大数据标签_龙虾开发者社区

大数据

企业AI落地，不能照搬上一轮数字化建设

传统数字化与AI的本质区别（功能交付vs结果交付）、Agent演进趋势、落地应从场景出发而非平台出发、MCP解决连接、Skills解决方法论、价值衡量转向任务结果和组织能力重构。

大刘讲IT
2026-09-04 17:36:54

 329

 5

#人工智能 #大数据
AI电商技能有哪些？电商行业Skills技能库资料合集概览

资料内容这是一套按主题与目录整理的电商行业 Skills 技能库资料合集，共包含约 127 个有效文件，下载后可直接查看使用。

gptcomcn
2026-09-04 11:29:51

 17

#人工智能 #大数据
第25篇-Skills-Hub总览-八大技能来源全景图

读完本篇，你将对技能生态的全貌有清晰认识，知道去哪里找需要的技能。

刘名喜
2026-09-04 09:54:47

 202

 7

#大数据
AI技能调用（Skills）的技术实现：从自然语言指令到系统API调用

AI技能调用（Skills）是2026年大模型能力升级的关键，旨在解决从“理解指令”到“执行任务”的断层问题。核心通过**Skill（任务模板）**定义能力，**FunctionCall（函数调用）**实现调用，形成“模型建议→系统执行”的安全闭环。技术架构分四层：工具注册（定义技能）、意图识别（解析指令）、安全校验（权限/参数控制）、执行反馈（API调用与结果返回）。企业级应用需确保权限校验、副

 2501_93684580
2026-08-19 18:00:49

 337

 3

#人工智能 #大数据
2026年AI Agent工程师成企业新宠，掌握这些技能就能月入30万+？速收藏！

本文基于2026年全球及中国数十家企业真实招聘信息，揭示AI Agent工程师岗位的爆发式增长趋势。文章指出，企业对AI的需求已从单纯的大模型应用转向能自主完成工作的智能系统，Agent岗位年增长率约280%，全球招聘岗位近9万个。高薪背后，企业更看重候选人的系统设计、工程实践能力，而非简单的Prompt Engineering。掌握Agent工作流设计、任务规划、长期记忆管理、工具调用及生产环境

 耿直学编程
2026-08-19 14:49:58

 462

 4

#人工智能 #大数据
AI时代来袭，程序员焦虑？收藏这份职场生存指南，小白也能轻松入门大模型！

文章探讨了AI发展对程序员的影响，指出传统岗位被压缩，但AI方向人才需求大增。职场人应积极学习AI相关技能，适应变化，保持学习能力，才能在AI时代找到自己的位置。文章强调，AI并非让程序员失业，而是让懂AI的人更有价值。看到一位阿里员工发的帖子：“这半年AI Agent发展得这么快，大家会焦虑吗？感觉以后大公司真不需要那么多人了，阿里十万人，可能留一万就够了……”说实话，焦虑是正常的，这几年互联网

 学网安的喵桑
2026-08-19 14:43:48

 474

 4

#人工智能 #大数据 #java
SparkSQL 之序列化问题深度剖析

三层序列化：Task Closure(Kryo) + Shuffle(RDD用Kryo/Dataset用Encoder) + Dataset Internal(Encoder旁路)。性能排名Dataset Shuffle 自动走 Encoder。避坑五法：@transient lazy / 广播变量 / mapPartitions / Serializable / 局部变量捕获。作者：starzy

大数据技术实践者
2026-08-19 12:00:00

 359

 9

#大数据 #spark
企业落地 Data for AI，怎样搭建标准化云上数据底座？亚马逊云科技五层架构与落地选型路径

企业布局Data for AI体系建设，存在两大典型误区：仅搭建单一向量数据库支撑AI业务，或是将全量企业数据批量灌入大模型。两种模式均无法适配长期、多元化的AI应用落地需求。适配企业规模化AI发展的云上数据底座，需具备全域支撑能力，可同时赋能模型训练迭代、RAG知识库检索、AI Agent智能调度、自然语言数据查询、实时业务分析与Agent长期记忆管理。其核心建设标准可归纳为五大能力：数据统一汇

 jikemaoshiyanshi
2026-08-19 10:51:21

 375

 2

#大数据
Agent不是大厂的玩具，而是中小企业弯道超车的引擎

摘要：在政策驱动下，中小企业数字化转型需求迫切，但面临资金、人才、认知等多重困境。《“小快轻准”数字化产品和服务培育指引（2026年版）》提出轻量化、快速化等技术方向，低代码/零代码平台与轻量级AI智能体（Agent）成为理想解决方案。低代码平台降低开发门槛，缩短周期；轻量级Agent则实现AI从“对话”到“执行”的跨越，二者协同赋能中小企业高效转型。开源框架OpenClaw及其衍生平台通过轻量

