登录社区云，与社区用户共同成长
邀请您加入社区
维度趋势技术方向多模态融合、数字人、行业大模型成为重点发展方向应用领域垂直行业渗透加速，教育、医疗、农业、法律等场景深化地区格局京津冀、长三角、珠三角主导，中西部逐步崛起企业格局民营企业主导，上市公司与初创企业共同推动创新合规要求内容标识、数据合规、行业审查将成为长期监管重点2025年9月份公示的13批深度合成算法备案名单，中国深度合成算法备案数量再创新高，技术应用从“通用能力”向“行业专用”快速
工具的类型是以工具的使用特性为标准抽象的，一类工具的定义，会与底层 Agent 模版工程做协议，Agent 模版工程会区分不同的类型，做不同的动作。
AI智能体（AI Agent）是具备感知、决策、执行能力的智能系统，能通过自然语言交互、数据分析、机器学习等技术，实现“实时响应用户需求→个性化引导→优化转化路径”的全流程自动化。我是张三，资深AI应用架构师，有10年AI项目经验，专注于AI在品牌营销中的应用。我曾帮多个品牌用AI智能体提升转化，比如某美妆品牌的注册转化率从2.1%提升到6.3%，某家居品牌的下单转化率从1.5%提升到4.2%。如
在内容互动业务应用中，内容数据形式多样，下游应用通常需要结合多种模态输入，以满足不同的业务需求。MLLM 已经在多个理解和生成任务上表现出显著优势，我们亟需将其和内容互动业务结合，提升各方面效果。任务拆解作为大模型训练的重要一环，我们专注于文本和多模态数据，构建一套自动化的高质量数据优化方案。通过提升数据的一致性、对齐性与效率，我们实现了显著的增益。基于优化后的数据，我们致力于提升模型的性能与训练
人工智能与大数据专业相关研究领域的毕业设计选题涵盖了机器学习与深度学习应用、计算机视觉、自然语言处理、数据挖掘与分析、大数据隐私保护等多个热门领域。对于计算机专业、软件工程专业、人工智能专业、大数据专业的毕业生而言，选择一个合适的毕业设计选题至关重要。在这个毕业设计选题合集中，我们精心收集了各种有趣且具有挑战性的选题，旨在帮助学生们在毕业设计中展现他们的技术实力和创新能力。不论是对于对深度学习技术
文章详细介绍了上下文工程的概念及其与提示工程的区别，强调上下文工程是管理和维护LLM推理过程中最佳信息的策略集，涉及工具、参考资料和记忆等动态元素。文章探讨了构建有效上下文的技术方法，包括动态检索、压缩、结构化笔记记录和子智能体架构，以及上下文工程未做好可能导致的问题。上下文工程作为Agent开发者的必备技能，能帮助更好地发挥大模型潜能。
文章详解大模型时代五大工程体系：算力工程（基础设施）、应用工程（业务展示）、模型工程（核心引擎）、知识工程（企业脑库）和数据工程（血脉系统）。各工程均有完善的指标体系，涵盖规模、效率与价值维度。五大工程相互关联，只有将数据工程有效融入其他工程，才能真正实现智能化体验，构建完整的AI系统。
本文介绍了一个Python网络爬虫项目，用于自动抓取某图书网站排行榜数据并保存为CSV文件。项目采用requests库发送请求，BeautifulSoup解析HTML内容，提取书名、作者、出版社、价格等关键信息，并整合到pandas DataFrame中。为规避反爬机制，设置了User-Agent和控制请求频率。项目还实现了Tkinter可视化界面，包含爬取选项、日志显示和进度条功能。核心功能包括
不错，新时代时代来了，我们从互联网走向移动互联网，现在又从移动互联网走向人工智能时代。业内有人称这一次的人工智能爆发是互联网 3.0 时代的开启。所以现在搞 IT 开发的工程师的不懂机器学习，就相当于低级程序员。赶紧从基础学起，入门机器学习，走进人工智能的大门……
本文介绍了一种基于MCP的智能体化RAG系统，解决了传统RAG工具单一、缺乏判断的痛点。该系统能根据问题性质智能选择信息源，专业知识查询向量数据库，实时信息转向网络搜索。通过Bright Data、Qdrant和Cursor等技术栈实现，并解决了IP封禁、反爬机制等技术挑战，让AI助手真正具备情境感知能力，为构建下一代智能助手提供了完整解决方案。
