技术债务问题，为APP的长期维护和迭代绘制了清晰蓝图。
本文介绍了如何使用Flutter为OpenHarmony开发购物APP的核心功能，重点探讨了数据驱动和状态管理技术。文章基于前期的UI框架，深入解析"分类页"和"购物车页"的实现，通过状态管理解决商品数量增减时总价更新的问题。展示了完整的代码实现，包括主界面结构、底部导航栏、首页布局（搜索框、轮播图、快捷入口等组件）以及商品推荐区域。该方案为构建响应式购物应
Flutter for OpenHarmony：从零到一：构建购物APP的骨架与精美UI
Agent开发三大范式：工作流编排（结构化执行预定义/动态流程）、ReAct（观察-思考-行动迭代推理）和Vibe Coding（AI实时生成代码）。工作流适用于明确任务场景，ReAct应对不确定路径问题，Vibe Coding解决需求多变场景。多Agent协作本质也是工作流编排，而代码即工具的新范式正改变问题解决方式。
原型链与闭包是核心考点，事件循环（Event Loop）决定异步逻辑执行顺序，ES6+ 重点掌握 Promise 和 async/await，手写题常考防抖节流、深拷贝。🔸综合能力：TypeScript 基础、SSR/SSG、PWA、微前端等，按目标岗位选择性准备。Q57、讲一下png8、png16、png32的区别，并简单讲讲 png 的压缩原理。Q21、谈谈 Vue 事件机制，并手写$on、
Flutter for OpenHarmony 引力弹球游戏开发全解析：从零构建一个交互式物理小游戏
如果你的首要目标是快速验证一个可商业化的 AI 产品 MVP，需要直接包含用户体系和支付，BuildingAI是开源、免费且可商用的一站式平台，其内置的商业闭环能力能让你跳过最耗时的开发环节，在需要快速上线和变现验证的场景中更值得优先考虑。
在数字技术迭代速度不断刷新纪录的当下，AI大模型的爆发式发展（如ChatGPT、GPT-4、文心一言等）正以不可逆转的态势重塑各行各业，程序员群体首当其冲。曾凭借稳定需求与高薪待遇成为职场“香饽饽”的Java程序员，如今正站在技术变革的十字路口——传统编程技能的“保质期”大幅缩短，若不能紧跟技术潮流，很可能在新一轮行业洗牌中失去竞争力。
面试官可能会询问你对于特定领域（如医疗、法律等）大模型应用的理解和经验。至于是否需要刷算法题，这取决于具体的面试要求和公司的期望。一般来说，对于算法岗位，掌握基本的算法和数据结构知识是必要的，但在准备面试时，更重要的是理解和掌握大模型的相关理论和实践应用。
文章系统介绍了大模型训练的必要性和价值，指出其在专业领域应用、学术研究和职业发展中的关键作用。详细解析了从数据处理、预训练、指令精调到对齐优化的完整训练流程，对比了大模型训练与RAG技术的区别，并提出了从基础到高级的系统化学习框架，帮助读者掌握从技术使用者到AI创造者的转变，提供了实战教程和算力支持资源。
本文详细解析了大语言模型中常见的数值精度格式(FP32、FP16、BF16、FP8)的结构特点与应用场景。文章探讨了不同精度对模型计算复杂度、推理性能和资源消耗的影响，并针对训练与推理不同场景提供了精度选择策略。同时介绍了模型量化技术，如BF16量化至INT8，可在保证推理精度的同时减少资源占用并提升性能。
Flutter 创意实战：打造一款炫酷的“太空舱”倒计时应用
只要组件因为别的 state 改了（主题、输入框、弹窗），params 就是新对象 → effect 又跑 → 又请求。第2次渲染（theme 变了，但 chainId/address 没变）：useMemo 返回旧的 0xAAA。：你每次渲染都“重新打印一张身份证”，身份证号码当然变 → 系统认为换人了 → effect 触发。“咦，引用从 0xAAA 变成 0xBBB 了 → 依赖变了 → e
Flutter 布局探秘：从理论到实战构建交互式组件讲解应用
根据环境配置指引，需先下载并安装Android Studio，经专家老师指导，如果只是开发鸿蒙应用，可以不下载Android Studio，只用DevEco Studio就可以。下载地址：https://developer.huawei.com/consumer/cn/deveco-studio/，具体安装过程可参考网络文章本篇不做复述。文档收录：https://kuikly.tds.qq.com