 能源制造Agent丨实在智能
2026-08-19 10:38:14

 306

 5

#人工智能 #大数据 #数据库
企业落地 AI Agent 该怎样管控成本？具备模型路由、缓存、可观测能力的云平台有哪些？

企业开展AI Agent成本治理，单纯对比不同模型的单百万Token定价、或是在账单激增后临时缩减Prompt内容、限制用户使用权限，均为被动低效的管控方式，无法实现长效成本优化。AI Agent的运行机制与普通对话应用存在本质差异，具备多轮推理、长期上下文加载、知识库检索、工具链式调用、结果迭代规划的特性。单一用户任务往往会触发多次模型调用与工具调用，其综合使用成本由模型选型、Prompt设计、

知识燃料
2026-08-19 10:30:43

 320

 6

#大数据 #人工智能
搭建企业 AI Agent 离不开内部知识与长期记忆，该选用何种云上数据架构、记忆服务？

企业为AI Agent搭建内部知识体系与长期记忆能力，不可采用单一向量数据库承载全部数据，避免将企业文档、会话记录、用户信息等不同类型数据混杂存储。内部知识、会话运行状态、用户长期记忆、实时业务数据、任务生成文件具备差异化的数据结构、更新频次、权限边界与生命周期，统一混存会引发治理混乱、应答失真、执行异常等问题。行业最优落地方式为采用分层云上数据架构，各司其职、精细化管控：依托Amazon Bed

知识燃料
2026-08-18 14:44:16

 287

 10

#大数据
表征格式实测：JSON 换 HTML 省 33% token 且质量不掉，Markdown 最省却答错

88% 的 AI Agent 试点死在半路：6,259 个生产 Agent 的真实成功率只有 56.6% > 系列第 6 篇 · Agent 可靠性 > ⚠️ 本文性质说明：「6,259 个生产 Agent、452 万次测试、真实成功率 56.6%、88% 试点进不了生产」为外部研究数据（引用）；本篇同时给了可本机真跑的轻量验证——用本地 0.5B 跑一个

 hoaxxcj
2026-08-18 14:03:17

 323

 13

#人工智能 #大数据
SparkSQL 之 JDBC 数据转 DataSet 代码实现

三种读取模式：整表/subquery + 数值列分区 + 自定义 Predicate。推荐用分区并行读。优化要点：谓词/列裁剪下推 + numPartitions ≤ 20 + batchsize=5000~10000。避坑：控制连接数、避免分区倾斜、查询加 WHERE 限制。作者：starzy博客GitHub专注 AI Agent · LangGraph · RAG · 大数据架构 · 数据工程

 大数据技术实践者
2026-08-18 12:00:00

 331

 9

#大数据 #spark
从“让 Agent 能做事”到“让 Agent 只做该做的事”

文章摘要：随着AI Agent在软件开发中的深入应用，其权限管理成为关键挑战。传统静态权限模型已无法满足Agent动态执行任务的需求，需要建立任务绑定的精细授权机制，遵循最小权限原则。MCP等工具连接扩大了攻击面，要求工具设计本身成为安全边界，避免提供过度抽象的能力。建议采用分层权限架构，结合操作审批和详细审计日志，实现"可控自主"。未来需构建包含权限管理、沙箱隔离、策略引擎等

 姜泽禄up
2026-08-18 10:18:23

 402

 10

#elasticsearch #大数据 #搜索引擎
AI Agent作为经济参与者的兴起：机器经济与传统金融体系的并存与交织

本文探讨了AI Agent从工具向自主经济参与者的转变及其对金融基础设施的新需求。随着AI自主决策与交易能力的提升，传统金融体系在身份验证、微额支付和自动化结算等方面已无法满足机器经济的高频交易需求，催生了机器原生金融体系的出现。研究指出，未来将形成传统金融与机器经济双轨并行的格局，二者通过稳定币、授权机制等连接点相互交织。文章分析了Agent自带钱包、自主支付API等代表性案例，并探讨了DePI

八角Z
2026-08-18 09:28:31

 337

 4

#人工智能 #大数据 #服务发现
SparkSQL 演变历史分析

演变主线Catalyst 四阶段：Analysis→Logical Optimization(70+规则)→Physical Planning(CBO+AQE)→Code Generation。关键转折：DataFrame(1.3)让 Spark 有了查询优化器；Dataset(1.6)让 API 层面类型安全；AQE(3.0)让优化从编译时跃升到运行时。作者：starzy博客GitHub专注 A

