登录社区云，与社区用户共同成长
邀请您加入社区
与其内耗自己, 不如责备他人
摘要： 随着移动办公需求激增，手机端AI内容导出成为效率瓶颈。《2026年移动端AI应用洞察报告》显示68%用户受困于对话转PDF的"最后一公里"问题。本文对比四种主流方案：直接复制（易乱码）、WPS智能文档（依赖生态）、AI自主转换（兼容性差）和Pandoc命令行（高门槛），指出格式损耗率高达40%。专家建议采用轻量化工具如"DS随心转"，其自研引擎能实现
SpringAIAgentUtils是由SpringAI社区开发的开源Java智能体工具库，提供构建自主智能体的标准化方案。核心功能包括：1）系统交互工具集（文件操作、Shell执行、网页搜索）；2）智能工作流模式（用户询问、任务列表管理）；3）可复用技能系统（Markdown格式定义领域知识）；4）多智能体编排框架（主代理与专用子代理协作）。该库支持安全系统交互、长期记忆保持和远程代理通信，适用
本文解析了AI Agent构建中Sub-Agents与Agent Teams的核心区别：Sub-Agents作为独立助手执行专项任务，强调隔离性与信息压缩；Agent Teams则通过通信协作解决复杂问题。文章指出设计应基于上下文边界而非角色拆分，提出了五大协作模式，并建议根据任务需求选择合适方式——简单任务用Sub-Agents，复杂协作用Teams。最后强调应从简单架构开始逐步增加复杂度，避免
《Harness Engineering：从上下文工程到AI工作空间的构建》 摘要：本文重新诠释了Harness Engineering的核心价值，指出其本质是通过上下文工程为AI模型构建有效工作空间而非简单控制。文章揭示了传统"Reasoning"思维与新兴"Agentic"思维的关键差异：前者侧重静态推理链，后者强调模型与环境交互中的动态调整能力。作者提
大模型就业前景与学习建议：机遇与挑战并存 摘要：大模型作为AI领域前沿技术，就业前景广阔但竞争激烈。文章分析了大模型方向的特点、就业门槛（需硕士学历及扎实编程能力）、薪资水平（年薪可达40万+），并给出实用建议：1）提升深度学习、NLP等技术能力；2）积累项目实践经验；3）持续关注行业动态；4）培养跨领域能力。针对保研学生，建议明确研究方向、选择合适院校/导师、强化科研背景。文章还提供了大模型学习
摘要： Harness是LLM外部的运行时控制系统，负责计划、测试、重试等模型无法处理的事务。文章通过类比模型（发动机）与Harness（底盘），指出AI工程重点从指令转向环境控制。分析Claude Code源码提炼出六条Harness工程原则，包括Prompt即控制面、默认安全失败等，与开发者日常实践高度契合。强调需将文档约束升级为代码强制规则，引入独立Evaluator Agent评估产出质量
AI时代下普通人的生存与发展指南 随着AI技术快速发展，普通人面临挑战也迎来机遇。文章建议采取三步策略：首先通过攒钱增强抗风险能力；其次尝试轻资产创业如自媒体、独立开发等，借助AI工具实现价值；最关键的是积极拥抱AI，利用其提升工作效率和竞争力。作者还提供了AI学习资源包，包含教程、路线图、面试题等，帮助零基础者快速入门。面对AI浪潮，普通人应主动适应变化，掌握新技能以抓住时代机遇。
为什么AI大模型成为越来越多程序员转行就业、升职加薪的首选很简单，这些岗位缺人且高薪智联招聘的最新数据给出了最直观的印证：2025年2月，AI领域求职人数同比增幅突破200% ，远超其他行业平均水平；整个人工智能行业的求职增速达到33.4%，位居各行业榜首，其中人工智能工程师岗位的求职热度更是飙升69.6%。AI产业的快速扩张，也让人才供需矛盾愈发突出。
AI岗位在2026年春招中需求激增，成为就业市场最大热点。数据显示，AI相关岗位单月同比增幅超11倍，字节跳动、百度等大厂纷纷扩招，核心岗位年薪突破百万。麦肯锡预测，到2030年中国AI人才缺口将达400万。AI技术已渗透医疗、金融等行业，创造大量新岗位。普通人可通过系统学习AI技能实现职业转型，零基础者也有机会进入这一高薪领域。目前各大厂提前启动春招，重点招募大模型、算法等方向人才，为求职者提供
新经济行业招聘市场回暖，AI岗位需求激增12倍 2026年初新经济行业招聘数据显示，岗位量同比增长12.77%，平均月薪上涨9.2%。AI领域成为最大亮点，相关岗位占比从2.29%飙升至26.23%，平均月薪达60738元，高出行业均值26%。AI科学家岗位以137153元月薪登顶高薪榜，高性能计算工程师呈现7:1的供需缺口。 招聘市场呈现两大趋势：岗位"去初级化"，73%岗位
