登录社区云,与社区用户共同成长
邀请您加入社区
AI Agent是指具备自主感知、记忆、决策、工具调用、执行能力的人工智能实体,能够在没有人类实时干预的情况下完成特定目标的任务。和传统的大模型应用相比,AI Agent的核心差异是具备「自主决策能力」,不需要人类为每一步操作编写明确指令,而是可以根据目标自动规划执行路径、调用工具、修正错误。AI Agent的核心组成模块可以用下图表示:fill:#333;important;important;
2026年低代码平台市场呈现多元化发展,主流厂商各具特色:泛微e-builder覆盖政企全场景,普元专注金融核心系统,钉钉宜搭和腾讯微搭分别依托阿里、腾讯生态优势,猫拽低代码专注UniApp跨平台开发,华为AppCube满足政企安全需求,OutSystems和Mendix则在复杂系统支持方面领先。选型需综合考虑业务需求(核心系统/创新项目/移动应用)、部署方式(云/本地化)、技术栈兼容性(微软/开
(CSDN + 思否)。低代码 系统集成低代码 对接SAP低代码 中台集成。人设:Oinone 官方(技术向)。低代码做几个表单不难,难的是它要:上游连 SAP/用友的 ERP,下游连自研中台、数据平台、消息总线。集成做不好,低代码就是一座数据孤岛。这篇讲清复杂集成的常见坑,以及模型驱动范式怎么帮你少踩。
可定制Agent指的是用户不需要修改核心源代码,仅通过配置、低代码操作就能调整Agent的属性、逻辑、扩展能力的智能Agent系统。定制层级面向用户可定制内容操作方式基础属性层所有用户名字、头像、人设、回复风格、使用的大模型型号、输出格式可视化表单填写、下拉选择核心逻辑层进阶用户规划策略(ReAct/CoT/直接回复)、记忆策略(短期记忆轮数、长期记忆检索规则)、工具调用阈值、触发条件可视化开关选
1)用自然语言向AI描述业务,它能帮你理解并降低算法门槛;2)低代码平台+AI,可以将复杂的算法实现(如Apriori)简化为几次对话;3)微调和避坑是成功的关键,务必在提示词中明确平台特性(如JNPF的C#环境)。最小可行动步骤:今天就可以打开你的JNPF平台,找到AI助手,尝试技巧1中的提示词,让AI解释“协同过滤”是什么。这将是你利用AI赋能低代码开发的坚实第一步。
深圳HC软件公司面对一项看似不可能的MES系统开发任务——3个月内完成电子厂的复杂生产管理系统。传统开发方式预估需6个月,利润微薄。转折点出现在采用低代码平台"织信"后,团队仅用1个月就完成首版交付:通过可视化建模快速搭建数据模型(3天)、拖拽配置表单流程(1周)、API对接设备(1周),最终人力成本降低67%,利润翻倍至100万。项目验证了低代码在制造业数字化中的独特价值——既保持定制化灵活性,
本文系统梳理了Kotlin协程的设计哲学,通过分析异步编程发展历程(从Thread、Executor、Future到Callback、RxJava),揭示了协程诞生的必然性。文章指出协程并非简单的"轻量级线程",而是一套完整的任务管理模型:CoroutineContext/Job/Dispatcher/Scope/Suspend构成任务流(TaskFlow)体系,Flow/St
在AI赋能研发、低代码普及的2026年,程序员的核心技能逻辑已经彻底改写。传统只会手写CRUD、熟练框架API的开发模式早已饱和,大量基础开发岗位被AI编程、低代码平台替代。很多开发者陷入内卷困境:加班多、产出低、重复性工作多、薪资难以突破。核心原因就是技能栈老旧,没有掌握新时代高效开发Skills。当下企业招聘、项目落地、职场晋升,不再单纯考察手写代码能力,更看重开发者是否会利用AI提效、是否具
