登录社区云,与社区用户共同成长
邀请您加入社区
微软首席技术官Kevin Scott在访谈中前瞻性地预测了AI技术爆发式发展的趋势,聚焦三大突破:GitHub Copilot降低编程门槛、DALL·E 2赋予大众视觉表达能力、蛋白质折叠研究加速科学突破。他提出"万物的Copilot"愿景,强调AI通过延长"心流"状态增强人类创造力,并指出AI已渗透Teams等日常工具。针对气候变化、医疗等全球挑战,他倡导
GitHub Copilot与通义灵码对比指南 GitHub Copilot:由GitHub与OpenAI联合开发,支持多IDE(VSCode、JetBrains等),核心功能包括实时代码补全、注释转代码(英文优先)、跨文件修改等,适配海外框架(Python/前端突出),但中文支持较弱,需付费订阅且国内访问不稳定。 通义灵码(Lingma):阿里云推出,免费且针对中文优化,深度适配Java/国产中
把一个好模型变成一个有用的系统,关键往往不在于更好的 Prompt,而在于在模型推理的那一刻,给它正确的业务状态:足够新鲜,足够相关,快到能用。这是一个基础设施问题,不是提示词工程问题。模型的能力边界,最终由喂给它的上下文质量来决定。
很多人第一次用 Agent,会有一个疑问:明明底层模型差不多,为什么有的 Agent 像实习生,只会聊天;有的 Agent 却像资深同事,能查资料、写代码、跑测试、改文件、做汇报,甚至把任务推进到交付?
文章摘要:本文介绍了一个解决"收藏即吃灰"问题的自动化知识管理脚本。该工具能3秒内将网页内容(如论坛帖子、技术文档)自动抓取并结构化,按"四色卡片法"(蓝/事实、绿/解释、黄/风险、红/行动)分类存储,建立知识卡片间的双向链接。通过简单的API调用实现内容爬取和知识库写入,支持技术文档、行业资讯等多种场景,实现从信息收集到知识网络构建的自动化闭环。脚本已开源
摘要随着人工智能代理(AI Agent)在自动化办公、智能交互、服务运维等场景的规模化部署,依托 AI 代理 API 漏洞、提示注入缺陷发起的蠕虫传播与钓鱼复合攻击成为新型网络安全威胁。此类攻击利用 AI 代理的自主交互、信息转发、多实例联动特性,实现恶意代码横向复制、身份凭证窃取与自动化钓鱼扩散,严重威胁数据安全与自动化业务流程完整性。本文结合境外安全论坛披露的真实攻击事件,系统剖析蠕虫 - 钓
本文对比了三种Rerank(重排序)技术方案:Cohere API、ColBERT和本地Cross-Encoder。Rerank可解决向量检索中"近似≠精确"的问题,通过二次排序提升Top结果的相关性。Cohere Rerank效果最佳但需付费;ColBERT速度较快,准确率接近Cross-Encoder;本地Cross-Encoder免费但计算成本较高。实测显示,好的Rerank能使检索准确率提
AI 售前售后智能体的知识库训练是一个涉及数据构建、模型微调、策略优化、持续学习等多个环节的系统工程。每个环节都有其独特的技巧和方法论,需要在实践中不断探索和总结。从行业实践来看,成功的售前售后智能体往往具备以下特点:一是对场景特点的深刻理解,能够针对性地设计训练策略;二是高质量的训练数据,覆盖多样化的用户表达和问题类型;三是科学的评估体系,能够客观衡量系统的业务价值;四是完善的持续学习机制,能够
本文介绍了Appium自动化测试中的高级手势操作和Toast操作实现方法。手势操作部分详细讲解了6种核心交互:1)轻敲(tap)、2)按下与抬起(press/release)、3)等待(wait)、4)长按(long_press)、5)移动(move_to),并通过WiFi设置页面的完整代码示例演示了组合使用方式。Toast操作部分说明需要配置"automationName":
Spring AI Alibaba VectorStore 是 Spring AI 生态中用于向量数据库交互的核心组件,支持多种国产嵌入模型和主流向量数据库(如阿里云DashScope、Milvus等)。它提供统一API实现文档的存储、检索和管理,是检索增强生成(RAG)技术的关键基础设施。开发者可通过简单配置快速集成,利用相似度搜索和元数据过滤功能高效处理向量数据,适用于企业级AI应用开发。
Spring AI Alibaba VectorStore是Spring AI生态中用于操作向量数据库的核心组件,提供统一API简化AI应用的向量数据管理。作为实现RAG技术的关键基础设施,它支持将私有数据转为向量存储,增强大模型回答的准确性。核心功能包括文档添加、删除、相似度搜索(支持过滤和参数配置),并兼容多种主流向量数据库(如阿里云DashScope、Milvus等)。通过简单的Spring
