登录社区云，与社区用户共同成长
邀请您加入社区
《使用代理进行编码的最佳实践》介绍了如何高效利用Cursor等AI编程代理工具。文章指出，AI代理可以完成多文件重构、持续迭代直至测试通过等复杂任务，但需要掌握新的工作模式。核心建议包括：1）先制定计划再编码，利用"计划模式"让代理分析代码库并创建详细实施方案；2）合理管理上下文，让代理自主搜索相关文件而非手动标记；3）适时开启新对话避免信息过载；4）通过规则文件(Rules)
移动端AI对话导出技术面临结构化挑战 当前移动端AI对话内容导出存在三大痛点：Markdown语法丢失、LaTeX公式碎裂、多模态内容分离。主流解决方案各有局限：直接复制仅保留30%格式，WPS智能文档兼容性不足，AI提示词重构效率低，Pandoc配置门槛高。行业专家指出，真正的技术突破需解决多层级内容解析和自动渲染问题。新兴工具如DS随心转APP通过深度接口适配和渲染引擎，实现了跨平台结构化导出
摘要： 本文针对AI生成技术文档（含公式、代码、表格）导出Word的痛点，对比四种主流方案：直接复制（公式易乱码）、WPS智能文档（跨平台兼容性不足）、AI提示词优化（效果不稳定）和Pandoc转换（需技术门槛）。实测显示，复杂文档手动调整耗时15-45分钟，影响交付效率。推荐集成专用工具（如AI导出鸭）作为补充层，实现LaTeX转OMML原生公式、代码高亮保留的一键导出，将调整时间压缩至分钟级，
这篇文章分享了两位开发者使用若依框架和AI工具快速开发多门店管理系统的经验。面对10多家连锁店的管理需求，团队对比了四种技术方案后选择了若依框架，因其完善的RBAC权限、数据字典等功能可节省两周开发时间。文章详细介绍了多租户改造方案、六端系统的架构设计，以及AI在业务逻辑编写、代码生成和调试中的实际应用。特别强调了硬件对接的注意事项和报价策略，最终项目在6周内完成交付，成本控制在4.8万元。作者总
腾讯混元团队开源轻量级OCR模型HunyuanOCR，仅10亿参数却在多项OCR任务中达到SOTA水平。该模型采用端到端架构设计，整合视觉编码器、MLP连接器和轻量语言模型三大组件，直接完成图像到结构化文本的生成，避免了传统OCR流水线的误差累积问题。HunyuanOCR支持文字检测、复杂文档解析、字段信息抽取、视频字幕提取和图像翻译五大核心功能，在2GB大小下实现了与大型模型相当的精度。提供三种
移动端AI OCR部署技术指南 本文系统介绍了在移动端部署轻量级OCR模型的技术方案。首先对比了PP-OCRv5、PaddleOCR-slim等主流轻量模型，分析其参数量、体积和应用场景差异。重点阐述了NCNN、TFLite、MNN等推理框架的选型策略，针对不同平台提供优化建议。详细讲解了模型量化、知识蒸馏等关键优化技术，可将模型压缩至10MB以下同时保持高精度。最后提供了PaddleOCR+ML
Deepseek
AIToken聚合平台通过统一API集成多模型调用，优化Token消耗与成本管理。2026年市场分化为企业级稳定与开发者敏捷路线，评测聚焦五大标准：模型覆盖、稳定性、成本管控、故障转移及合规性。Top5平台中，OpenMove（96分）以全球骨干网和智能路由胜出；OpenRouter（89分）支持300+模型适合快速迭代；七牛云AI（86分）国内直连合规；硅基流动（83分）国产算力优化；OneAP
Google推出Gemini Enterprise Agent Platform，为企业提供下一代AI代理开发平台。该平台整合了Vertex AI的模型选择和构建能力，新增代理集成、DevOps编排和安全功能，支持200多个领先模型（包括Gemini 3.1系列和开源模型Gemma 4）。平台特点包括：低代码开发环境Agent Studio、支持多日工作流的Agent Runtime、安全沙箱环境
如果你已经会用requests直接打 Ollama 的 HTTP 接口，可能会问：再套一层 LangChain，是不是过度工程？我一开始也这么想，直到真正动手做了一个稍微复杂点的应用——带工具调用的 RAG 助手。那一刻我才意识到，自己拿requests拼的那套东西，本质上是在重新实现一遍 LangChain 已经打磨好的抽象。接口标准化。LangChain 的接口让 Ollama、OpenAI、