本文对比了Claude 4、ChatGPT、Grok和Gemini四大AI模型的特性与优势。Claude擅长代码分析，ChatGPT是全能型AI，Grok专精实时数据，Gemini拥有最大上下文窗口。文章根据不同场景提供选择建议，帮助用户根据任务类型和预算挑选最适合的AI助手。
麦肯锡QuantumBlack团队基于50多个智能体AI项目及市场案例，总结了Agentic AI应用的六大经验：1) 关注工作流而非智能体本身；2) 智能体不是万能药，需根据任务特点选择合适技术；3) 重视评估和用户信任，杜绝"AI垃圾"；4) 确保每个步骤可追踪可验证；5) 开发可复用的智能体组件；6) 人类角色虽变但仍不可或缺。这些经验能帮助企业成功从Agentic AI中获取价值。
本文深入解析企业级AI智能体的本质与能力分级，提供场景选择方法、核心挑战解决方案及三阶段实施路径。智能体是能自主执行任务的"数字员工"，企业可通过4个象限选择适合场景，用弹性算力、RAG+微调等技术控制成本与风险。建议从简单场景试点开始，小步快跑，逐步构建智能体生态，实现从"工具"到"伙伴"的跨越，真正释放"数字员工"价值。
为此，团队引入了具有自省能力的"哪吒模型"，通过持续的系统自检和维护基本价值原则。在研究过程中，团队曾尝试借助现有的大模型技术，但最终选择回归系统透明性的基本原则。这一架构体现了"人生如戏，世事如棋"的设计理念：既保持足够的灵活性来适应复杂情境，又通过明确的规则确保系统的可靠性和可解释性。研究团队重新确认了对"涌现"机制的信念，放弃了单纯依靠增加计算资源寻求解决方案的思路，转而寻求更本质的突破。这
程序员必看！一文搞懂大模型 “语言积木”：Token 到底是什么？
在当今数字化浪潮席卷的时代，银行等金融机构的数字化转型迫在眉睫，而专业的数字化转型培训方案对于推动转型进程至关重要。那么，市场上专业的数字化转型培训方案哪家好呢？以银行场景金融建设运营为例，有一套极具特色的培训方案值得关注，即[银行场景金融建设运营培训方案]。以数字化转型背景下的场景金融课程设计为例，可以根据数字化转型导师坚鹏原创的场景金融建设运营3556模型，结合银行开展场景金融建设运营工作的现
MCP是由Anthropic公司推出的AI大模型与外部世界交互的通用协议，采用客户端+服务器架构，包括MCP主机、客户端和服务器三部分，支持Stdio、HTTP with SSE和Streamable HTTP三种通信方式。MCP能扩展AI大模型的能力边界，实现智能分析决策、知识中枢、客服机器人、BPM、API集成、自动化测试和编程助手等七大应用场景，帮助企业数字化转型和提升研发效率。
程序员必看！大模型面试题「保姆级解析」：全干货无废话，学完直接用
深圳市天气数据的爬取与可视化系统利用Python编程语言和相关库实现对深圳市天气数据的自动化爬取与可视化展示。系统首先通过网络爬虫技术从气象网站获取实时天气数据，然后对数据进行清洗和整理，最后采用数据可视化技术生成图表与图形，直观展示天气变化趋势。对于计算机专业、人工智能专业、大数据专业、信息安全专业、软件工程专业的毕业生而言，尤其是对数据爬取、数据分析与可视化等领域感兴趣的同学，都能为您提供丰富
人工智能与大数据的结合，正在推动社会进入一个全新的阶段。对于个人开发者而言，这是一个充满不确定性的时代，但同时也是一个遍地机遇的时代。那些敢于学习、勇于实践、善于创新的人，完全有可能在这个浪潮中找到属于自己的舞台。未来的世界，可能会因为某一个开发者的奇思妙想而发生改变。
随着物联网的快速发展，其“连接有余，智能不足”的困境逐渐显现，而智能体互联网络（Internet of Agents，IoA）将成为未来发展的新范式。智能体互联网络的核心在于构建一个由具备自主感知、决策和执行能力的智能体组成的协同网络，这些智能体能够通过统一协议实现动态协同与自治行为。
文章介绍大模型智能体上下文管理，涵盖上下文概念、窗口处理策略、系统提示词设计、RAG工作流程、思维链应用、多工具调用设计、评估指标和压缩技术等。通过电商客服场景展示实践，提供代码实现示例，为开发者构建高效智能体提供全面指导。
大模型技术演进的四层进阶：从基础构建到能力深化,一文看懂！
后端转大模型、新手入门迷茫？老行内人带你避坑，选对方向少走半年弯路