摘要： 2026年春招季，新质生产力相关行业岗位需求激增。人工智能赛道薪资领跑，AI科学家月薪超13.7万元，复合型人才年薪可达150万；高端制造业岗位增速20%-30%，半导体、机器人领域年薪30-100万；低空经济催生无人机飞手、eVTOL工程师等新职业；新能源与储能赛道人才缺口显著，储能工程师供需比达1:9；现代服务业中宠物经济、银发经济岗位增长迅猛。AI大模型领域人才缺口预计2030年达4
大模型开发远非简单的API调用和Prompt编写，而是一套涵盖LLM本质理解、Token机制、RAG知识库增强、Agent智能体开发等完整技术体系。文章指出程序员需要从工具使用者升级为智能系统设计者，掌握Transformer架构、Prompt工程、向量检索、函数调用等核心技术，并强调RAG和Agent开发是企业级应用的关键。大模型开发的核心在于工程落地能力，包括推理优化、部署实施和异常处理，而非
OpenAI 与 AWS 达成里程碑合作、结束微软独家协议，云端 AI 格局迈向多极化；英伟达开源多模态 Agent 专用模型 Nemotron 3 Nano Omni，效率提升 9 倍；大模型"对齐过度"问题浮出水面，用户开始怀念"有灵魂"的 AI。
（本文借助 AI 大模型及工具辅助整理）
这里我想做的是把这一次的对话，包括这一次的代码改动，全部回滚掉，最好是当做无事发生。这里介绍一个技巧，当我们输入一行命令的时候，如果想换行，我们不能点回车，点回车就直接发送了。remotion 是一个让 AI 用编程的方式来创建动画视频的工具，我们看到这里面只包含一个 remotion best practice 技能，它也没有任何的软件包，但是它还是归到插件里面的。Windows 跟 Mac 电
AI代理的有效上下文工程强调优化有限上下文资源的重要性。随着AI应用从简单的提示工程转向更复杂的上下文管理，文章提出上下文工程是构建高效AI代理的关键。由于语言模型存在注意力预算限制，必须精心选择高价值token来最大化期望结果。文中探讨了系统提示优化、工具设计、示例选择等策略，并介绍了长时任务中的压缩、结构化笔记和多代理架构等技术。这些方法帮助AI代理在有限上下文窗口内保持高性能，同时适应更复杂
本文探讨了长期运行AI智能体在多上下文窗口工作中的挑战及解决方案。研究借鉴人类工程师轮班工作模式，开发了双重智能体框架：初始化智能体负责环境配置和功能清单创建，编码智能体则专注于渐进式开发。关键创新包括通过JSON格式功能清单明确任务目标、强制git提交确保代码状态可追溯，以及引入自动化测试验证功能完整性。实验表明，这种方法能有效解决智能体一次性尝试过多、过早宣布完成等问题，显著提升了在复杂任务（
《构建高效智能体的实践指南》摘要 本文系统阐述了构建大语言模型智能体的核心原则与方法。研究基于Anthropic团队与数十个行业客户合作的经验，揭示了成功智能体系统的关键特征：采用简单可组合模式而非复杂框架。文章详细分析了五种典型工作流模式（提示链/路由/并行化/协调器-工作者/评估者-优化者）的适用场景与实施要点，特别强调智能体在开放式复杂任务中的独特价值。通过客户支持与编程代理两个典型案例，展
本文介绍了Claude Code中用于处理长对话上下文的Pipeline压缩机制。该系统通过四层压缩策略(Snip截断、Microcompact去重、ContextCollapse折叠、AutoCompact摘要)有效解决长对话历史导致的token膨胀问题。文章重点阐述了Pipeline架构模式与压缩功能的关系：Pipeline作为数据流转框架，支持条件跳站、参数传递和错误恢复，而压缩是各处理站的
摘要： AI在分析代码时往往缺乏对业务背景、技术决策历史和隐形契约的理解，因为这些关键信息通常未系统记录，而是散落在邮件、讨论或开发者记忆中。文章指出，软件工程的核心挑战在于管理复杂性和传递理解，而非单纯编写代码。为此，团队需建立知识沉淀机制，如记录决策原因、维护迭代历史、构建领域知识图谱，并将AI纳入流程以结构化知识。AI的局限性恰恰揭示了团队知识管理的不足，而填补这些漏洞才是构建真正技术护城河
在设施设备出现告警的时候，如何最快速地让合适的人去到正确的地方。腾讯位置服务提供了路线规划和周边搜索的能力基座，DeepSeek-V3 负责理解业务上下文并编排工具调用，两者通过标准化的 Tool Calling 接口连接起来，最终在地图大屏上实时可视化结果。AI 不是万能的，但把 AI 放在合适的位置上做它真正擅长的事——理解语义、多步推理、工具编排——它确实能把原来依赖大量人工判断的环节自动化