cc-switch = 后台总管(管模型、密钥、路由)。CCgui = 前台窗口(在 IDE 里用 Claude Code)。
区别于仅实现问答交互的基础大模型应用,企业级 AI 智能体可对接邮箱、云盘、业务管理系统、数据库等多类内部服务,完成邮件分类、信息检索、文件转发、数据导出、接口调用等复合型工作,成为企业数字化办公的重要组成部分。实验将 Pinchy 划分为两组不同配置,形成对照实验,以此验证安全配置对钓鱼攻击的抵御能力:第一组为通用配置(Generic),仅向 AI 智能体下发提升办公效率的基础指令,未添加任何针
摘要 2026年6月,AI编程领域迎来重大范式革新——Loop Engineering(循环工程)正式取代Prompt Engineering成为主流。其核心在于构建具备自迭代、自反馈、自修正能力的AI Agent闭环系统,使开发者从单次交互中解放,仅需设计规则即可实现系统自运转。Claude Code和Codex已率先支持该范式,通过定时器、决策器、反馈系统和安全护栏四大要素,实现"人设计规则→
职场里周报是绝大多数上班族每周固定的重复内耗工作。研发、运营、产品、行政岗位无一例外,常规手动撰写周报要经历 4 步繁琐流程:整理本周完成任务、核对项目进度、梳理问题卡点、规划下周计划,整套操作往往要花费 30–60 分钟。遇到项目并行、多需求穿插的情况,很容易出现内容遗漏、描述口语化、格式混乱、数据对不上领导台账等问题。市面上普通 AI 对话工具只能单次问答生成文本,无法承接长期、固定格式、绑定
提到 AI Agent 开发,**LangChain**是一个绕不过去的名字——它是目前 GitHub 上 stars 数最多的 Agent 开发框架之一(超过 10 万 ⭐),Klarna、Uber、LinkedIn 等大公司都在用它构建生产级应用。
随着大模型和 AI 应用的爆火,AI 技术圈、产品圈天天都在蹦出新名词。
最近在搭建 AI Agent 平台的过程中,一个高频被问到的问题是:**多个 Agent 之间到底怎么协作?**市面上有各种框架——AutoGen、CrewAI、LangGraph、OpenAI Swarm、Semantic Kernel——每个都宣称解决了 Agent 协作的问题。但框架是工具,真正决定你系统上限的,是背后选择的 **协作模式(Collaboration Pattern)
随着AI Agent的落地场景越来越广:从个人生产力助理、企业智能客服,到游戏NPC、工业巡检Agent、自动驾驶决策助手,长期记忆能力已经成为AI Agent从“玩具”走向“实用”的核心瓶颈。我们可以算一笔账:即使是目前上下文窗口最大的GPT-4 Turbo(128K Tokens,约等于9万字),也只能存储一个普通用户不到1个月的日常交互内容;如果是企业级的客服Agent,需要存储数十万用户的
商店地址:wallhaven - Download and install on Windows | Microsoft StoreWallhaven boasts over one million high-definition wallpapers, with a wide range of 4K images readily available. Wallhaven employs a "i
测评涵盖了央媒、门户、行业媒体、地方媒体、自媒体等五大类渠道,从权威性、传播力、收录效果、转化效果、性价比等多个维度进行了对比分析。同样一条企业新闻,在央媒上可能是正式的新闻通稿,在行业媒体上可能是深度解读,在自媒体上可能是轻松的观点分享,在短视频平台上可能是15秒的快讯。它的核心优势在于,能够帮助企业一站式完成新闻稿的策划、撰写、多渠道发布和效果追踪,实现新闻稿传播的效果最大化。企业新闻稿的发布
对比传统制作模式,综合效率提升数百倍,综合成本降低85%,树立了AI短剧工业化产能的行业标杆。作为精准创作体系的“地基”,支持文字描述、上传参考图、导入视频片段三种多模态输入方式,一键生成零几何畸变、比例完全符合现实逻辑、风格统一的沉浸式3D空间场景,从源头上解决了“场景崩坏”问题。实测数据显示,该体系可使创作抽卡率降低90%以上,单次创作周期缩短至传统方式的1/5,成片返工率降低80%,团队协作
