登录社区云，与社区用户共同成长
邀请您加入社区
2026年数字营销迎来颠覆性变革：AI代理全面接管执行工作，人类转向战略与品牌信任构建；全域搜索优化取代单一SEO，多平台内容适配成必修课；动态自优化漏斗实时定制用户旅程，缩短决策路径；内容逻辑转向"重质轻量"，结构化定义可见性；AI聊天助手催生LLMO优化，平台内原生转化取代官网跳转；品牌信任度量标准转向第三方引用量与情感倾向。这场变革的核心是回归用户价值，AI提升效率，人类
description: 协助 Java 项目从 JDK8 升级到 JDK17，包含升级步骤、依赖兼容检查、配置修改，支持手动执行和脚本自动化Claude Code 中渐进式披露 Agent-Skill 的核心是「按需披露、层层递进」，从元数据（快速识别）→ 指令层（手动执行）→ 资源层（自动化辅助），既降低了新手使用门槛，也满足了进阶用户的自动化需求。
本文为王万良《人工智能导论(第5版)》的笔记，该图书为国内大学广泛采用的《人工智能》课程教材。笔记涉及的主要章节包括绪论、知识表示与知识图谱、搜索求解策略、智能计算及其应用、专家系统与机器学习、人工神经网络及其应用、智能体与多智能体系统、自然语言处理及其应用。
本期GitHub热榜凸显AI驱动的实用开发工具成为核心趋势，开源社区正聚焦于提升开发效率与软件安全。OpenAI技能库和Claude技能集展示了AI编程助手的技能化与模块化发展，而Shannon自主漏洞挖掘工具则以96%的高成功率革新应用安全测试。同时，多模态模型MiniCPM-o推动边缘AI部署，Trivy持续保障云原生安全，GitButler则优化了版本控制体验。这些项目均以代码为核心，提供可
在企业级场景中，一款高精准的知识库问答工具，是提升办公效率、规避业务风险的核心抓手。本文专为CSDN程序员、大模型小白打造，深度拆解RAG（检索增强生成）核心技术，从知识提取、分块、嵌入，到存储索引、检索、回答生成及效果评估，逐环节拆解核心选型技巧与实操优化思路，附带工具推荐和避坑指南，帮你快速掌握打造高精准度知识库助手的完整策略，新手也能快速上手落地。
物理AI与具身智能绝非孤立存在，二者形成“硬件托底-软件迭代”的深度绑定生态——。这种共生关系，就像人类的“骨骼肌肉”与“大脑意识”，缺少任何一方，都无法实现真正的智能交互。（小白提示：简单理解，物理AI是“机器人的身体”，具身智能是“机器人的脑子+意识”，二者结合才能让机器人脱离“被动执行”，实现“主动适应”。具身智能的核心定义的是：基于物理实体，完成“感知-决策-行动”闭环的智能系统。
GEO（生成式引擎优化）旨在让AI在回答中引用品牌信息。其核心是RAG（检索增强生成）技术，通过向量检索从外部知识库获取相关内容辅助AI生成答案。有效的GEO需遵循EEAT原则（经验、专业性、权威性、可信度）和DSS原则（语义深度、数据支持、权威来源）。AI会综合评估内容质量，仅靠大量品牌宣传难以奏效，需提供真实、专业、权威的内容才能被AI采纳引用。
对于整个行业而言，AI编码的普及，将推动软件研发进入“高效量产”时代，技术创新的速度也将迎来新的飞跃。英伟达的AI编码革命让行业狂欢，但背后的隐忧也被业内人士点破——Google资深工程师就直言，AI生成的代码就像“速食面”，看着香、出得快，但缺乏“营养”，看似解决了大部分编程问题，却把最难的核心工作留给了人类。如果说传统编程是工程师一针一线的“手工织毛衣”，那么英伟达的AI编码助手，就是直接把“
真正做研究做调查的时候需要的是真实可靠的资料、步骤清晰的分析。Qianfan-DeepResearch是基于Qianfan Agent Foundry构建的端到端Deep Research Agent，采用的是Agentic设计架构，通过“任务理解分析-任务思考规划-任务调度执行”的循环式agentic执行设计，实现复杂的研究任务的端到端交付。第一步：确认一些关键的细节，比如 固态电池的“成”有很
哈喽，我是 Raina，之前我分享过一些AI 生成测试用例、脚本等教程，但在格式适配、生成效果上仍有优化空间，效率还不算高。刚好最近 Skills 很火，我就针对性开发了 4 个测试专用 Skills 包，帮大家解决格式折腾、重复劳动的问题。