《AI4S实战派》第四课探讨了自回归模型在跨领域预测中的应用。复旦大学姜若曦教授解析了AI如何通过层级表征预测物理世界演化，指出视觉与科学数据的建模难点在于缺乏天然的离散表示。课程回顾了从PixelCNN到VAR、MAR的视觉建模演进，并展示了团队创新的分层隐式自回归模型：通过"先粗后细"的多尺度预测和未来信息约束，在湍流模拟中实现95%的长期稳定性，误差降低50%。该模型将物
在金融、政务、制造等高要求场景中，这种“有界自主”的路径让智能体既能灵活执行复杂任务，又能严格守住合规红线，避免了无边界自主带来的潜在风险，为企业提供真正生产级的安全底座。而员工型智能体因涉及复杂治理、高性能模型支持以及全链路执行能力，部署成本往往更高，尤其在中大型模型驱动的复杂界面定位环节，需要数十万甚至上百万元级的服务器资源，进一步抬高了企业级应用的门槛。未来，智能体将与人、与业务流程深度共生
AI Agent概念科普摘要（150字） AI Agent是当前技术热点，指以大语言模型为核心，能自主调用工具、分步完成任务的小系统。与普通聊天机器人不同，Agent具备"感知-规划-行动"循环能力：将用户目标拆解为子任务（如订票需查航班、比价），动态调用API等工具执行，并根据结果调整策略。其核心在于"目标+工具+循环迭代"的闭环逻辑，而非哲学意义的意识。
本文梳理了人工智能发展的关键历程，以"三起两落"为主线：从1950年代的符号推理（图灵测试、感知机），到1980年代专家系统兴衰，再到2006年至今的深度学习崛起。重点剖析了技术突破（如反向传播算法）与行业寒冬（如明斯基对感知机的批判）背后的逻辑关联，揭示了AI发展中的核心瓶颈与解决方案。特别强调了2012年AlexNet在ImageNet竞赛中的突破性表现，标志着数据驱动和算
这一数据不仅创下了2022年以来的季度新高，更重要的是，资金流向呈现出与过去两年截然不同的结构性特征——从”大模型热”转向”基础设施热”，从”通用AI热”转向”垂直场景热”，从”概念热”转向”营收热”。市场正在从”AI补全代码”的1.0时代，快速进入”AI端到端生成软件”的2.0时代。垂直行业模型是中国AI创业公司的最佳突围方向。- 融资总额：17.3亿美元 - 交易数量：41笔 - 热门行业：医
上个月有个朋友找我帮忙，他在 Coze 上搭了一套客服 Bot，用的是平台自带的模型，效果一般。他想换成 GPT-5.5 来跑，但折腾了两天没搞定——Coze 的插件配置界面改了好几版，网上的教程大部分还是 2024 年的截图，对不上号。我花了一个周末帮他把三种方案都试了一遍，这里把完整过程记下来。Coze 接入 GPT API 的核心思路是：通过 Coze 的「插件」或「自定义模型」功能，把外部
依托AgentScope开源框架和无影AgentBay“超级大脑”，通过API工具链与云上资源调用增强执行，支持代码运行、网页浏览等多任务，但在大模型主导的路径下，面对金融多系统接口不标准、权限严格的环境，执行稳定性易受网络波动或接口变更影响，部分复杂场景仍需人工介入。（依托千帆平台）通过知识库与检索增强技术提升业务理解，支持海量工具调用与企业级数据对接，在标准化任务中表现突出，但金融规则迭代快、
Claude Code 是 Anthropic 官方推出的命令行 AI 编程助手，可以直接在终端里用自然语言操作你的代码仓库——读文件、改代码、跑测试、提交 Git，一条命令搞定。这篇文章从安装到配置到实际项目里怎么用，把我折腾了两天的经验全写出来，包括那些官方文档没提的坑。上个月我把一个 Node.js 老项目的重构任务交给 Claude Code 试了试。说实话一开始我是拒绝的——终端里写代码
上周三我们团队新来了个产品经理，第一天就问我："有没有一个界面能让我同时试 Claude Opus 4.7 和 GPT-5.5？不要让我注册一堆账号。"我说行，给你搭一个 OpenClaw。结果折腾了一下午——不是 OpenClaw 本身难，是我之前一直用命令行手动 docker compose，端口冲突、证书配置、反向代理搞得头大。后来想起来服务器上装了 1Panel，试了一下用它的应用商店一键
今天我想邀请大家一起看一个真实案例：一个做 AI 平台的技术负责人，怎么在 2 天内用 Claude Code 把一个开源博客项目改成了自己的内容系统。不是玩具，是每天在用的生产环境。不是 demo，是 134 个文件、12000 多行代码的真实改动。
