登录社区云，与社区用户共同成长
邀请您加入社区
概念定义SCRUM1995年正式提出的迭代式敏捷开发框架，以2-4周的冲刺为核心周期，通过产品负责人、Scrum Master、开发团队三个角色的协作，实现快速响应需求变化的价值交付AI Agent具备自主感知、决策、执行能力的人工智能实体，可独立完成特定领域的任务，如需求分析Agent、编码Agent、测试Agent、运维Agent等以AI Agent为核心协作单元，将人类开发者的创意、判断能力
DeepSeek+知识图谱双引擎，智能审直零盲区”“十万+条款构建「合同基因库」，一健生成合规文本"“99.6%防篡改核验，构筑合同安全屏障”“400+风险模型预判，全周期履的可视”“30秒跨文本雷达扫描，风险无处遁形”
OPC 与问题经济是互为表里的共生体。问题经济则为OPC 提供了将提问能力转化为专利、意义资产等可交易资产的高速通路。专知智库已将提问能力纳入OPC 成熟度认证体系，为OPC 的提问能力进化提供了清晰路径。第三步：每月“定义性冲刺”——筛选出当月QVI 最高的2个问题，与AI 深度对话，生成完整的方案草案，并评估专利可能性。第一步：每日“问题日志”——每天强制记录3 个问题，不评价、不筛选，只记录
风险包括：直接提示词注入（用户在对话中插入恶意指令）、间接提示词注入（攻击者在外部数据中嵌入隐藏指令，通过数据处理链路影响AI决策）、越权输出（智能体返回本应受限的敏感信息）。治理要点：输入层建立AI驱动的意图检测，识别并拦截提示词注入；工具调用是智能体区别于对话模型的核心能力，也是最大的攻击面扩展点。风险包括：恶意工具注入（通过第三方工具市场或供应链注入恶意工具/Skill）、MCP投毒（通过污
一篇搞懂：敏捷开发常用框架——Scrum
摘要：本文分享了《软件工程实务》课程的学习心得，系统梳理了从产品愿景到DevOps的软件工程全流程实践。课程采用敏捷开发方法，通过"能源管理系统"项目实战，重点掌握了Scrum框架、微服务架构设计、Git协作和CI/CD流水线实现。文章详细展示了用户故事编写、代码实现与单元测试案例，并总结了产品驱动开发、工程化思维等核心收获。课程考核包含实验、项目、博客等多维度评估，最终成绩优
该代码实现了一个基于SVPWM（空间矢量脉宽调制）的VVVF控制系统，支持多种V/F曲线、自动转矩提升、转差补偿、振荡抑制等功能。系统采用模块化设计，包含电流变换、电压频率控制、PWM生成等子模块。该代码实现了一个功能完整、结构清晰的异步电机VVVF控制系统，具备良好的可配置性与可扩展性。通过模块化设计和详细的注释，便于理解、调试和二次开发。
本代码基于Matlab平台，结合YALMIP工具箱，采用CPLEX作为求解器，构建了配电网分布式电源（光伏、微燃机）优化配置模型。模型以年化社会总成本最低为核心目标，创新性融入敏感负荷需求与加权电压支撑能力指标，通过二阶锥松弛技术处理潮流约束，实现了包含光伏、微燃机及各类负荷的配电网优化运行。代码可高效求解分布式电源的安装位置、容量配置及运行策略，确保配电网在满足多重约束条件下的经济性、可靠性与电
网络结构才是重头戏。注：本程序只是帮助大家参考如何在Matlab中搭建CNN-LSTM模型，用的卷积核数量很少，LSTM隐含单元数目也非常少，故本实验结果较差。注：本程序只是帮助大家参考如何在Matlab中搭建CNN-LSTM模型，用的卷积核数量很少，LSTM隐含单元数目也非常少，故本实验结果较差。按4:1比例随机划分训练集和测试集，训练集为400只猫400只狗，测试集为100只猫和100只狗。按
CST与Matlab联合仿真，CST仿真模型联合建模代码，相位计算代码，电场导出画图代码，以超透镜为案例有讲解视频，视频讲解，代码，文档，透镜，有联合建模代码，相位计算代码。电场观测代码在电磁学与光学领域的研究中，CST 与 Matlab 的联合仿真为我们提供了强大的分析工具。今天咱们就以超透镜为案例，来深入探讨这一联合仿真的奇妙之旅。
DL00302-基于知识图谱与人工神经网络的简历推荐系统基于知识图谱与人工神经网络的简历推荐系统技术栈前端使用echarts.js（之后有时间会考虑用vue改写一下）, 后端基于Python Django;特征处理阶段，技能相关特征基于知识图谱处理，图谱构建使用neo4j;系统的流程是先做二分类筛选，再给分类为正的样本进行排序；二分类模型基于DNN，基于Keras训练, 线上分类时直接调用已经训练
本文介绍了常见的软件开发模型及其特点、优缺点及适用场景。瀑布模型采用线性结构，适合需求固定的项目；快速原型模型通过迭代完善原型，适用于需求不明确的项目；增量模型分批开发交付，适合大型项目；螺旋模型强调风险管理，适用于高风险项目；敏捷模型注重快速响应变更，适合小型项目。文章还详细说明了敏捷开发中的Scrum框架和Kanban看板方法。理解这些开发模型有助于测试人员更好地配合开发团队并制定测试计划。
