登录社区云，与社区用户共同成长
邀请您加入社区
本文将从人机交互界面的演进历史讲起，帮你彻底搞懂Agentic UI的核心概念、技术架构、和传统UI的本质区别，还会手把手带你搭建一个可运行的智能报销Agentic UI Demo，最后我们还会探讨Agentic UI的落地最佳实践、性能优化方案和未来发展趋势。Agentic UI是一种由大语言模型驱动的智能体作为核心控制层，能够根据用户的自然语言输入、上下文场景、用户画像动态生成、调整交互界面，
针对嵌入式设备钉钉消息推送需求，依托 LuatOS 与 AirUI 框架开展软硬件环境准备、代码仓库配置，逐步实现钉钉机器人核心通信功能，形成可落地的实践方案。
前面已经完成从Django上传论文的PDF并且重建知识向量数据库 ，但是这个功能仍存问题，因为在FastAPI中，重建工作是重新赋值了全局变量rag，而没有重建workflow，我的工作流在工具选择节点和工具执行节点是用到工厂函数创建的，这个节点中是有rag变量作为依赖的，所以如果我重建了rag，但是没有更新workflow，那么实现的工作流在后续问答环节可能无法回复与新上传论文相关的问题，所以这
【摘要】测试工程师常面临价值被低估的困境，其核心矛盾在于：测试成果（避免事故）难以直观体现，而问题遗漏却容易被放大。文章分析测试被忽视的深层原因：企业更关注显性交付、质量投入被视作成本、测试团队被置于被动位置。随着AI技术普及，测试岗位将迎来转型机遇——从基础功能验证转向复杂系统质量保障，需具备业务理解、自动化建设及AI系统风险评估能力。测试从业者应突破执行层思维，通过量化风险拦截价值、推动全流程
《UI自动化测试维护困境与自愈解决方案》摘要： 传统UI自动化测试面临三大痛点：1)定位器频繁失效导致维护成本飙升；2)等待条件设置不当造成执行效率低下；3)断言颗粒度难以把握。本文提出基于语义理解的智能自愈方案，通过轻量级本地模型实现元素定位的自动修复。当页面改版导致元素定位失效时，系统能在4秒内完成8个元素的自动匹配，相比传统人工修复节省85%时间。方案采用Playwright+ONNX模型的
特性推荐选择需要使用分析/成本统计需要远程文件管理需要 Skills 扩展👉 OpenClaw需要移动端配对👉 OpenClaw多平台集成更广👉 Hermes（8大平台）配置管理更便捷👉 OpenClaw（Web界面直接改）需要实时日志👉 OpenClaw总体来看：更偏向于数据分析和多平台管理，适合需要监控使用量、运营多个渠道的用户更偏向于开发者友好和扩展性，Skills 系统和节点管理
本文基于Air8101 引擎主机（，结合Trae、DeepSeek等AI工具，实操演示钉钉机器人消息发送APP开发，借助AI简化开发环节、降低门槛，部分LuatOS参考链接解析失败，实际开发需替换为官方可用链接。
今天这篇主要介绍一下 Midscene。
AI 视觉设计已经成为轻量化创作的主流趋势，想要免费、高效、零门槛制作 Gemini 风格图标、品牌 Logo、全套 UI 设计素材，没必要纠结多款工具来回切换，也不用为高额设计费用发愁。一站式 AI 聚合平台OneAiPlus）整合全网主流 AI 大模型，Gemini、ChatGPT、Claude、Gork 等模型随心切换，国内直接流畅访问，操作简单、功能全面、基础功能永久免费。
数据标注员的困境，本质上是"下游困境"——离AI很近，但在AI的"食物链"底端。开发者要避免同样的命运，关键是从"下游"走到"上游"。不是离AI更近，而是在AI的创造链条上占据更高的位置。能用AI，是基本功。懂AI，才是护城河。AI在吃掉自己的食物链。你要做猎人，不要做猎物。参考资料：36氪《人类中最聪明的一批年轻人，正在协助AI，消灭自己的未来？Matt Wolfe《AI新闻：今年最重磅的AI技
UI自动化脚本在本地可以运行，但真正的价值在于持续集成：每次代码提交后自动执行，及时发现问题。本文将详细介绍如何将UI自动化测试集成到Jenkins和GitHub Actions中，包括无头模式配置、并行执行、报告发布、邮件通知等关键环节。2.1 Jenkins环境准备安装Jenkins（推荐使用Docker或直接安装）安装插件：Maven IntegrationAllure Jenkins Pl