# 一、零代码AI应用生成平台的发展现状与市场格局全球软件开发产业正在经历从"代码优先"向"对话优先"的根本性转变。Gartner在2026年十大战略技术趋势报告中指出,"AI原生开发平台"与"公民开发者的规模化崛起"被并列列为最重要的长期趋势,预测到2030年大量企业软件团队将从传统大型研发组织转向"小团队+AI Agent"的协同模式,到2027年超过65%的工程团队将把传统IDE视为"可
评估企业AI智能体平台时,"支持Agent"已经不是区分项——几乎所有主流平台都声称支持智能体构建。真正拉开差距的是四个技术维度的实现深度:低代码编排引擎能否支撑条件分支、循环、异常处理和人工介入的复杂工作流;RAG知识库是否具备向量+关键词双引擎混合检索而非仅靠语义召回;多智能体协同的任务拆分与结果聚合自动化到了什么程度;工具调用是否基于MCP这类标准化协议而非封闭的自定义接口。这四个维度直接决
企业AI智能体平台选型指南:2026年,企业AI应用已从"要不要上"转向"如何用好"。本文对比五类主流方案:1)蓝凌软件的知识中台型方案,适合大型组织系统化知识管理;2)来也科技的RPA+AI方案,专注流程自动化;3)达观数据的文本处理方案,擅长文档密集型场景;4)百度千帆的大模型开发平台,适合技术团队快速构建AI应用;5)星芒智元的垂直岗位方案,实现知识问
OODER在国内低代码市场的差异化定位与技术矛盾分析 摘要: OODER在国内低代码市场呈现出独特的技术路线与市场矛盾。作为注解驱动的Java全栈框架,其核心矛盾体现在:技术理想主义与实用需求的冲突(如注解复杂度与开发体验)、轻量级定位与体系化扩张的矛盾、双链路架构与自动化割裂等问题。产品亮点包括清晰的技能化演进路径、以Skill为中心的设计哲学、Java生态深度绑定等差异化优势。与钉钉宜搭等主流
2026年低代码平台技术评估显示,私有化部署、流程引擎和AI原生能力成为关键指标。实测20+款平台发现,企业级核心系统需满足私有化+开放技术栈+AIAgent三大硬指标。织信、活字格、得帆等平台在私有化/企业级路线表现突出,其中织信以Java+Vue技术栈、BPMN2.0流程引擎和内置AIAgent获得最高评分(88/100)。Gartner预测2026年70%新应用将采用低代码构建,中国市场规模
《AI时代低代码平台的生存之道:2026年企业数字化实践指南》 摘要:本文基于10年数字化项目经验和30+低代码项目实践,探讨AI时代低代码平台的发展趋势。核心观点包括:1)AI不会取代低代码,二者形成互补关系,AI负责理解意图,低代码确保工程化落地;2)2026年低代码平台呈现五大变化:自然语言开发、AI智能体嵌入、模型驱动主导、信创适配普及等;3)提出企业选型的五个关键维度:技术架构、AI能力
微软AutoGen对“Agent”的定义是:“一个具备‘说话能力’、‘工具使用能力’、‘代码执行能力’的自主或半自主软件实体”——它的核心是“对话式交互”,多个Agent之间通过“自然语言对话”的方式进行通信。英伟达NVIDIA NIM Agent对“Agent”的定义是:“一个部署在NVIDIA NIM平台上的、具备‘推理能力’、‘工具使用能力’的自主或半自主软件实体”——它的核心是“高性能推理
这周我们为 AI 零代码应用生成平台引入一个全新的技术架构 —— AI 智能体工作流,通过 LangGraph4j框架重构代码生成逻辑,并补充搜集图片素材、代码质量检查等过程,让生成的网站更真实可靠。