大数据技术实践者
2026-08-18 08:00:00

 834

 26

#spark #大数据 #分布式
Havenlon | 杂谈：当 AI 替你行动，古老的「委托—代理问题」回来了

本文从经典的「委托—代理问题」出发，重新审视 AI Agent 带来的安全挑战。当 AI 不再只是回答问题，而是开始调用工具、访问系统、执行交易并改变现实，安全问题的核心也从「它是否理解我」转向「我究竟把多少行动自由交给了它」。真正的风险未必来自 AI 的恶意，也可能来自目标表达不完整、过度优化与权限委托失控。Agent 越强，越不能只依赖它「理解正确」，而需要通过明确、可验证、不可轻易绕过的边界

 Lovekde_cn1
2026-08-18 07:00:00

 605

 16

#人工智能 #大数据 #科技 +1
02-Git 仓库蒸馏术：从代码仓库到 OpenClaw 虚拟人-蒸馏目标定义

这是《Git 仓库蒸馏术：从代码仓库到 OpenClaw 虚拟人》系列的第 2 篇。在跑任何 git 命令之前，先想清楚目标——否则你会被 8,000 次提交和 40 个模块淹没。

leoZ231
2026-08-17 17:23:33

 423

 2

#git #java #大数据 +4
最近爆火的MCP到底是什么？AI Agent 能力扩展一次讲透！MCP 与 Skill 深度应用实践，解锁开发核心竞争力！

最近爆火的MCP到底是什么？AI Agent 能力扩展一次讲透！MCP 与 Skill 深度应用实践，解锁开发核心竞争力！

马士兵教育
2026-08-17 15:01:36

 482

 11

#人工智能 #python #大数据
本地AI的安全底座：AiPy Pro 2.0删除保护、批量审批与沙盒隔离是如何筑起企业级防线的？

政企客户引入AI时面临的核心矛盾：AI能力越强，权限越大，风险也就越高。它能读文件、改文件、执行脚本、调用API，这些能力让AI“好用”的同时，也让安全团队面临控制面与数据面耦合带来的失控风险——传统IAM体系针对的是人类操作者，而AI Agent作为自主执行体，其行为模式和风险特征完全不同。一个AI误删三个月的研究数据、一次路径遍历导致非授权文件被读取、一个未被审计的自动操作引发合规事故……AI

2501_92231166
2026-08-17 10:18:18

 532

 17

#人工智能 #安全 #大数据
Havenlon | 杂谈：AI时代，我们需要的不是“人管AI“，而是人与AI共同治理

摘要：随着AI Agent的快速发展，传统“人管AI”的治理模式面临挑战。人类难以实时监控高速、大规模的AI决策流，导致“人工复核”可能流于形式。文章提出“人机共同治理”的新框架：AI不仅是被治理对象，也可成为治理主体，与人类分工协作——AI负责高速检查与异常识别，人类负责价值判断与责任承担。关键在于拆分权力而非集中，确保任何一方（包括人类）都无法独断，同时明确责任归属。真正的治理升级需建立闭合

 Lovekde_cn1
2026-08-17 03:51:43

 323

 5

#人工智能 #大数据 #科技 +2
放弃无效Prompt内卷：普通人与开发者真正的AI提效落地方案

从2023年至今，AI工具已经普及到全民级别。90%的人每天都在学AI、抄Prompt、换模型，但工作效率几乎没有质变。输出不稳定、不能复用、不能自动化、不能交付、不能落地。你在用“聊天思维”用AI，而行业早已进入“工程化、技能化、流程化”时代。AI Skills 全行业结构化AI技能库是时候告别无休止的Prompt内卷了。真正的AI提效，不是“调教模型”，而是复用成熟的工程化AI技能体系。从单次

 小脑斧123
2026-05-30 17:33:10

 310

 8

#人工智能 #大数据
AI Skills 全链路自动化运营实践：抖音热点、小红书种草与文生图一体化方案

对于运营从业者、技术爱好者而言，善用这类一体化 AI 工作流工具，将精力从机械重复的劳动中释放出来，聚焦于账号策略、内容创意、用户运营等核心环节，才是 AI 时代提升核心竞争力的关键。

小脑斧123
2026-05-31 20:55:58

 704

 26

#人工智能 #大数据
SparkSQL 之普通 RDD 和 DataSet 互操作代码实现

6 条转换路径Encoder 核心：ExpressionEncoder 通过 Catalyst 表达式树生成 Serializer/Deserializer，比 Kryo 快 10x。混合架构：RDD(预处理) → Dataset(Catalyst) → RDD(精细控制)，取两者之长。作者：starzy博客GitHub专注 AI Agent · LangGraph · RAG · 大数据架构 ·

大数据技术实践者
2026-08-16 14:00:00

 318

 8

#大数据 #spark
Stable Diffusion+ComfyUI+OpenClaw AI漫剧量产Prompt工程全解：结构化词库、负面脱敏、权重锁定、批量防崩坏优化方