本文以 LuatOS 系统及 AirUI 轻量化图形框架为基础，依次完成硬件环境搭建、软件环境配置、代码仓库准备等前期工作，逐步实现钉钉机器人 Webhook 配置、密钥加签、消息一键推送功能，为整机调试与项目落地提供实操依据。
是一个功能强大的开源软件包，可让您直观地通过 Inspector 或代码应用丰富的 UI 效果。没有此工具的情况下，开发者通常需要编写自定义着色器或使用多个组件叠加来实现类似效果，这不仅效率低下，而且难以维护。UIEffect 将这些常用的视觉效果封装成易于使用的组件，极大地简化了开发流程，让开发者和美术可以快速、高效地为 UI 增添丰富的视觉细节。UI特效只此一家就足够用了，作者一直更新适配新版
本文将深度拆解 GenUI SDK 六大核心开发特性，帮助你全面了解这一革命式的 AI 应用开发工具。
AntDesignX是专为AI界面设计推出的新一代UI库，提出RICH设计范式（角色、意图、对话、混合界面）重塑人机交互体验。提供Bubble、Sender等AI专用组件，支持与OpenAI兼容模型快速集成，通过npm/yarn即可安装使用。适用于智能客服、AI创作工具等场景，显著降低开发门槛。该工具延续AntDesign设计美学，结合React钩子和全局配置功能，帮助开发者高效构建自然流畅的智能
在 50 个混合任务的测试中，采用关键词路由后总 Token 消耗降至原来的约 40%，成本降至约 15%，成功率从 96% 降至 92%。实测发现，一个仅有 22 Token 输入的任务，系统加载了超过 4 万 Token 的上下文，其中包含大量无关的备份文件、重复配置和历史日志。操作系统提供的 UI 结构描述，以文本格式呈现，包含元素类型、名称、状态和层级关系。例如，在长链条的网页自动化任务中
Paico 生成的不是普通的 React 代码，是符合公司视觉标准和组件规范的定制化代码。除了文生设计稿，面对竞品参考或者手绘草图，开发者或设计师也可以直接上传图片，将其转化为可编辑的 UI 设计稿，同样可以随时导出为前端友好的代码片段，降低沟通理解的成本。从好看但没用的灵感图，到带着组件思维的多页面 UI 设计，再到直接可用的 React 代码。市面上有很多 AI 工具，先生成静态图，再尝试把图
GPT Image 2 的发布引发了开发者和设计圈的讨论转向，从关注风格审美转向测试真实生产任务。其核心价值在于成为可控的图像生成与编辑接口。主要升级包括文本渲染、UI生成、多图一致性和精准编辑能力。官方推荐的结构化提示词模板（场景、主体、细节、用途、约束）提升了可维护性和程序化效率。适用场景包括电商素材、UI原型、信息图等需要批量控制的任务，但仍需注意校对和复杂排版限制。该版本标志着AI图像生成
如果已经有ComfyUI_FlashVSR且初始化了，界面还是提示没有以下两个节点的话，可以在Manager-》Install Misssing Custom Nodes-》搜索FlashVSR，会有具体的报错信息。1.登录 AutoDL 控制台，进入租用的实例，打开「JupyterLab」或「SSH 终端」（推荐 SSH，操作更高效）。如下载报错，节点放在 ~/autodl-tmp/ComfyU
用户意图优先首先理解用户"想做什么"然后提供实现该意图的最简路径避免展示不相关的功能和选项渐进式暴露根据用户当前意图，只显示相关的控件隐藏不相关的功能，减少界面干扰随着用户操作的深入，逐步展示更多选项上下文感知理解用户的使用场景提供个性化的功能推荐根据用户行为调整界面布局第一阶段：用户意图识别进行用户研究，深入了解用户需求分析用户行为数据，识别使用模式构建用户意图模型，分类核心意图第二阶段：界面设
http://forum.china.unity3d.com/thread-32932-1-1.html划分画布问题：UI Canvas上有一个或多个元素变化时，会污染整个画布。画布（Canvas）是Unity UI的基本组件。它会生成网格来呈现放置在画布上的UI元素，当UI元素变化时，它会重新生成网格并向GPU发起绘图调用，从而显示出UI。生成这些网格会消耗大量性能。需要...