JeecgBoot低代码原 Online 代码生成器依然是经典可靠的工具,稳定可视化,两者并不冲突——日常增改字段、做整模块用 AI Skill 几秒搞定;需要可视化检查表结构、对 AI 工作流不熟悉的开发者,老 Online 依然顺手。低代码的下一站不是"更精致的图形界面",而是"会聊天的代码生成器"。这一步,JeecgBoot低代码走得相当扎实。本文为 JeecgBoot AI 专题研究系列文
摘要:本文基于10年TOB企业数字化经验,总结出低代码平台选型的5大核心维度:技术能力(引擎完整性、并发支撑、部署方式)、业务适配(用户定位、行业模板、流程复杂度)、安全合规(数据加密、信创要求、权限管控)、扩展生态(API集成、开放架构、AI能力)和服务生态(实施支持、客户案例、供应商实力)。特别强调选型不是选功能最全或最便宜的,而是选择与企业长期发展匹配的合作伙伴。
低代码 v2.0 时代的核心命题,是把低代码平台从“给人用的可视化工具”重新定义为“给 AI 调用的能力底座”。JeecgBoot v3.9.2 通过九大 Skills,把"一句话生成表单、画流程、搭 OA 审批、生成大屏与整个系统"从口号变成了仓库里能直接跑起来的功能。拖拉拽时代的低代码,把"写代码的繁琐"换成了"配置的繁琐";一句话时代的低代码,把繁琐还给了机器,把判断留给了人。这才是低代码本
低代码与AI的融合正在推动技术开发模式的变革。本文探讨了低代码平台在AI加持下向"无代码"演进的趋势: 传统低代码仍存在局限,复杂业务逻辑仍需专业开发者介入,形成"门槛低但天花板低"的矛盾。 AI大模型能直接将自然语言需求转化为可执行代码或配置,通过示例演示了如何用GPT-4生成低代码平台可消费的JSON配置。 这种演进改变了开发流程,AI成为低代码平台的&
这两年除了做自己的产品外,我们还做了不少AI项目,如图所示:
摘要 本文探讨了初代无代码平台的兴衰历程及其对AI时代低代码发展的启示。初代无代码平台(如Google App Maker、微软InfoPath)曾承诺通过拖拽组件快速构建业务系统,但最终因五大核心问题而衰落:灵活性不足导致复杂逻辑难以实现;性能瓶颈使生成产物臃肿;供应商锁定带来迁移风险;版本管理困难阻碍协作;无法适应AI时代需求。随着大语言模型的出现,低代码平台迎来转机——AI可自动生成高质量代
AI Skills 自然语言编程全新发布:一句话生成完整代码、一句话画流程、一句话设计表单、一句话出报表与大屏、一句话生成整个系统,覆盖 JeecgBoot 低代码全场景。JeecgBoot 是一款 AI 低代码开发平台,支持"低代码 + 零代码"双模式。零代码模式下,5分钟零代码快速搭建完整业务系统;低代码模式下,AI 自动输出前后端代码、建表 SQL 与菜单权限,生成即可运行。平台内置AI应用
飞轮储能系统主要由飞轮本体、背靠背变流器、控制系统以及能量管理系统组成。其中,背靠背变流器是连接飞轮和电网的关键设备,负责实现能量的双向流动。飞轮通常采用永磁同步电机(PMSM)作为驱动和发电装置,具有高效、响应快等优点。在系统运行过程中,飞轮通过变流器吸收电网的能量,将其转化为机械能储存起来;当需要释放能量时,飞轮则通过变流器将机械能转换为电能,回馈给电网。整个系统的核心在于对变流器的精确控制,
AI Agent Harness Engineering(AI Agent编排工程)指的是将Agent的核心组件(大模型、记忆、工具、工作流、分发渠道)进行模块化封装,通过可视化拖拽、配置化的方式快速组装、调试、部署Agent的工程方法,核心目标是降低Agent开发的技术门槛和成本。开发方式技术门槛开发周期灵活性维护成本适合场景全代码开发(LangChain等)高2-3人月极高高核心业务、复杂逻辑
