登录社区云，与社区用户共同成长
邀请您加入社区
说到底，人工智能这场技术革命如同一面深邃的镜子，既映照出我们对智能本质的探索，也折射出人类对自身存在的深刻反思。人工智能的终极形态，终将成为人类整体价值观的具象化体现——当我们认为，超级能力的无穷扩张最重要，那它或许就会化身为真正的“终结者”；当我们坚信接受人类价值规约才是根本，那它可能会成为一个强大但又温柔版的“MOSS”。正如人类文明演进至今，我们在经济与文化、物质与精神之间的每一次权衡与选择
2026年7月将举办多场国际学术会议，涵盖人工智能、工程、教育等多个领域。会议地点包括吉隆坡、杭州、武汉等国内外城市，如第六届智能通信与计算国际学术会议（ICICC2026）在杭州举行，第三届人工智能与自然语言处理会议（AINLP2026）在福州举办。部分会议提供EI检索和高录用率，涉及智慧交通、区块链、航空航天等前沿议题。
能有效的组织和管理系统中的各种软/硬件资源，合理地组织计算机系统工作流程，控制程序的执行，并且向用户提供一个良好的工作环境和友好的接口。操作系统的两大作用（1）通过资源管理提高计算机系统的效率。（2）改善人机界面向用户提供友好的工作环境。
摘要：宽海智能针对制造业智能仓储物流烂尾项目提出系统化解决方案。通过硬件、软件、电控三维度评估模型，帮助企业理性决策修复或重建：硬件维度按ABC分类评估设备状态；软件维度考察WMS/WCS系统完整性；电控维度分析PLC程序与电气图纸完备性。实践表明，80%的烂尾项目可通过专业修复复活，成本通常控制在50万以内。团队凭借8年400个项目经验，特别擅长无图纸、无程序场景下的系统重建，提供从评估到实施的
随着大模型爆发，AI Agent 成为技术热点，各类自主智能体层出不穷。但深入剖析其架构设计、开发流程与核心组件会发现一个关键问题——当前多数 Agent 开发，正在重复软件工程领域早已成熟的“轮子”。从模块化设计、组件复用，到接口规范、测试验证，Agent 领域的很多“创新”，本质上是软件工程核心思想的简单复刻，却忽视了软件工程数十年沉淀的经验与规范，导致开发效率低下、系统稳定性不足。本文结合具
摘要 本文通过四个典型案例和一个反例，系统论证了AI工程方法论的核心观点：高效AI协作不是模型能力的直接结果，而是环境设计的复利效应。OpenAI案例揭示了高代码产出背后是文档系统、质量监控等环境重构；App Server展示了协作框架如何从团队经验升级为平台基础设施；Anthropic案例证明长时程Agent的关键在于状态交接机制；LangChain实验证实固定模型下，协作框架优化可带来显著性能
摘要 本文深入探讨AI Agent工程的核心问题与未来方向。文章指出，当前对AI Agent存在三大高估：将局部成功普遍化、混淆自动执行与稳健自治、工具引入等同于组织升级；同时也存在低估环境治理重要性的倾向。真正的变革在于工程重心从个体实现能力转向环境塑形能力，这正在引发生产结构的本质变化。未来工程师角色将分化为实现者和系统设计者，竞争焦点将从模型能力转向环境质量。文章提出五条工作定律，包括验证优
LoRA技术通过低秩矩阵分解实现高效微调，核心在于发现权重更新矩阵ΔW具有低秩特性。标准LoRA将更新分解为BA两个低秩矩阵，参数量仅为全参微调的0.3%-0.6%。QLoRA通过4-bit量化将7B模型显存需求从14GB降至3.6GB；LoRA+采用差异化学习率提升性能1-2%；DoRA将权重分解为幅度和方向分量，某些任务表现优于全参微调；AdaLoRA则动态分配各层秩数。这些方法共同推动大模型