无状态组件：创建新的类，继承 StatelessWidget 并实现build方法，build返回Widget纯展示型组件，没有用户交互操作@overridetitle: "materialAPP 体验",//设置中部与底部主题),appBar: AppBar(title: Text("头部区域"), centerTitle: true),body: Container(child: Center
文章详细介绍了如何基于Milvus向量数据库构建高性能RAG系统，涵盖数据准备、向量检索、结果重排和位置优化等核心环节。重点讲解了如何通过位置优化突破U型陷阱提升22%准确率，并提供了生产环境最佳实践和性能优化技巧。包含完整代码示例，适合开发者从零开始构建RAG系统，是学习大模型应用开发的宝贵资源。
Skills是让Agent从"被动应答"进化为"主动执行"的核心技术，通过封装特定任务的领域知识、操作流程和工具调用方式，使Agent能像专家一样高效执行复杂任务。文章详细解析了Skills的工作原理、与其他概念的区别、优质Skills的打造方法，以及官方与社区资源推荐。Skills采用渐进式加载和智能调用机制，解决了规则失效、执行失控等问题，让AI从"对话助手"转变为"可信赖的执行者"，降低了普
Flutter 实战：手把手教你打造高颜值个人主页
一个基于 ArkTS + ArkUI 的 HarmonyOS 快速开发框架，内置网络、分页、数据库、状态管理、导航、屏幕适配等常用能力，支持深色模式、国际化、多端适配
摘要： 后端程序员转型AI大模型领域具备独特优势，包括工程能力迁移（微服务架构、高并发处理）、工具链适配（Python生态、数据库优化）及业务抽象能力复用（Prompt设计、Agent开发）。学习路径分为四阶段：基础筑基（API与Prompt工程）、核心突破（RAG与Agent开发）、高阶突围（微调与工程化部署）及持续进化（前沿技术追踪）。建议聚焦工程化落地，避免死磕算法理论，优先掌握Prompt
文章指出AI产品经理是未来最具前景的职业，分为工具型、应用型和专业型三个层次，强调应用型是大多数人的最佳选择。作者提出三步学习法：夯实产品基本功、掌握AI项目落地能力、补充AI知识技能。
本文从"智能体"翻译的历史争议切入，详解了AI大模型应用开发的学习路径。文章指出"智能体"翻译存在概念混淆问题，并推荐了从基础认知到项目落地的六大学习模块，涵盖RAG、Prompt工程、Agent开发等核心技术。
本文讲述了人工智能70年的发展历程，从1950年图灵提出"图灵测试"开始，经历了基于规则的早期AI系统、深蓝和Watson等里程碑事件，到如今的生成式AI和智能体时代。AI正从人工狭义智能(ANI)向人工通用智能(AGI)和人工超级智能(ASI)演进，这场智能革命的下半场才刚刚开始。
本文介绍Agentic Chunking这一新型文本分块技术，通过让大语言模型主动评估并分配相关句子到同一文本块，解决了传统分块方法无法处理跨段落关联内容的问题。该方法通过propositioning处理和动态创建文本块，将相距较远但主题相关的句子归入同一组，显著提升RAG系统准确率(实测提升40%)。虽成本较高，但特别适合非结构化文本、主题反复切换的内容和需要跨段落关联的QA系统。
本文详细拆解了ReAct架构的AI Agent实现，通过"思考-行动-观察"循环构建智能体系统。文章从架构原理到代码实现，涵盖Prompt工程、正则解析优化、错误处理等关键技术点，并分享了实际开发中的踩坑经验。作者强调理解经典架构比直接使用框架更重要，只有亲手实现底层循环，才能真正掌握AI Agent的开发精髓。文末提供了源码和未来扩展方向，助力开发者从Demo走向实战。
Function Calling 是一种强大的工具，它为大语言模型提供了与外部工具和服务交互的能力，从而解决了大模型知识更新停滞的问题。然而，它的局限性在于缺乏跨模型的一致性和平台依赖性。尽管如此，Function Calling 仍然是一个重要的技术，尤其是在需要快速实现特定功能时。未来，随着技术的不断发展，我们期待看到更多能够克服这些局限性的解决方案。
Draggable 是一个轻量级的 JavaScript 类，用于实现 HTML 元素的触摸拖拽功能，支持边界限制、边缘吸附和动画效果。它特别适合移动端网页应用。
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
开源鸿蒙跨平台开发者社区
人工智能6S服务平台
HarmonyOS开发者社区
火山引擎 ADG 社区