AI Agent不是简单的prompt拼接，而是包含LLM(认知中枢)、Memory(记忆系统)、Planning(任务规划器)、Tool-use(工具调用引擎)和Reflection(自我反思)五大核心模块的复杂系统。文章详细解析了MCP、ReAct、A2A三种主流架构的异同与适用场景，并指出状态管理、工具调用鲁棒性、计划模块可控性及系统透明性是当前四大工程难点。未来属于既懂AI又懂系统架构的"
摘要： Langchain工具链通过串行/并行调用模式实现复杂任务自动化，解决大模型能力边界与任务复杂度问题。串行调用（如“搜索→计算→生成”）以流水线方式传递结果，需注意中间结果校验；并行调用（如同时搜索多品牌价格）提升效率，但要求子任务独立。Langchain通过SequentialChain和异步工具封装流程，结果整合需处理冲突（如投票机制、LLM仲裁）。工具链设计需平衡效率与可靠性，结合业
本文介绍了如何用Doris+DeepSeek+Dify搭建零代码ChatBI系统，实现企业级对话式数据分析。方案通过Doris作为高性能实时数据仓库，DeepSeek大模型进行自然语言转SQL处理，Dify低代码平台完成流程编排，形成完整闭环。文章详细解析了三个组件的协作逻辑和优势，并提供了从环境部署到可视化输出的6步实操指南，特别强调了Text2SQL节点的关键配置和常见避坑点。该方案以低门槛、
文章摘要： 大模型技术正推动商业智能（BI）进入“ChatBI”时代，通过自然语言交互破解中小企业“数据用不动”难题。传统BI依赖技术团队开发静态报表，自助BI仍降低门槛但仍需业务人员掌握数仓逻辑，而基于大模型的智能BI 实现“对话即分析”：用户通过自然语言查询数据（如“华东有不少于5家客户说华东区业绩TOP5员工”），系统自动生成SQL并+优化建议，并结合RAG技术智能匹配可视化模板。东尔科技采
当我们在芯片的硅晶中刻入价值的维度，在算法的逻辑里注入人文的光辉，我们正在做的，不只是建造更聪明的机器，而是在为两个文明——人类文明与机器文明——搭建相互理解、相互信任的桥梁。A[“元人文理念<br>价值透明与推理可追溯”] --> B[“软件层<br>价值原语定义<br>博弈算法<br>推理逻辑”]这或许是AI元人文最深刻的使命：通过技术与人文的融合，通过软件与硬件的协同，开创一个人类与智能体在
在这一点上，袋鼠云所构建的产品体系与客户服务机制，正是围绕这一逻辑展开：从数据中台的建构，到指标平台的应用，从语义管理到智能问数、智能分析，从 AI Agent 平台到以知识库为支点的全链路场景化服务，帮助企业真正实现从 Data Ready 到 AI Ready 的跃迁。首先，在大数据开发与治理层面，袋鼠云通过十年的深耕，提供从数据集成、存储、计算，到质量监控、资产管理、安全合规的全链路治理能力
在 DPO 算法的训练过程中，我们鼓励大模型生成高质量的 chosen 文案，惩罚大模型生成类似 rejected 的文案。为了保证生成文案质量满足要求，使用的教师大模型底座参数量需要尽可能高，例如使用满血版的 DeepSeek-V3，一般不需要使用深度思考的模型，例如 DeepSeek-R1 或 QwQ-32B；为了保证生成文案的高质量，使用的教师大模型底座参数量需要尽可能高，例如使用满血版的
CrewAI 是一个用于构建协作式 AI 智能体团队的开源框架。你可以定义智能体的角色、目标和工具来执行复杂工作流。每个智能体处理特定任务，并协同朝共同目标推进。CrewAI 包括：Agent（智能体）：具有明确职责与工具的 LLM 驱动“工作者”Task（任务）：具备清晰输出要求的具体工作Tool（工具）：智能体用于专业化工作的函数，如数据提取Crew（团队）：共同协作的一组智能体。
讯飞虚拟人交互平台，依托讯飞最新的 AI 虚拟人生成技术以及语音合成、语音识别、语义理解、多语种翻译、星火大模型等 AI 核心技术，可以提供虚拟 IP 资产打造、AIGC 内容生产、多模态交互等软硬件技术和产品，目前已广泛应用在媒体、教育、文旅等场景。此外，独立的记忆与遗忘功能以及知识库特性，进一步提升了数字角色的拟人化特质。其中，多语种 AI 透明屏集成了多语种识别翻译、星火大模型和多模态降噪技
