登录社区云，与社区用户共同成长
邀请您加入社区
该综述系统梳理了多模态智能体的技术演进，提出以感知融合策略为主线的分析框架，涵盖委托感知、后期融合与早期融合三种核心路径。文章深入剖析了多模态智能体在推理、记忆、行动等模块的跨模态协同机制，并聚焦机器人、GUI导航、内容生成与长视频理解四大应用赛道。指出当前面临性能与效率、可靠性与延迟、泛化能力与评测可信度等多重挑战，强调架构融合优于参数规模，倡导领域专用模型微调以实现落地可持续性。未来需突破接地
我在一线科技企业深耕十二载，见证过太多因技术更迭而跃迁的案例。那些率先拥抱 AI 的同事，早已在效率与薪资上形成代际优势，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。✅AI大模型学习路线图✅Agent行业报告✅100集大模型视频教程✅大模型书籍PDF✅DeepSeek教程✅AI产品经理入门资料完整的大模型学习和面试资料已经上传带到CSDN的
本文通俗解析Agent核心原理：它不是简单回答问题的聊天机器人，而是能自主规划、调用工具、迭代执行的“办事智能体”。关键在于LLM+目标+工具+记忆+循环+安全边界。适合多步判断、信息动态变化的任务，如订票、调研；固定流程则用脚本更高效。推荐从最小循环起步，掌握ReAct、计划执行、反思纠错三种思维模式，重视工具安全与上下文管理。最后以“研究助手”练手，覆盖完整闭环。
本文聚焦AI Agent产品选择，提出“交付物决定起点”的核心观点。指出代码仅是入口，真正竞争在于工作位置与交付成果。通过六类Agent（终端、IDE、云端、应用生成、审查、通用工作）分类，对比国内外主流产品：海外以Claude Code、Codex为基线，侧重长任务与权限管理；国内则分层发展，TRAE、Qoder等深耕研发入口，Kimi Code、Qwen Code等提供模型能力。强调地区差异显
人工智能并没有让语料库、语境和社群失去价值。相反，它让三者之间原本被期刊和平台包装起来的关系变得更加清晰。语料库可以被复制和重新组合。语境可以被提取，却很难完整恢复。社群可以被记录，却不能简单等同于记录本身。对于学术产品经理来说，最重要的挑战不是做出一个更像聊天机器人的论文搜索框，而是重新设计研究者与知识之间的关系。更容易被发现；更准确地被解释；更清楚地显示证据和限制；更及时地反映修订和争议；更自
AI割草机器人
本文基于多个典型的数据分析素材案例，拆解不同业务场景的设计重点。同时，也结合实操体验，分享如何用AI生成原型图的方式，在前期快速完成布局和思路验证，帮助我们提高设计速度。
通过结合使用通义千问3.0的指令、嵌入和重排器模型，我们构建了一个实用的RAG管道，充分利用了它们的优势。凭借256K的上下文长度和多语言支持，通义千问系列在实际任务中展现了其多功能性。
阿里已从电商公司成功转型为AI大模型公司，其通义千问模型成为HuggingFace上最热开源模型。凭借自研平头哥芯片和阿里云基础设施，阿里实现了从芯片到模型的垂直整合，快速推出多行业适配模型，形成完整AI生态。这种全栈自研能力使阿里在AI领域领先于其他互联网公司，成为中国的OpenAI+英伟达，未来有望在AI产业链中占据重要地位。
2025届计算机应届生必看：算法岗选对方向，比卷简历有用10倍
AI-Media2Doc是一款开源视频/音频转文本工具，支持本地部署，提供多种文档风格转换功能。该工具基于AI大模型开发，具有隐私保护、智能截图、字幕导出等特性，可生成小红书、公众号、思维导图等多种格式内容。安装需配置Docker和火山引擎相关参数，支持自定义Prompt和访问密码设置。工具完全免费开源，适合需要高效处理音视频内容的用户，同时文章还分享了AI大模型学习路线和免费资源获取方式。
多模态AI赋能企业数字化转型：通义千问VL模型的商业价值 摘要：通义千问VL模型作为新一代多模态AI解决方案，通过跨模态理解、行业知识增强和超长上下文处理等核心技术，有效打破企业数据孤岛。该模型在金融风控、智能客服、制造业质检等场景中展现出显著优势，如提升金融风控准确率35%、降低客服人力成本30%、提高产品缺陷检出率95%。模型采用动态分辨率处理和量化优化等技术，实现性能与成本的平衡，为企业带来
关于大小模型端云协同赋能人机交互，公开课分别从AI发展背景与趋势、端云协同技术框架与算法、跨异构模型与任务的知识迁移、推荐系统中的端云协同应用、人机交互与端智能体技术等方面展开。