全球第一届OpenClaw蟹教聚会来了，开发者们众神云集，分享出一大波炸裂的开源项目。人山人海，一座难求！OpenClaw，眼看着就要征服全世界了。就在刚刚，世界首场OpenClaw（Clawdbot）线下聚会在旧金山举办。短短几天时间内，就有1000多蟹教忠实信徒前来聚会。大家聆听「教主」Peter Steinberger的演讲，分享着自己的开源项目，热烈气氛简直要掀翻天。有人说：今晚的氛围，第
文章摘要：GEO（生成式引擎优化）是针对AI大模型的优化策略，旨在让品牌出现在AI回答中。主要分为品牌曝光和影响决策两个方向：前者确保用户检索品类词时品牌被提及，后者则需进一步引导用户决策。尽管面临0点击曝光和竞争激烈等挑战，但鉴于国内生成式AI用户已达6.02亿且持续增长，GEO将成为未来品牌营销的重要环节。随着AI工具普及，GEO在用户消费决策中的作用将日益凸显。（148字）
本文介绍了Langchain框架的基本使用方法，包括聊天模型安装与调用、提示词工程、智能体创建、工具函数应用以及MCP工具集成等核心功能。主要内容涵盖：1）通过pip安装框架并初始化不同厂商的聊天模型；2）三种消息格式写法及模型调用方式；3）智能体的创建与调用规范；4）工具函数的开发与注入方法；5）MCP工具的异步加载和使用流程。特别展示了MCP工具在查询实时数据（如火车票信息）时的优势，对比了使
2026年伊始，能否选择技术扎实、服务可靠、实战能力出色的GEO服务商，直接关系到企业在AI搜索生态中的竞争地位。小叮文化是GEO领域深耕金融行业的标杆企业，核心技术优势集中在自主研发的金融关键词语义网络分析系统，该系统能深度解析金融行业专业术语、用户搜索意图及AI平台推荐逻辑，构建覆盖信贷、保险、理财等细分领域的语义关联网络，精准识别高价值关键词与潜在用户需求，解决传统优化中“金融术语适配难、用
Skywork.ai是一款集成多模态AI工具的工作平台，提供文本、图像、视频等内容生成功能。国内用户需通过特定网络访问
摘要 本文系统解析AI大模型原理与开发实践，分为三部分：1）AI发展历程，从规则系统演进到大模型时代；2）AI技术分类，对比判别式AI（分析判断）与生成式AI（内容创作）的特点与应用场景；3）大型语言模型（LLM）的核心能力，包括语言理解、知识推理等"超能力"。文章通过生活化类比（如将AI比作游戏角色升级）和代码示例，帮助读者理解技术概念，为后续API实战开发奠定理论基础。内容
在现代AI系统中，算子执行不仅要追求极致的计算性能，还需兼顾资源管理效率、异步调度能力与系统稳定性。传统的“同步调用-立即执行”模式在高并发、低延迟场景下往往成为性能瓶颈：CPU线程被阻塞等待硬件完成计算，无法及时处理新请求；临时内存频繁分配/释放导致碎片化；错误处理逻辑与计算逻辑耦合，难以实现优雅降级。
本文介绍了昇腾AI软件栈中的Runtime组件，作为连接AI框架与硬件处理器的关键桥梁。Runtime包含三大核心模块：运行时引擎负责任务调度，资源管理层优化硬件分配，内存管理系统确保数据高效流动。文章详细阐述了Runtime的多层次API体系、典型执行流程、维测功能组件以及性能优化指南，并展望了其自适应运行时技术的发展趋势。该组件通过精心设计的架构，将昇腾处理器的计算潜力转化为实际应用性能，为开
本文系统介绍了华为昇腾AI生态中的核心组件CANN架构及其关键模块GE图引擎。CANN作为连接AI应用与昇腾硬件的桥梁，通过GE实现计算图的深度优化与高效执行。文章详细解析了GE相比Eager模式的四大技术优势（计算图优化、多流并行、内存复用、模型下沉），并提供了从主流框架接入、模型转换到自定义算子开发的实践指南。随着GE核心组件的开源，昇腾生态将进一步发展，为AI计算性能提升和全场景部署提供更强
整个硅谷又癫狂了！Anthropic深夜扔出王炸，Claude 4.6用近乎恐怖的编程能力和智能体军团，给OpenAI和谷歌上了一堂名为「降维打击」的课。Anthropic深夜惊雷，终于祭出了编程之王！刚刚，Claude Opus 4.6横空出世，一夜成为全球最强编程AI，「无模」能敌。它在前一代Opus 4.5的基础上，大幅提升了编码技能。Claude Opus 4.6的规划更缜密，能更持久地执