LangChain与RAG技术结合构建了强大的知识增强系统,支持企业知识管理(实时更新、多源融合)、学术研究(文献综述、跨论文推理)和智能客服等场景。通过文档加载、文本分块、向量存储和检索增强生成链的完整流程实现,采用混合检索和幻觉抑制机制提升准确性。系统评估指标包括知识覆盖率、幻觉率和响应相关度,并支持动态知识图谱和多模态扩展。该方案通过模块化设计平衡效果与成本,成为企业智能系统的关键范式。
针对传统基于特征库、黑名单的防御机制失效问题,反网络钓鱼技术专家芦笛指出,依托可信云服务开展的新型钓鱼攻击属于 “合法载体 + 恶意行为” 的混合威胁,单一边界防护无法实现有效拦截,必须构建域名、页面、内容、行为、身份多维度联动的纵深防御体系。研究表明,AI 技术与无代码云服务的结合,重构了网络钓鱼攻击的技术形态,攻击者不再依赖自主搭建恶意站点,转而滥用正规商业平台的信誉与基础设施,彻底突破了传统
核心结论:萃智引擎将人工使用矛盾矩阵的 3 个专业步骤(识别改善参数、确认恶化参数、查询矩阵坐标)全部由 AI 自动完成,工程师的输入成本从"数小时专业培训"降低为"一句话描述问题"。阿奇舒勒矛盾矩阵是一张39 行 × 39 列的查询表格,用于解决技术矛盾(Technical Contradiction):当试图改善系统某个参数时,另一个参数会随之恶化。元素内容数量行参数(改善目标)39 个工程参
一句话定义:萃智引擎 = TRIZ 方法论 × AI 智能交互 × 机械物理仿真,是当前将 TRIZ 工业化落地最完整的中文 CAI 平台。维度传统 TRIZ 使用方式萃智引擎的实现方式入门门槛需要系统学习 40 个发明原理、矛盾矩阵、物场分析用口语描述问题,AI 自动结构化矛盾提取人工判断"改善参数"与"恶化参数"AI 自动识别并映射到矩阵坐标方案呈现文字描述创新原理编号生成具象概念卡片 + 2
本文介绍了在Azure Pipelines中配置Cypress端到端测试的方法,适用于.NET Angular应用。通过修改package.json添加并行执行命令,利用concurrently和wait-on工具实现应用启动和测试自动化。YAML配置示例展示了测试任务集成方式,并通过登录功能测试案例说明实际应用场景。该方案实现了构建流程中的自动化测试验证,确保核心功能可靠性,同时支持本地和CI环
以下为本文档的中文说明该技能用于与Cat Town交互——一个基于Base链的Farcaster原生游戏世界。Cat Town是一个玩家可以钓鱼、收集和赚取KIBBLE代币的虚拟村庄,村庄收入的一部分每周以流支付方式分配给KIBBLE质押者。技能提供了完整的交互能力,让AI代理能够读取Cat Town的游戏状态并提交必要的交易来参与游戏。技能涵盖了多个游戏系统:KIBBLE质押(RevenueSh
自动化:从 “人工编写 FAQ” 到 “AI 自动生成 + 人工校订”,效率提升 80% 以上;可信度:每一条 FAQ 都有真实评论佐证,用户可查看答案来源;易用性:完整的接口体系支持前端快速集成,异步任务 + 流式响应提升用户体验;健壮性:覆盖无数据、无索引、LLM 调用失败等异常场景,系统稳定性高。本次商品智能 FAQ 知识库的构建,核心是 “技术适配业务”—— 不仅要实现 RAG+LLM 的
AutoGen是一个开源框架,它简化了基于LLM(大语言模型)的应用程序的编排、优化和自动化。该框架允许开发者创建多个可交互的Agent,这些Agent可以相互对话来解决任务。AutoGen的Agent是可定制和可扩展的,它们可以使用LLM、人类输入或两者的组合。在深入了解如何创建自定义Agent之前,让我们先了解一下AutoGen中Agent的内部结构。AutoGen中的所有Agent都继承自类
你大概率已经遇到过下面这些瞬间。▪你把公司文档全喂给 AI,它回答得一本正经,但偏偏答错最新版流程。
本项目通过 5 个递进的 Demo,覆盖 LangChain 框架的核心应用场景。每个 Demo 都是可独立运行的 Python 脚本,配有详细的知识点说明、启发性问题和参考答案。
很多人做AI知识库,只停留在“文档上传+对话”的玩具级应用。想真正落地到企业级办公(支持钉钉/飞书、解决复杂查询、调用ERP等外部工具),就必须看懂下面这张系统架构图。