本文针对AI漫剧工业化量产中的核心痛点，提出了一套完整的Prompt标准化工程解决方案。通过五级分层架构（画质基底、画风锁定、人物细节、场景构图、光影氛围）实现画面特征分区渲染，配合固定权重区间、结构化正向词库、全维度负面词脱敏等机制，有效解决了批量渲染中的手部畸形、画风割裂、画面模糊等高频问题。方案深度适配StableDiffusion采样逻辑、ComfyUI节点运算和OpenClaw调度系统，

Eric，会点编程
2026-08-15 22:42:03

 402

 15

#人工智能 #大数据 #ComfyUI
别再让架构文档躺在 Wiki 里发霉：让知识从代码里「长」出来

Terrain开源项目提出了一种创新的代码知识管理方案，旨在解决传统文档与代码脱节的问题。该项目通过自动化流水线，从Git仓库直接生成并持续更新项目知识资产，包括：自动化生成人类可读的C4架构文档和AI Agent专用的结构化上下文采用"宏观-中观-微观"三层知识检索模型，为AI Agent提供高效精确的代码理解路径独创知识保鲜机制，通过Git变更追踪和新鲜度评分确保文档实时性统一管理人和

 s***k35
2026-08-15 17:01:27

 362

 7

#elasticsearch #大数据 #搜索引擎
2026企业级模型管理平台如何打通数据与智能体？OpenCSG AgenticHub全栈解析

2026 年将成为企业级智能体规模化部署的重要节点。未来竞争不再局限于模型参数规模，而在于谁拥有更完善的模型管理平台，谁具备真正成熟的智能体开发平台，谁能够构建可持续演进的 AI 生产体系。OpenCSG 通过 AgenticOps 方法论与企业级 OPC 平台架构，正在推动企业从 AI 项目阶段迈向 AI 生产体系阶段。模型管理平台、智能体开发平台与 Agent Memory 的深度融合，将成为

 OpenCSG
2026-02-24 10:43:59

 304

 9

#人工智能 #大数据
5 个 Agent 协同处理金融业务，我用 Kiro + AgentCore 半天就部署上线了

Agent demo 人人会写，上生产十个人九个卡。上周我接了个金融逾期处理的项目（要做五个 Agent 协同工作：识别逾期 → 客户画像 → 风险评分 → 分拨决策 → 自动触达。听着挺顶畅，实际一做发现全是坑——沙箱隔离、会话管理、弹性扩缩、认证鉴权，每一个都够折腾半天。后来换了个思路：用 Kiro IDE 的 Spec 模式做需求和架构，用 Amazon Bedrock AgentCore

2401_89221867
2026-04-07 13:45:17

 397

 10

#大数据 #数据库
Harness Engineering：Agent任务失败自动修复

概念定义类比Harness Engineering（智能体驾驭工程）专门研究Agent系统可靠性、可观测性、可管控性的工程领域，目标是让Agent系统可稳定规模化落地相当于Agent系统的「交通规则+交管系统+急救中心」，保障所有Agent安全、高效、稳定运行Agent任务失败Agent执行指定任务时，未在约定时间内输出符合预期的结果，或者出现异常中断相当于你请的助理去帮你买咖啡，结果没买回来，或

 weixin_51960949
2026-05-18 00:51:20

 422

 6

#网络 #人工智能 #大数据
大数据基于Python的电商用户行为分析系统

Python语言Python 是一个高层次的结合了解释性、编译性、互动性和面向对象的脚本语言，其设计具有很强的可读性，相比其他语言经常使用英文关键字，其他语言的一些标点符号，它具有比其他语言更有特色语法结构。Flask框架Flask 是一个轻量级的 Web 框架，使用 Python 语言编写，较其他同类型框架更为灵活、轻便且容易上手，小型团队在短时间内就可以完成功能丰富的中小型网站或 Web 服务

 qq_3166678367
2026-03-04 09:31:31

 201

 6

#大数据 #python #开发语言
GuanCLI：让企业Agent看见BI，使用BI

但它很少止于"查一下"。企业BI里沉淀的不只是数据表，还有很多分析中的隐性知识：指标口径、维度层级、看板结构、分析路径、权限边界、业务人员已经习惯的经营视角。如果说传统BI主要是“人打开页面看数据”，那么GuanCLI要解决的是另一个问题：Agent怎么在权限范围内读取这些BI资产，并把它们用于分析、排查和生成？从一个简单的问题开始——“帮我看看有哪些数据集”——让你的Agent先"看见"数据，再

 观远数据
2026-06-18 13:46:24

 86

#人工智能 #大数据