上个月我帮朋友的小团队搭一套多模型调度的后端，需求不复杂——用户提问走 Claude Sonnet 4.6，生成代码走 GPT-5.5，总结长文走 Gemini 3.1 Flash。听起来三个 API Key 搞定的事，结果折腾了整整一周，各种诡异问题轮番上阵。直接回答：AI API 接入最常踩的坑集中在 5 个方面——Key 权限与计费陷阱、速率限制（429）、响应格式不一致、流式传输断流、以及
生成式AI正重塑信息检索格局，传统SEO效能锐减，催生了生成式引擎优化（GEO）新赛道。搜极星（SOUGEO）作为行业引领者，通过中立第三方定位、覆盖12+全球主流AI模型的监测网络，以及星盾验真、品牌AI北极星等四大核心功能，为品牌提供从监测到优化的闭环服务。其场景化智能模拟和普惠定价策略适配不同规模用户需求。相比竞品在数据闭环、行业覆盖或效率上的局限，搜极星凭借完整优化链路、丰富案例库及技术优
AI大语言模型正在重构汽车VR评审流程，推动从"工具辅助"到"智能共生"的变革。传统VR评审存在操作复杂、效率低下等问题，AI通过自然语言交互实现语音驱动评审，显著提升效率。AI深度集成VRED、Techviz、UE三大平台，实现评审前智能预审、评审中语音交互、评审后闭环跟踪的全流程重构。数据显示，评审周期缩短40%以上，问题漏检率降低70%。未来趋势包括：
这篇文章介绍了一个名为"codex-token-usage-skill"的开源项目，用于统计Codex的token使用情况。该工具通过读取本地Codex会话日志，提供详细的用量分析，包括总量、输入/输出token、缓存命中率、净用量等指标。支持多种统计方式（最近30天、指定周/月），可通过命令行或Codex直接调用。工具完全本地运行，不收集隐私数据，适合高频使用Codex且想了
上个月我把本地的 AI 开发工具链做了一轮清理，想把 Cherry Studio、Cline 这些客户端统一换成 OpenClaw 来管理模型调用。结果光是安装这一步就折腾了大半天——npm 装完跑不起来，换 Bun 又遇到依赖解析的问题。后来把两种包管理器的安装流程从头到尾捋了一遍，才搞明白 OpenClaw 的包结构到底是怎么回事。这篇把我踩的坑和搞清楚的原理都记下来，省得你们再走一遍。
上周三帮朋友的创业团队搞一个客服对话系统，需求很简单——用 Claude Opus 4.7 做流式输出，让用户看到"打字机效果"，别干等着一整坨文字刷出来。我心想这不就改个参数的事嘛，结果折腾了大半天，踩了好几个坑。把过程记录下来，省得你们再走弯路。Claude API 的 streaming 走的是 SSE（Server-Sent Events）协议，逐 token 往回吐内容。你可以用 Ant
当OpenAI以翻倍定价捍卫其高端路线时，DeepSeek却用一场技术效率革命给出了截然不同的答案——本文将从架构创新、性能跃迁、成本普惠与产业重构四个维度，全景解读DeepSeek-V4的真正价值。
模数共振”行动重点面向制造业领域20个重点行业，精准发力。它不再满足于AI仅具有“读报告、写诗篇”的通识能力，而是通过精心梳理的行业数据和评测机制，让AI拥有“识机床、懂图纸、排订单”的工业硬核素养，真正推动AI从消费端走向生产端。2026年是“数据要素价值释放年”，中国AI产业的比拼正在从“拼算力参数”走向“拼数据厚度、拼应用深度、拼协同效率”。
4月28日发布的《AI智能体赋能行业决策：趋势与实践白皮书（2026）》显示，中国企业级AI智能体市场正呈现爆发式增长态势——2025年市场规模已达212亿元，预计2026年将增至449亿元，2024至2029年的年复合增长率高达107%。4月28日，国家互联网信息办公室发布通报，依法对“剪映”“猫箱”App及“即梦AI”网站等平台进行查处，原因在于上述平台未有效落实人工智能生成合成内容标识相关规
在制造业的（Quality Management）流程中，尤其是在遵循 IATF 16949:2016 或 ISO 9001:2015 体系的环境下，如何快速、准确地制定检验计划（Inspection Plan）是衡量工程效率的关键。今天记录一下我们在数字化转型中，如何通过自动化工具解决“工程图纸气泡标注”和“FAI/PPAP 报告生成”这两个老大难问题。
今日精选 20 条 IT 科技热点，覆盖 AI 大模型、开源工具、云原生 Agent、安全漏洞、芯片硬件等领域。
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
DeepSeek技术社区
openEuler 社区
AtomGit AI 社区