《大模型岗位数据分析与可视化系统》是一个基于大数据技术构建的综合性数据分析平台，专门针对人工智能和大模型相关岗位市场进行深度数据挖掘与可视化展示。系统采用Hadoop+Spark大数据框架作为核心计算引擎，通过HDFS实现海量岗位数据的分布式存储，利用Spark SQL进行高效的数据处理与分析。后端基于Django框架构建RESTful API服务，前端使用Vue+ElementUI+Echart
【摘要】随着AI与BI深度融合成为数据分析新趋势，思迈特Smartbi凭借三大核心优势领跑AgentBI市场：（1）业内首创AgentBI架构+工作流编排，实现从数据查询到主动分析、归因预测的闭环；（2）国内首创指标管理体系，以指标作为大模型语义底座，确保99%分析准确率；（3）60+行业Know-How沉淀，服务5000+头部客户，落地百余AI项目。相较火山引擎、阿里云等偏通用模型的厂商，思迈特
* 业务知识库整合：** 构建企业级问数平台，就是要把业务过程中的各种 "行话"、"黑话" 转换为 AI 可理解的数据信息，利用大模型的深度理解和生成能力。** 嵌入式集成应用：** 问数功能需要能与现有业务系统无缝集成，而不是单独存在的一个数据分析平台，只有让 AI 问数变成唾手可得、随叫随到的数据工具，才能在企业内发挥最大价值，让数据分析成为类似 Office、WPS 一样的日常办公软件。**
本文中的“精准识别”需满足以下量化指标召回率（Recall）≥90%：不遗漏任何高风险学生（避免“漏判”）；精确率（Precision）≥85%：不误判低风险学生（避免“过度干预”）；：平衡召回率与精确率；可解释性：输出结果需包含“判断依据”（便于教师验证）。高校学生心理健康AI助手的核心价值，在于用技术“看见”沉默的风险。而提示工程作为连接大模型与场景的“翻译器”，其本质是将“专业知识”转化为“
【摘要】DataFi（数据金融）旨在通过创新的自动化做市商（AMM）机制，将动态的现实世界数据资产（RDA）转化为可定价、可交易的金融产品，为人工智能和量化投资等领域提供新的数据解决方案，探索数据要素市场化的新路径。
Agent 是什么？核心原理 + 企业应用场景，一文带你彻底搞懂
小白怕 RAG/GraphRAG 太难？从技术解析到融合策略，程序员进阶大模型全指南
文章解析AI 2.0时代大模型的崛起及其在企业中的应用价值，探讨企业面临的选型、适配与落地问题，详细介绍Prompt工程、RAG技术、Agent智能体等应用方式，并从个人能力提升和企业组织力、人才力角度，提供大模型应用的全面指南，助力企业和个人把握AI革命机遇。
在大数据时代，企业日均处理的数据量已从TB级迈向PB级，数据来源涵盖日志系统、业务数据库、第三方API等多模态数据源。然而据Gartner统计，企业平均有30%的业务数据存在质量问题，数据清洗作为数据预处理的核心环节，直接决定后续数据分析、机器学习模型训练的效果。本文聚焦数据清洗技术体系构建与数据处理流程优化，涵盖从数据质量评估、脏数据检测到自动化清洗策略设计的全流程，结合工业级案例演示工程化实现
【摘要】揭示AI简历筛选的核心，阐述如何通过“三维加权评分模型”与“动态权重自适应框架”相结合，构建一个兼顾能力、门槛与细节的科学评分体系，并深入探讨其工程化落地、治理闭环与未来演进。
人工智能行业专题报告：AI Agent开发平台、模型、应用现状与发展趋势｜附78页PDF文件下载
程序员必看！从基础到进阶：AI Agent Prompt 是什么？智能体 Prompt 设计全攻略
2025 年 LLM 大模型怎么学？小白 & 程序员专属路线：从入门到精通，一篇搞定不踩坑（建议收藏）
大模型浪潮下，技术人别盲目转型！“老本行 + AI” 才是保饭碗、涨薪资的关键
大模型算法工程师备考全攻略：从核心知识到面试通关，附部署运维与前沿追踪
大数据
——大数据
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
2048 AI社区