语言模型真的能用于时序预测吗？根据贝特里奇头条定律（任何以问号结尾的新闻标题，都能够用「不」来回答），答案应该是否定的。事实似乎也果然如此：强大如斯的 LLM 并不能很好地处理时序数据。时序，即时间序列，顾名思义，是指一组按照时间发生先后顺序进行排列的数据点序列。在很多领域，时序分析都很关键，包括疾病传播预测、零售分析、医疗和金融。在时序分析领域，近期不少研究者都在研究如何使用大型语言模型（LLM
在当今的软件测试行业中，测试管理工具的选择对于提高测试效率、降低成本和提升产品质量至关重要。为了帮助您在众多的测试管理工具中找到最适合您的工具，本文将对2024年国内外10款主流测试管理工具进行详尽对比，1.禅道（Zentao）；2. Jira；9. Rollbar；包括它们的特点和功能以及优势，以及适合哪种类型的项目和企业。
在进行问卷调查时，经常会遇到一部分多选题，我们一般选择用二分法记录数据，因为各选项均是对同一个问题的回答，之间存在一定的相关，将各选项单独进行分析并不恰当。SPSS菜单操作为：分析——多重响应——频率，在弹框内可看见上一步建立的项集，勾选“在二分集内成列排除个案”，点击确定。=N/总计=14/78=17.9%，即选择3G资费太高的消费者在所有响应中（所有1的次数）的比例；将“变量集" 移入”行“列
本文深入浅出地介绍了Agent的工作原理，适合对机器学习不熟悉的初学者。通过阅读，读者将能够理解Agent的组成部分，并学会判断哪些任务适合用Agent完成，哪些任务更适合用传统程序。文章还详细讲解了Agent的循环工作机制、三种思考方式、工具使用规范以及记忆、RAG和上下文的管理方法，最后提供了实用的练习建议和评估方法，帮助读者将理论知识应用到实践中。你对聊天机器人说：“帮我订一张周五去上海的高
生成式 AI 产品中，LLM、Token、Context、Prompt、Tool、MCP、Agent 与 Agent Skill 经常同时出现。它们分别对应语言生成、信息输入、外部连接和任务执行等环节。理解这些概念，有助于判断 AI 系统能够完成哪些工作，也能更准确地认识它的能力边界。
药学专业毕业，之前一直在医药相关岗位，主要负责药品资料整理、医学文献检索、项目支持和业务沟通。每天接触最多的是药品、疾病知识、医学资料和各种专业信息。跟AI真正产生关系，其实也就是最近一年。之前虽然用过ChatGPT，也尝试过一些AI工具，但没有系统做过AI项目，更没有互联网产品或者大模型相关岗位经历。她第一次找我的时候，最大的焦虑就是：“我就是学药的，又不会写代码，AI医疗真的有我的位置吗？
01PART开篇：一个"编得头头是道"的机器人HOOK · 模型的"知道"是一种"联想"模型的"知道"，是一种怎样的"知道"要理解 RAG 为什么必要，先得破除一个误解：**大模型不是"知道"，而是"联想"。**模型把几十 TB 的训练数据，压缩成了几千亿个参数。你问它问题，它做的不是"查记忆"，而是"根据上下文，按概率生成最像正确答案的下一段话"。这带来两个后果：① 它记得住"规律"，记不住"事
16GB显卡可跑270亿参数模型，最优解为UD-Q3_K_XL（13.15GB），128K上下文生成速度达42.9 tok/s；256K长上下文推荐UD-IQ2_S，速度几乎无损。实测发现显示器接主板核显可提升15.4%性能，2bit量化在长上下文下表现稳定。避坑提示：勿信nvidia-smi显存显示，256K需降档量化，消审版性能与原版一致。附配置命令与选型表，助力低成本部署大模型。
本文分享作者如何用 AI 流水线替代手工备课——把课表截图解析成结构化数据，将大纲学时映射到真实课表逐周对账，再一节课一节课生成教案、教学进度表、课件和讲稿。文章解释了为什么通用大模型（如 ChatGPT）干不了这活（它不知道你的真实约束），并给出三步上手方法。工具已开源（MIT 协议），欢迎大学老师提 Issue 反馈场景，共同迭代。
产品经理写的产品需求文档
本文详细介绍了n8n工作流工具的四种安装部署方式：官方云服务、云服务器部署(推荐)、Docker Run部署和Node.js方式。文章对比了各种方式的优缺点和适用人群，提供了详细的安装步骤和注意事项，帮助读者根据自身需求选择最合适的部署方案。
产品经理
——产品经理
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
DAMO开发者矩阵
AtomGit AI 社区
2048 AI社区
AtomGit开源社区