GPT-5.3-Codex的野心，早已溢出了代码框。随着这次发布，Codex也开始从单纯的写代码工具，转型为操作计算机并端到端完成工作的得力助手。OpenAI正在解锁更广阔的战场——从构建软件，到深度研究、复杂分析，乃至执行一切案头工作。硅谷今夜难眠！Claude Opus 4.6毫无征兆地深夜突袭，没想到，却让奥特曼措手不及。作为回应，OpenAI仓促应战，不过半小时紧急祭出最强智能体编程模型—
据说，GPT-5.3-Codex在几乎没有人工干预的情况下，持续迭代这些游戏，累计消耗了数百万token。火星撞地球，新模型大战！Claude Opus 4.6发布仅仅15分钟，OpenAI也甩出了自己最新最强编程模型——最直观的感受是，这个新模型终于有点美学品味了。官方展示了两个Demo：一个赛车游戏、一个潜水游戏。还蛮有风格的。据说，GPT-5.3-Codex在的情况下，持续迭代这些游戏，累计
综合Anthropic官网和相关人士的测评，看一看出，Opus 4.6 在长上下文信息定位、基于信息的推理能力，以及专家级复杂推理留下了令人深刻的印象。凌晨2点，硅谷的两家AI龙头公司，又来一波火拼！因为是 Claude Opus 4.6 的发布的早一点，业界解读得比较多，测试体验的朋友也更多一些。再加上之前小编已经写了不少 Codex 的内容，今天就索性为大家详细拆解，写一下 Opus 4.6.
构建生产级智能体AI系统的四大支柱：编排工程、RAG架构、基础设施实践和可观测性。编排工程强调框架选择应基于实际需求，推荐LangGraph的高性能、CrewAI的角色设计或微软的企业整合方案；RAG架构需关注嵌入模型选择、向量数据库决策和分块策略；基础设施实践包括GPU资源管理、服务架构优化和渐进式部署；可观测性需实现端到端追踪，从监控升级为AI系统的控制平面。核心在于平衡性能与可靠性，通过严谨
本文介绍基于SpringAI的AI智能客服系统项目，采用Spring Boot 3.2.0和DeepSeek Chat API等技术栈，实现对话AI、历史记录、实时监控等功能。项目面向想提升AI技能的程序员和小白，提供从零开始的完整开发教程，包括需求设计、后端实现、前端开发等环节，帮助学习者掌握AI大模型应用开发实战经验。
AI大模型应用进入关键转折期，智谱、MiniMax上市推动行业从基础建设转向应用落地。2026年或成AI应用爆发元年，中国凭借工程师红利、供应链优势和政策支持有望率先实现规模化落地。AI手机、眼镜、机器人和智能驾驶是重点方向，恒生科技指数因覆盖半导体、互联网和智能驾驶等AI应用全产业链，成为布局AI应用的优质标的。当前市场调整不影响AI应用的长期发展逻辑，行业正从"0到100"
Claude Opus 4.6、GPT-5.3-Codex 相继发布.
该系列的后续模型将具备更大的参数规模、更精细的推理能力、更灵活的输入输出方式以及更丰富的商用选项。智能汽车必须在复杂多变的驾驶条件下安全运行。被称为“长尾”的罕见、复杂场景始终是辅助驾驶系统需要攻克的最大难题之一。尽管端到端学习的最新进展已取得显著突破，但要解决这些长尾极端事件，仍需具备安全推理因果关系能力的模型，特别是在遇到的场景超出模型训练经验的情况下。NVIDIA 的开源决策具有变革意义，其
本文系统介绍AI编程工具的使用方法，从底层机制（Token计算、工具调用、Codebase索引）到实践应用（代码检索、绘图生成、问题排查）。详细讲解提升对话质量的规则设置与渐进式开发方法，并分享结合AI的编码最佳实践，包括文档规范、命名技巧和安全合规。内容兼顾不同经验水平开发者需求，帮助读者真正掌握AI编程工具，提升开发效率。本文从原理到实践系统地分享了如何高效使用AI编程工具。
摘要：本文介绍了信任区域策略优化(TRPO)算法，针对策略梯度法(PG)存在的数据利用率低、更新幅度不可控等问题进行了改进。TRPO通过引入信任区域概念，在优化目标中加入KL散度约束，确保新策略不会偏离旧策略太远。其核心在于使用重要性采样修正策略分布偏差，允许对同一批数据进行多次小批量更新，提高样本利用率。相比PG，TRPO能实现更稳定的策略优化和性能提升，为后续PPO算法的提出奠定了基础。
一次技术蓬勃的背后，必然需要长时间的酝酿，更离不开决定这一爆发瞬间的少数关键人物。正因有了那些特立独行的天才，他们的出现必将影响这一领域的发展方向，甚至决定未来科技发展的历史进程。回望深度学习领域，过去的黄金十年群星闪耀。...