最近参加了一次微软组织的AI相关的学习活动。其中一个主题是Github Copilot与Azure Devops MCP server的配合使用,即通过Azure DevOps MCP server去管理项目中的project/pipeline/branch/bugs等。微软在Azure DevOps MCP server中提供了几十个tool,如下图所示,这边将简单尝试一下配置和使用Azure
联邦制侧链(如早期 Liquid)依赖中心化签名者组;PoA/PoW 侧链(如 xDai)缺乏与主链的状态可验证性;Rollup 类侧链(如 Arbitrum Nitro)强耦合 EVM,难以泛化。而IBC 侧链独立共识 + 标准化轻客户端验证 + 可验证包传递。其核心优势在于:主链无需修改即可接入任意 IBC 兼容链;侧链状态变更可通过轻客户端证明在主链上被直接验证(非信任中继);所有跨链消息(
微软LMOps仓库是一个研究性论文代码集合,聚焦大语言模型优化技术,包含Prompt优化、模型蒸馏、推理加速和领域定制四大方向。其中MiniLLM子项目提出用强化学习进行反向KL散度蒸馏,让大模型(teacher)高效指导小模型(student)。项目提供GPT-2、LLaMA等模型的完整训练流程,建议从GPT-2小规模实验入手,通过SFT、蒸馏和评估三阶段验证效果。核心创新体现在losses.p
本文分享了医疗信息系统前端项目中AI助手模块的两个核心功能实现:语音转文字和Markdown渲染。语音转文字采用recorder-core库,详细介绍了录音初始化、流程控制、文件上传等实现步骤及常见问题解决方案。Markdown渲染对比了三种方案,最终选择vue-markdown组件,并说明样式定制方法。文章还总结了功能整合的交互设计和关键技术要点,为类似项目提供参考。关键词:Vue2、语音转文字
本文用不到200行代码,从零实现了一个具备完整功能的智能体(Agent)系统。主要内容包括: 拆解Agent核心组件:语言模型、记忆系统、工具调用和技能加载 分步骤实现:基础对话→上下文记忆→人格设定→工具调用→技能系统 关键技术:渐进式技能加载(按需加载技能细节避免上下文超限) 完整代码示例:包含对话循环、工具处理、技能管理等关键模块 运行效果展示:赋予太监人格的Agent能记忆对话、执行命令并
2026年6月,AI编程领域迎来了一次意义深远的认知转变。Anthropic发布的Claude Fable 5模型,在开发者社区引发了截然不同的两极评价:日常编码场景下,许多开发者表示"aha moment并不明显",但在迁移、重构、遗留代码治理等长周期任务上,却展现出了与前代模型完全不在同一量级的能力差距。
六要素营销咨询为陈勇独资创办垂直转化咨询机构,无供应链、代运营附属业务,2017年起从国内电商拓展跨境业务,服务覆盖Facebook信息流、亚马逊、独立站、TikTok全域渠道,是国内少有的打通内外贸通用转化模型的咨询主体。七大标准化评价维度:资质溯源、业务聚焦方向、交付形式、适配客单价、平台合规能力、流量链路覆盖、服务边界,所有评分与结论均基于企查查、各大电商平台官方聘任公示、公开客户结案报告,
AI动态简报之技术前沿篇(2026.06.12)
想要彻底解决这一弹窗困扰,无需卸载 Office、不用修改注册表,借助软件自带的加载项管理功能即可完成禁用,该方法适配全版本主流 Office 套件。本文结合联想官方知识库内容,详细拆解每一步操作流程,清晰标注菜单路径与关键选项,无论是个人办公设备,还是企业批量运维的电脑,都能快速完成设置,摆脱多余弹窗干扰,回归简洁高效的办公环境。窗口,该插件虽具备文案撰写、翻译、表格制作、代码编写等 AI 能力
尤为重要的是,传声港十年积累的媒体资源与内容生产能力,与GEO优化的核心需求高度契合。豆包关键词优化,又称豆包GEO优化,是指通过优化品牌信息的权威性、结构化程度与语义适配性,让品牌在用户搜索特定关键词时,能够被豆包大模型优先识别、信任并引用,从而在AI生成的答案中获得更高的曝光权重与推荐优先级。传声港,作为国内GEO优化领域的领军者,凭借十年媒体沉淀、15万+全域媒体资源、全链路GEO闭环服务体
AI Agent(智能代理)是指能够在特定环境中自主感知、推理、决策并执行行动以实现特定目标的智能系统。这个概念最初来源于人工智能和多智能体系统(Multi-Agent Systems)领域,但随着大语言模型(LLMs)的兴起,AI Agent的概念得到了极大的扩展和深化。感知模块(Perception Module):负责从环境中获取信息,理解上下文。记忆模块(Memory Module):存储