摘要： 托管代理服务通过解耦“大脑”（Claude模型）与“执行层”（工具/沙箱），解决了长期任务中模型假设过时、容器耦合及安全边界等问题。核心设计包括：1）将会话日志、工具调用等抽象为独立接口，确保组件可独立替换；2）采用无状态架构，容器故障时可快速重启；3）通过安全代理隔离敏感凭证，防止沙箱越权访问。该架构使任务启动延迟降低60%-90%，并支持动态扩展多模型实例与工具环境，适应未来需求变化。
摘要 本文探讨了长运行应用程序开发中的线束设计（harness design）方法，通过多智能体架构提升AI编码性能。作者设计了一个包含生成器（generator）和评估器（evaluator）的对抗式结构，解决了AI在主观任务（如前端设计）和复杂工程任务（如全栈开发）中的自我评估偏差问题。实验表明： 前端设计：通过可量化的评分标准（设计质量、原创性等），评估器驱动生成器迭代优化，最终产出更具美感
OpenAI团队通过五个月实验，开发了一个完全由Codex生成代码的软件产品，实现了百万行代码的交付，耗时仅为人工的十分之一。该实验重构了工程师角色：人类负责设计环境、明确意图和构建反馈机制，而Codex代理执行所有编码任务。团队建立了严格的架构约束和文档系统，确保代理可读性和代码一致性。随着吞吐量提升，传统工程规范被重新定义，合并流程更注重效率而非完美。实验表明，AI生成代码需要持续的质量监控和
Meta收购Manus遭中国反垄断拦截，Musk vs Altman庭审在即，AI Agent Token经济学首次被系统量化，GitHub上Claude Code生态爆发式增长。
DeepSeek V4 这次降价，放在全行业涨价的背景下看，冲击力很大。短期：2.5 折是限时优惠，5 月 5 日到期。到期后价格大概率会回升，但下半年有再次降价的预期。长期：DeepSeek 的降价底气来自国产算力的崛起。昇腾 950 批量上市后，成本结构会进一步优化。如果国产芯片产能跟上，这个价位有望常态化。选型：Flash 是日常主力，性价比几乎无对手。Pro 在特惠期间是 Agent Co
Ollama 是一个开源的、专为在本地运行和管理大型语言模型（LLM，Large Language Model）而设计的轻量级工具与平台。简单来说，它的核心作用是：让你能像运行一个普通程序一样，在自己的电脑上轻松下载、运行和试验各种开源大模型（如 Llama 3、Qwen、Gemma 等），而无需了解复杂的模型部署、环境配置或依赖管理。过去一年，本地化部署大语言模型这件事悄悄变得不那么"硬核"了。
1981年4月27日，施乐发布Xerox Star 8010——第一台商用GUI计算机。45年后的今天，AI Agent正在学会看屏幕并自主操作GUI。
这篇文章介绍了AI发展的五个阶段，重点讲解了文本嵌入(embedding)技术如何将文字转化为数字向量，使模型能计算词语间的语义关系。作者指出embedding的本质是将词语用法相似性转化为空间距离，这种技术支撑了相似词检索、推荐系统等功能。文章还分析了AI人才市场的火爆现状，强调传统技术人员需结合AI技能提升竞争力，并附赠大模型学习资料包，包含视频教程、学习路线、技术文档和面试题解等资源。全文以
文章揭示了AI Agent高失败率的根源在于工程分层不当，提出了三层递进式工程体系：Prompt Engineering（单轮交互措辞）、Context Engineering（多轮信息流管理）和Harness Engineering（系统可靠性保障）。研究数据显示，仅优化Harness层就能将模型通过率从2%提升至12%，而95%的AI项目失败源于未正确实施工程分层。文章强调，Prompt适用于
随着 AI Agent 技术从实验室走向消费级应用，个人 AI 助手正在重新定义人机协作的边界。本文深入对比两款开源个人 AI 助手——OpenClaw 与 Hermes，从系统架构、核心特性、用户体验到设计哲学进行全面剖析。OpenClaw 以"网关"理念为核心，强调多渠道接入与灵活的工具集成，提供 Web UI、移动端节点和 35+ 模型供应商支持；而 Hermes 则由 AI 研究实验室 N
从一句"找个适合发呆的老建筑"到地图上亮起的标记点，从冰冷的 POI 数据到温暖的"场所印象"——City Whisperer（城市低语）证明了，当地图服务与 AI 相遇，城市不再只是一张坐标图，而是一本等待翻阅的故事书。