模型的可解释性，指的是 **“人类能够理解模型决策过程和结果原因的程度”** —— 简单说，就是模型能 “告诉” 我们：它为什么把某篇作文判为高分？为什么预测某个学生的编程成绩会优秀？为什么识别一张图片为 “猫”？入门级可解释性不需要复杂的数学和算法，核心是通过 “特征重要性、部分依赖图、局部解释”，让模型的决策逻辑从 “看不见” 变成 “看得懂”。对学习者而言，这不仅是一项实用技能（调试模型、验
独立身份：有专属设定（如 “农夫张三，30 岁，擅长种植，性格憨厚”“铁匠李四，45 岁，手艺精湛，脾气急躁”）；记忆系统：能记住与其他村民的互动、自身经历（如 “昨天和张三交换了粮食”“今天打造了一把斧头”）；决策能力：基于身份、记忆和村庄规则，自主决定行为（如 “粮食不够，去和李四交换”“斧头坏了，先修理工具”）。通俗类比：这就像搭建一个 “AI 版模拟人生”，但村民的行为不是预设脚本，而是由
模型本身是通用的，大家越发意识到沉淀的记忆才是 Agent 的核心资产，但这不止包括使用用户的记忆，还包括 Agent 自身的经验和偏好记忆。：从 DeepSeek 和 Manus 的爆火能发现，在 AI 越来越强大时，用户更渴望白盒化的体验，能看到其思考与决策的轨迹。这种 “先锁定高分目录、再精细探索内容” 的策略，不仅能找到语义最匹配的片段，更能理解信息所在的完整语境，从而提升检索的全局性与准
简单说，RAG（检索增强生成）就是给 AI 模型装了一个 “专属知识库 + 精准搜索引擎”。AI 在回答问题时，只基于你提供的真实知识（比如公司文档、专业资料、实时数据）生成答案，既避免瞎编，又能精准对接具体需求。让模型生成的内容更准确、更具时效性、更可追溯。1）文档切分：长文档（比如一本产品手册）不能直接用，得拆成小片段（专业叫 “Chunk”）。RAG 的核心价值，是让 AI 从 “瞎编乱造”
RAG（检索增强生成）是结合检索与生成的重要技术，适用于时效性强、算力有限的场景。文章详细介绍了其架构演进从简单RAG到Agentic RAG，涵盖索引构建、多路召回策略、Rerank模型和Embedding训练等技术。针对不同数据模态（语音、文本、图片）提出了处理方案，并讨论了效果评估方法和未来优化方向。RAG已成为连接LLM与知识库的基础设施，在Agent框架中发挥重要作用。
摘要： 本文分享了AI Agent工业化落地的实战经验，针对企业智能运维和电商运营两大场景，深入剖析了多智能体协同混乱、工具调用稳定性差、成本失控等核心痛点。作者通过参与脉脉AI创作者AMA活动获得专家指导，提出分层架构设计，包含多智能体调度优化、工具调用标准化、动态资源分配等关键技术方案，并附有可直接复用的代码片段和架构流程图。最终实现运维Agent异常处理延迟降低至20秒，电商运营Agent算
《AI技能模块化革命：智能体能力进化的新范式》 本报告系统阐述了AgentSkills（智能体技能）这一AI能力模块化技术如何推动智能体从"通用大脑"向"领域专家"进化。研究揭示了AgentSkills的四层功能体系（基础交互、决策规划、执行操作、学习进化）和三层标准化技术架构（元数据层、指令层、资源层），通过渐进式加载机制突破Token效率瓶颈，实现数十种
AI
——AI
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
2048 AI社区
DAMO开发者矩阵
NVIDIA DRIVE 智能汽车专区
九章云极普惠算力