谷歌联合创始人谢尔盖·布林发布内部备忘录，承认Anthropic在AI编码领域已超越谷歌，要求全员进入紧急状态。备忘录指出，Anthropic的Claude Code在编码效率、复杂任务处理和企业适配度上全面领先，尤其Agent执行能力差距显著。布林宣布组建突击队、推行60小时工作制，并反思谷歌因流程繁琐和过度保守错失先机。 行业分析显示，Anthropic胜在聚焦Agent范式、技术深耕和快速商
为了维持连贯的长期交互，大语言模型（LLM）智能体必须在**获取新信息**与**保留先验知识**之间找到平衡。当前统一的流式记忆系统虽然便于更新上下文，但极易受到瞬时噪声的干扰；而离散的结构化记忆架构虽然在知识保留上表现稳健，却难以适应叙事的发展与变化。 为解决这一冲突，本文提出了 **GAM（Hierarchical Graph-based Agentic Memory，分层图基代理记忆）**
结构化方法包括结构化分析、结构化设计、结构化程序设计，它是一种面向数据流的开发方法。结构化方法总的指导思想自顶向下、逐层分解，它的基本原则是功能的分解与抽象。(1) 系统分析目的和任务系统分析的目的和任务是形成书面材料：系统分析包括，即系统方案说明书对当前系统进行详细的检查，收集数据。建立当前系统的逻辑模型。对现状进行分析，提出改进意见和新系统应达到的目标建立新系统的逻辑模型编写系统方案说明书(2
【AI客服系统开发实践总结】文章介绍了大模型驱动的智能客服系统从0到1的建设路径，重点分享技术选型与测试开发经验。在平台架构上经历了从Dify快速验证到混合架构再到工程化的演进；模型选择强调评估优先于调优；工作流设计采取先保守后激进的策略。测试开发角色从传统"找Bug"转变为"质量共建"，具体工作包括：构建评测数据集、开发自动化评测工具、建立Badcase闭
CCGUI是一款JetBrains IDE插件，将ClaudeCode和OpenAI Codex深度集成到开发环境中。它通过可视化界面解决了AI编码中的三大痛点：1）支持@file引用和图片上传，精准传递工程上下文；2）内置Diff比对和代码跳转，方便审核生成结果；3）提供会话管理、Agent系统和MCP扩展，实现多轮协作。相比官方集成，CCGUI更侧重打造完整的GUI工作台，包含文件导航、主题适
AI 不会消灭开发岗位，只会彻底重构工程师工作内容；质量与严谨性不会消失，只是从「代码层」上移到规范、测试、流程、安全层面；单纯写代码的价值持续贬值，架构能力、风险意识、业务拆解、AI 管控能力成为核心竞争力；企业需要提前布局平台工程、智能体安全、认知债务治理，适配下一代软件研发模式。
AI时代测试工程师的转型之路：从执行者到质量经营者 随着AI技术快速发展，测试岗位面临前所未有的挑战与机遇。文章指出，AI最先替代的是标准化、重复性强的测试工作（如用例补全、脚本编写、回归执行），而非整个测试岗位。测试工程师需要从四个维度升级能力：从功能验证到风险识别、从执行到质量策略设计、从手工测试到数据分析、从工具使用者到质量工具建设者。 核心观点强调，测试工程师必须转变角色定位：提前介入需求
AI 应用很容易把大家的注意力吸引到模型能力本身。但真正进业务后，很多问题最后并不出在模型，而是出在底层工程能力。比如存储、缓存、回收、长稳运行、吞吐、资源利用率、异常恢复，这些听起来更像传统工程问题，但在 AI 应用里同样关键。尤其是知识库、智能体平台、多步骤任务系统、模型服务平台，一旦数据量、调用频率和业务复杂度上来，底层问题会被放大得非常快。有些系统离线演示时看起来没问题，但一上线上量就开始
软件工程
——软件工程
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
全球具身智能开发者社区
AtomGit开源社区
openEuler 社区
2048 AI社区