本文针对大模型学习中的常见误区，提出了一套系统化的5步学习路线，帮助学习者高效掌握企业所需的核心技能。路线包括：基础能力培养（4周）、关键技术突破（6周）、企业级项目实战（5周）、就业能力冲刺（4周）和综合项目准备（3周），强调从理论到实践的完整过渡。文章指出大模型领域存在巨大人才缺口，2025年前10个月AI岗位需求增长543%，高薪岗位多集中于AI研发方向。同时提供了包含视频教程、学习路线、技
摘要： Harness Engineering是AI智能体生产化的系统性方法论，通过四大核心支柱（任务拆解、多Agent协作、异常治理、CI/CD自动化）实现AI的可控、可靠与可持续演进。它不同于单纯的技术实现（Agent Harness），而是涵盖工程治理层的完整闭环，确保AI输出稳定、风险可控。本文结合实战场景（如自动化内容生成、智能客服、代码审查）展示了如何构建AI生产系统，并强调提示词版本
DeepSeek-V4重磅发布，带来两大版本：旗舰版V4-Pro（1.6万亿参数）和轻量版V4-Flash（2840亿参数），均支持100万token上下文。通过混合注意力机制等三大创新技术，将推理计算量最高降低至前代的10%，显存占用降至7%。模型采用MIT许可证开源，适配国产算力平台，在多项评测中表现优异，虽仍落后顶级闭源模型3-6个月，但通过成本重构使长上下文处理成为标配。同时文章指出，AI
本文提供了一份面向开发者、产品人和AI从业者的全链路AI技术生态地图，系统梳理了从底层模型、开发工具到落地场景的AI全流程工具链。文章将生态划分为五大核心模块：AI基础层（模型/API/智能体）、RAG与向量数据库、模型工程化（部署/微调/监控）、AI前端与多模态、自动化与安全。每个模块详细介绍了主流工具的中英文对照、功能定位及适用场景，如OpenAI、LangChain、Pinecone等关键工
本文深入探讨多 Agent 系统如何突破单 Agent 的能力边界，通过多个智能体的协同工作实现复杂任务的分布式解决。单体 AI 助手虽能在特定领域表现出色，却面临上下文窗口限制、专业深度有限、难以处理复杂多步骤任务等固有局限。多 Agent 系统借鉴自然界群体智能的启示——如蚁群寻找最优路径、蜂群高效协作——让多个专业化的 AI Agent 各自承担特定角色，通过结构化通信协议实现信息共享、任务
这篇文章系统介绍了AI Agent的构建方法，重点解析了Agent的核心运作原理（LLM、工具和记忆的协同）与五种工作流模式（提示词链、路由、并行化等）。针对新手提供了简易构建公式（角色+目标+工具+规则+输出格式）和五种推荐类型（研究型、内容型等）。文章强调从简单场景入手，注重工具设计的简洁性（一个工具对应一个明确任务）和早期测试验证，同时区分了工作流与Agent的适用场景，帮助开发者高效构建实
Agent 记忆系统 = 让 AI 像人一样，把「刚刚发生的」「学过的」「长期积累的」分层管理。类比：人类的记忆分三层——工作记忆（当前对话的上下文，几分钟内）、情节记忆（某件具体的事，比如「上周我们讨论过 XX 方案」）、语义记忆（知识图谱，比如「TypeScript 的类型系统是这样的」）。人类记忆Agent 对应实现方式工作记忆短期记忆Context Window（消息列表）情节记忆长期记忆
Claude Code：AI编程协作系统解析 Claude Code通过四大核心机制实现AI编程协作：1) CLAUDE.md规则管理，维护项目上下文一致性；2) 自动化技能扩展，包括Skills、Slash Commands和Hooks；3) 工具集成能力，采用MCP协议连接外部系统；4) 协作容错模式，包含Plan模式、回滚和子代理机制。系统通过终端循环架构，有效解决了AI编程中的一致性、数据
我在一线科技企业深耕十二载，见证过太多因技术卡位而跃迁的案例。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。✅从入门到精通的全套视频教程✅AI大模型学习路线图（0基础到项目实战仅需90天）✅大模型书籍与技术文档PDF✅各大厂大模型面试题目详解✅640套AI大模型报告合集✅大模型入门实