本文探讨企业级低代码平台的核心集成能力,指出真正的挑战在于构建可治理的应用交付链路。文章分析了低代码平台对接ERP、CRM等系统时面临的数据源接入、API生命周期管理、统一认证等关键问题,强调系统集成必须与安全审计、权限控制相结合。通过速众AI平台的案例,展示了如何将外部数据源转换为可维护模型,以及如何通过产品化手段解决接口鉴权、参数映射等企业级需求。最后提出低代码平台应作为集成编排层,在保留企业
随着大模型技术的普及,越来越多的企业开始尝试落地LLM应用,但大多数团队都面临着「开发易、上线难、迭代慢、质量不可控」的痛点:用低代码工具搭建一个LLM原型只需要几小时,但要把它变成稳定可用的生产级应用,往往需要数周甚至数月的时间,还要解决测试、部署、灰度、监控、成本控制等一系列问题。本文将深入探索两款开源领域的标杆工具:专注于LLM应用低代码开发的Dify,以及专注于全生命周期DevOps自动化
本文件面向VTJ平台的“项目模型架构”,系统性阐述ProjectModel、BlockModel、NodeModel三类核心数据模型的设计理念、实现细节与协作关系
在AI项目落地的过程中,我经常遇到一个矛盾:业务部门的需求千变万化,而开发资源总是捉襟见肘。一个简单的数据审批流程,从提需求到排期、开发、测试,动辄一两周。直到我开始尝试将“低代码”与“AI”结合,情况才发生了转变。今天,我就以一个真实的“智能报销审批”工作流为例,带你体验如何不写一行代码,在半小时内搭建一个能自动识别发票、核对政策、并流转审批的智能系统。这不仅是效率的提升,更是一种思维模式的转变
低代码平台(Low-Code Platform)是一种软件开发环境,允许开发者通过图形用户界面(GUI)和配置而非传统手写代码来创建应用程序。它的目标是加快应用程序开发速度,降低技术门槛,使更多人能够参与软件开发。传统软件开发面临着开发周期长、技术门槛高、维护成本大等挑战。特别是随着业务需求变化速度的加快,企业需要更敏捷的开发方式来响应市场变化。专业开发者资源稀缺,供需矛盾突出业务人员与开发人员之
AI Agent Harness Engineering(AI代理框架工程)是指设计、开发和部署能够自主执行任务的AI代理系统的过程。这些代理通常具有感知环境、做出决策和执行行动的能力,它们可以独立工作或与其他代理协作。感知模块:负责收集和处理环境信息推理引擎:负责处理信息并做出决策执行模块:负责执行决策并与环境交互学习模块:负责从经验中学习和改进AI Agent Harness Engineer
AI大模型的兴起引发了对低代码存在价值的讨论。低代码并非简单的"无代码"工具,而是通过可视化方式降低开发门槛,解决企业数字化中的效率、门槛和模式三大核心问题。它能让业务人员直接参与系统搭建,实现从"项目交付"到"持续演进"的转变,并帮助企业打通数据孤岛、沉淀业务经验、激发基层创新。未来低代码将与AI深度融合,形成"AI生成框架+低代码调整优化"的新模式。企业应理性看待低代码的适用场景,建立治理机制
本文不会再吹“AI Agent的未来有多美好”,而是聚焦于「AI Agent Harness Engineering创业的现实」,通过7个核心教训的复盘,给出一套可落地、可验证、低成本的AI Agent Harness创业避坑与验证方法论教训一(技术误区):不要一开始就做“通用型全生命周期平台”——先做“垂直领域单一场景的生产级工具组件”教训二(产品误区):不要把“非技术人员的可操作性”放在第一位