在现代 Web 开发中，构建一个兼顾开发体验、类型安全与生产稳定性的项目架构至关重要。本文将手把手带你搭建一套基于最新技术栈的全栈脚手架。框架ORM：Prisma (配合全新驱动适配器模式)数据库：本地 PostgreSQLUI 组件认证机制：Next-Auth打开。我们需要配置生成器、指定数据源，并建立一个基础的User模型。注意：这里我们自定义了生成的客户端路径到。// 定义用户模型@uniq
设置页面是应用的"控制中心"，良好的设计能显著提升用户体验。功能模块说明技术亮点🎵音量调节0-100% 滑动调节Slider 组件 + 实时预览🔊语音开关控制语音指导播放Toggle 组件 + 状态同步🎯挑战难度5/10/15/20 次可选按钮组 + 选中状态管理📱侧边按钮左右按钮显示模式配置条件渲染 + 单选卡片⚠️数据管理举报反馈与数据清除对话框 + 数据持久化原则说明实践示例卡片式布
AvaloniaUI：解决.NET跨平台桌面开发的终极方案 AvaloniaUI是一个开源的.NET跨平台UI框架，支持Windows、macOS、Linux、iOS、Android和WebAssembly。它采用Skia自绘渲染，确保UI一致性，性能表现优秀，并支持GPU加速。对于WPF开发者，AvaloniaUI的XAML和MVVM模式几乎无缝迁移，学习成本低。相比MAUI和UnoPlatfo
谷歌发布DESIGN.md项目，将Apple、Microsoft、IBM、Ant Design等全球大厂的设计语言、规范、资源一网打尽。这不是又一个“收藏即吃灰”的链接聚合，而是设计师的“导航地图”。
在广告公司和设计团队摸爬滚打几年，我见过太多设计师为一个Logo的配色、一张海报的版式反复修改到深夜。自从AI绘画工具爆发，我就一直在琢磨，怎么把这些“黑科技”真正塞进设计师的日常流水线里，而不是让它们仅仅是个玩具。今天要聊的，就是一套我实践下来，能真正提升效率的AI辅助创意与设计工作流。我们不谈颠覆，只谈增效——如何用AI快速完成Logo、海报、UI的灵感生成、批量出图与智能迭代，把设计师从重复
本文介绍了一种利用UI结构数据与截图相结合的方式，通过AI快速复刻各类平台界面的方法。作者提出传统手动编码方式效率低且还原度不稳定，而将界面结构数据（如DOM树、XML等）与高清截图同时输入AI，能显著提高代码生成质量。文中针对网页、安卓、小程序和Windows四大平台，分别推荐了frontend-distill、uiautomator、wedecode和servo等工具来提取UI结构数据，并建议
问题在于我们仍然把设计当作纯粹的组装。在你选择的设计应用中按一系列按钮，拖放一些矩形，你就完成了。由于很多 UI 工作多年来一直是基于模式的（而且不是很有创意），AI 在这里并没有成为设计师的替代品。它成为了一种让你更快工作的设计工具。就像 Photoshop 让位给 Sketch 实现更快更好的 UI 设计，然后 Figma 出现了，现在我们有了能在几分钟而不是几小时内输出概念的工具。
本文基于Airtest框架，通过Android平台App测试脚本的设计，从设备连接--脚本录制/编写--脚本运行--生成报告，进行了第一个APP UI自动化测试脚本实现介绍。下方这份完整的软件测试视频教程已经整理上传完成，需要的朋友们可以自行领取【保证100%免费】软件测试面试文档我们学习必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有字节
这篇文章介绍了一个使用SwiftUI实现的待办事项应用，采用了MVVM架构和事件总线模式。主要内容包括： 数据模型定义：用Todo结构体表示待办事项，包含ID、完成状态和标题。 事件总线实现：通过EventBus类实现全局消息传递，使用Combine框架的PassthroughSubject发布三种事件类型（添加、删除、状态切换）。 ViewModel设计：作为业务逻辑核心，管理待办列表数据，处理