摘要：AI时代产品经理职业正经历根本性变革。Anthropic通过重构研发流程将迭代周期从6个月压缩至1天，产品经理的核心价值转向精准判断而非文档撰写。新环境下PM需具备三大能力：锚定核心目标、搭建无摩擦发布机制、划定授权边界。产品品味（判断力）成为核心护城河，需从海量需求中筛选真实痛点。适应AI时代的PM需具备四大特质：驾驭混乱、低自我、服从使命、人际协同能力。这场变革的本质是从执行转向判断，未
2026年4月，DeepSeek-V4发布引发行业震动，其1.6万亿参数、百万token上下文等特性与华为昇腾芯片深度绑定，标志着国产算力生态的重大突破。与此同时，公司估值飙升至200亿美元，腾讯、阿里争相投资。这背后是DeepSeek从技术理想主义到商业现实的转型：核心人才流失倒逼资本化进程，557万美元的低成本神话背后是13亿美元的长期投入，开源战略使其成为行业基础设施却面临商业闭环难题。从英
Midjourney 是一款强大的 AI 绘图工具，可以通过简单的关键词输入在一到两分钟内生成精美的图像。凭借其卓越的绘图能力，Midjourney 在行业内脱颖而出，广泛应用于多个行业和领域，其影响力日益增强。本文将介绍如何在 Midjourney API 中使用 Imagine 操作，帮助我们通过文本轻松生成所需的图像。
最近两年，几乎每次参与PLM项目的阶段性评审，总有业务侧的同事提出同样的困惑：“我们上了智能文档解析，也对接了BOM校验和风险预警，但效果真的很一般。它意味着你的产品属性（如材料、重量、尺寸、工艺参数）是在固定的属性框架下录入的，产品之间的关系（如父子关系、替代关系、配套关系）是明确定义的。我见过的极端情况是，某企业的物料数据只有“创建”和“最终状态”两个节点，中间所有的变更、审批、异常都是断层的
摘要：文章对比了向量检索与关键词检索（如BM25）的优劣，指出关键词检索擅长精确匹配但无法处理同义词，而向量检索语义理解强却易漏检精确词。建议采用混合检索策略，结合两种方法的结果，通过RRF算法融合排序，实现更全面的检索效果。文中还提到大模型技术趋势，强调传统开发者应结合AI能力提升竞争力，数据显示AI领域人才需求呈井喷态势。
RAG（检索增强生成）是一种让大模型通过外部知识库获取实时信息的技术解决方案。它通过模拟人类"开卷考试"的思维模式，在回答问题时先检索相关资料再生成答案，有效突破了大模型知识时效性的局限。与微调技术不同，RAG不改变模型本身，而是为其提供动态事实支撑。该技术的核心在于将大模型的推理能力与外部知识库的事实检索相结合，但实际效果高度依赖知识库质量。当前AI领域对具备RAG等大模型技
摘要： RAG系统正从传统“流水线架构”向“Agentic RAG”演进，后者将检索作为LLM自主调用的工具，实现更自然的决策流程。尽管Agent化在语义连贯性和长期兼容性上优势显著，但当前仍面临模型幻觉、成本过高及延迟等现实挑战。短期内需结合Prompt优化、小模型拦截等混合方案，但长远看，Agentic RAG代表了从“代码中心”到“模型中心”的范式转移，是RAG系统的终极发展方向。
上周三公司一个做客服机器人的项目要换模型，产品经理说想试试 Kimi K2.5，理由是"中文理解能力强，而且便宜"。我寻思也行，正好手头在用 OpenClaw 做日常开发，就花了两天把几种接入方案都跑了一遍。结果嘛……有惊喜也有坑，记录一下。说实话一开始我以为改个 base_url 就完事了，没想到 OpenClaw 对不同 API 协议的兼容性差异还挺大的。这篇文章就把我实测的 3 种方案摆出来
摘要： 针对腾讯元宝等AI助手生成的技术文档导出难题，本文分析了四种主流导出方式的性能差异。测试显示，直接复制粘贴易丢失格式，WPS智能文档对复杂内容支持有限，AI提示词优化不稳定，而Pandoc转换效果最佳但操作复杂。研究指出，当前工具在LaTeX公式转换、长文档截断等问题上存在明显短板，建议结合专用导出工具（如AI导出鸭）形成完整工作流，可显著提升文档流转效率。《2026 AI效率工具白皮书》
AI
——AI
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
AtomGit开源社区
2048 AI社区
DeepSeek技术社区
AtomGit AI 社区
人工智能6S服务平台