基于SMO滑模观测器的轮胎力估计方法真的太好用啦!省去轮胎模型,避免了很多麻烦,还提高了估计精度。以后搞轮胎力估计仿真,就它啦!通过这次仿真,深刻体会到技术的不断进步带来的便利。传统方法的局限在新方法面前变得不值一提。期待以后能在这个基础上继续优化,让轮胎力估计更加准确和可靠。使用Carsim和Simulink联合进行仿真,通过滑模观测器(SMO)估计轮胎的纵向力和侧向力。该方法在双移线工况下测试
低代码开发正成为企业数字化转型的新范式。文章通过实际案例说明传统开发效率低下的问题,详细阐述了低代码的核心概念、技术架构和优势特点(快、低、强、活)。重点分析了低代码与无代码的区别,指出真正的低代码平台能处理90%的复杂业务需求。文章还预测了2026年低代码发展的三大趋势:AI深度融合、平台化转型和信创适配,并提供了辨别真假低代码平台的标准。最后强调低代码能有效解决业务需求爆发与IT产能不足的矛盾
1. 模板代码冗余典型RESTful API实现中,60-80%代码为重复的CRUD操作每个实体通常需要编写5-10个控制器方法、对应服务方法和数据访问方法示例:一个简单用户实体(5个字段)需要约300行模板代码实现完整REST API2. 接口一致性难以保证手动实现导致API风格、错误处理、响应格式不一致缺乏统一标准导致学习曲线陡峭,维护成本高API版本管理和演进困难,兼容性问题频发3. 开发周
纯电动汽车动力性与经济性能仿真计算,根据车辆的动力性参数指标(包括加速时间、车速、爬坡度等,完成纯电动车辆的驱动电机、蓄电池、以及主减速比的匹配。然后在此基础上,对纯电动汽车的整车控制策略以及整车模型进行搭建,其中整车控制策略包含驱动策略与制动能量回收策略,整车模型包含驾驶员模型、动力电池模型、电机模型、主减速器模型、乘用车模型等。然后对整车进行仿真,并在相同参数输入,在Simulink搭建的模型
VTJ通过物料系统架构集成ElementPlus、AntDesignVue和Vant三大Vue组件库,实现低代码开发的可视化设计。该系统将组件转换为标准化的物料描述,包含属性配置、事件处理和模板片段,支持跨库一致性操作。每个库针对不同场景:ElementPlus适合桌面应用(60+组件),AntDesignVue专注管理系统(60+组件),Vant优化移动端体验(70+组件)。通过声明式接口定义组
AI Coding技术已显著提升开发效率(40%+),导致前端、后端、测试等开发岗位需求减少,许多开发者面临转岗。产品经理目前需求未减,但职责已增加,未来也可能因AI的"数字化闭环"能力增强而面临替代风险。面对AI冲击,产品经理应提升商业思维和行业Know How,增强宏观决策能力,以成为最后一批可能被AI替代的人群。人类将转向做宏观决策,AI负责微观决策和执行。事先声明,我不是故意散播焦虑,只是
无代码与低代码平台的核心差异在于技术架构和适用场景:无代码通过预定义模板解决标准化业务需求(如CRM、项目管理),适合业务简单、无技术团队的情况;低代码则通过元数据驱动+代码扩展满足复杂定制需求,适合有技术团队、需深度集成的企业场景。关键差异体现在架构模型(无代码强约束/低代码开放扩展)、元数据抽象层次、代码生成策略、技术栈限制及集成能力等方面。建议根据业务复杂度、技术能力和长期需求选择,成熟企业
这一讲主要介绍现在。
一种结合RRT与人工势场法APF的无人机编队动态避障控制该模型采用快速搜索随机树算法(RRT)与人工势场法(APF)实现无人机动态避障的路径规划,并根据环境条件的要求重塑编队的几何形状。实验证明了在有静态和移动障碍物的混乱环境中精确导航无人机编队的可能性。注意:本模型为python代码,源于国外卡梅隆大学,包含完整代码与paper。此外,还附参考文献嘿,各位技术宅们!