本文介绍了参考主流UI设计规范的核心价值与实用方法。首先指出设计规范能解决沟通模糊问题，通过精准定义组件类型（如Apple区分5种下拉菜单）确保团队理解一致。其次分析了四大规范的特点：Apple的细致分类、Material的任务流组织、Fluent的组件边界定义、Atlassian的系统化管理。重点讲解了页面设计三原则（主次分明、布局服务于任务、操作有优先级）和按钮设计的四个要点（先语义后样式、控
本文介绍了一个基于C#和WinForm开发的重复文件查找工具，用于扫描和管理散落在硬盘各处的重复文件。文章详细阐述了工具的技术选型、核心功能设计、界面布局及关键代码实现，包括文件信息模型、MD5计算优化、异步扫描、重复文件检测和文件迁移等功能。作者分享了实际使用体验，解决了10000个文件(50GB)的扫描问题，发现了300多个重复文件。同时总结了开发中遇到的权限、线程、内存等问题及解决方案，并讨
从数据标注到模型训练，从评估验证到桌面应用，本文覆盖了一套仓库货物检测系统的完整构建流程。YOLOv5s 在这个场景中被广泛验证，是一个稳妥的起点。建议把 60% 的精力花在数据标注和数据增强上——仓储场景模型选型对最终精度的影响远小于数据质量。使用预训练权重，YOLOv5s 在有数百张标注数据的仓库场景中通常能达到 mAP 90% 以上，这个精度对于初步的库存盘点自动化已经可用。
从数据集构建到 patch 级别训练，从桌面 UI 到后处理合并，本文覆盖了一套基于 YOLO 的病理切片辅助分析系统的完整路线。病理场景的核心难点不在模型本身——YOLOv8s 在 patch 级别的病变检测上表现稳定——而在数据处理：全切片切割、染色归一化和跨 patch 检测框合并这三大环节决定了下游 coder 的可用性。建议把工程精力的 60% 花在数据预处理和后处理上，模型训练反而是最
从数据集准备到模型训练，从评估对比到桌面应用开发，本文完整覆盖了基于 YOLO 进行猫狗检测的全流程。猫狗检测是一个低门槛高覆盖的练手项目——数据集容易获取、模型精度容易调优、可视化效果好。如果你刚开始接触 YOLO 目标检测，这是个理想的起点。先挑一个版本（推荐 YOLOv8s）把全链路跑通，确认你对数据集管理、训练配置、推理部署有完整的理解，再考虑是否要试其他版本进行横向对比。
测试地址的选择（本地/线上）本地服务器：请求响应快，测试结果稳定，但无法排除由线上环境差异或代码打包过程中引发的问题线上服务器：能够反映网站真实的展示，无需额外启动服务器，任何时候都可以测试，但受网络因素影响，可能导致测试结果不稳定尽量抹平不确定因素带来的影响如维持数据请求的结果稳定，日期时间稳定，保证页面渲染的一致性。假如由于数据返回或时间的不确定性，导致每次页面渲染不一样，那这样测试也失去了意
本文总结了网站复刻项目中的两大核心任务：一是通过GitHub开源获取苹方/SF Pro SC字体并完成本地私有化部署，解决了网页字体违和问题；二是完成了苹果官方标准页脚的像素级复刻，包括免责声明、导航分区等模块。文章详细介绍了字体本地化部署的具体步骤和代码实现，以及页脚模块的开发思路和样式优化技巧，同时分享了项目开发中的踩坑经验和解决方案。整体项目已完成80%核心页面搭建，为后续移动端适配和交互开
《ClaudeDesign技术解析与工程实践》摘要：本文从技术角度剖析Anthropic推出的ClaudeDesign能力集合，其架构包含Artifacts实时预览层和办公软件集成层，通过代码生成与沙箱渲染实现"生成即预览"的技术突破。文章详细拆解了其在原型开发、PPT生成和数据可视化三大场景的技术实现，并指出Token配额限制、上下文漂移和设计工具兼容性等工程约束。针对这些局
ui
——ui
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
AtomGit开源社区
AtomGit AI 社区
2048 AI社区
openEuler 社区
深开鸿 技术专区
HarmonyOS开发者社区
龙虾开发者社区
