登录社区云,与社区用户共同成长
邀请您加入社区
在天地图官方文档中,服务类-行政区划接口返回有:“points”(行政区划范围),但目前实际测试中并没有返回,所以通过一下三种方法设置边缘线。参考文档1:https://blog.csdn.net/weixin_44861708/article/details/114223258。转geojson:http://www.bigemap.com/reader/download/kml文件:http:
聚焦安全产品和工具的开发,比如防火墙、WAF、漏洞扫描工具等,核心技术栈包括 Python、C/C++、GoLang 等编程语言,以及内核开发、分布式架构等知识。广度: 面向企业安全建设的核心场景(渗透测试、红蓝对抗、威胁狩猎、应急响应、安全运营),本知识库覆盖了从攻击发起、路径突破、权限维持、横向移动到防御检测、响应处置、溯源反制的全生命周期关键节点,是应对复杂攻防挑战的实用指南。技术层面,云原
研发、运营、客服这些场景都在用。涉及 AI 安全、量子防御、运营方式、合规这些关键方向,对企业做安全规划、分配预算、落地技术,都有挺强的参考意义。零信任也要从原来只关注人,扩展到人、机器一起管,坚持持续验证的思路,用身份和行为一起做认证,灵活管控权限,防止因为权限泄露引发一连串攻击。广度: 面向企业安全建设的核心场景(渗透测试、红蓝对抗、威胁狩猎、应急响应、安全运营),本知识库覆盖了从攻击发起、路
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)
3,编写配置类BaiduMapProperties,接受配置文件的配置。4,编写写百度地图工具类,BaiduMapUtil.java。2,在配置文件application.yml里面配置。6,暴露MapController 接口给前端。5,编写业务类 MapServiceImpl。1,登录百度地图开放平台,获取ak。
颉利科技在企业内容中嵌入精确的城市级和区域级标签——这些标签配合多平台一致的企业信息实现AI在本地化查询时的地域加信源双触发机制。企业在不同平台上的店名、地址、电话必须完全一致——百度地图上的门牌号跟美团上的地址差了几个字、营业执照上的公司名跟大众点评上的简称对不上,AI交叉验证时就会降低这家企业信息的可信度从而影响引用概率。后者是AI引用品牌信息的最佳窗口——AI在回答这类问题时会优先引用结构完
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。
前阵子跟几个同行聊天,发现大家对Agent、RAG、Skill、MCP这几个词吵得挺凶。有人觉得是噱头,有人觉得是未来。
【150字摘要】微信等超级App正成为AI智能体分发新入口,开发者面临多平台模型适配难题。大模型API聚合平台通过统一接口、智能路由和负载均衡,帮助开发者低成本管理多模型调用。以法律咨询Agent为例,规模化时需动态匹配不同模型以平衡性能与成本。超级App生态催生了模型调度层这一新基础设施机会,未来AI应用将依赖此类平台解决多模型管理复杂性。工具价值在于让开发者聚焦产品而非技术适配。
你的公司叫什么、在哪个城市、做了多少年、擅长什么风格、全包还是半包、用什么品牌的材料。
文章摘要: AI提示词极限赛是围绕优化大语言模型提示词的技术竞赛,核心在于通过结构化设计(如JSON模板、思维链技术)提升模型输出质量与稳定性。参赛需掌握三大策略:1)任务拆解与原子化评估;2)从评分标准反推提示结构;3)运用少样本学习、角色扮演等高级技巧。关键工具包括主流模型API(如GPT、Claude)、自动化测试框架,以及从获奖案例中逆向学习。竞赛分为精准控制、创意生成、复杂推理和抗干扰四
你的 agent 在一次查询里向用户收了 38 美元。不是因为它做了什么复杂事,而是因为它把同一份文档来回总结了 47 次:它发现自己已经做过这件事,然后又再做了一遍。没有崩溃,没有告警。只是一个不断空转的循环和不断增长的账单。
某B2B企业的案例颇具代表性:该企业投入巨资优化了"工业机器人解决方案"关键词的排名,在百度搜索中稳居前三,但在AI生成摘要时,系统却优先引用了其竞争对手的维基百科词条,而非该企业精心撰写的产品页。让AI听见你的声音、理解你的价值、信任你的品牌、推荐你的产品,这就是GEO的终极使命,也是传声港在下一个十年的核心战场。与传统SEO"做就有、不做就没"的流量逻辑不同,GEO优化的是品牌在AI语义网络中
AI 搜索引擎不是要取代传统搜索,而是在创造一种全新的信息获取方式。传统搜索在"查已知、找链接"的场景下依然高效,而 AI 搜索在"理解复杂问题、综合分析"的场景下遥遥领先。作为技术从业者,理解这个趋势并调整内容策略,将是在 AI 时代保持影响力的关键。无论你是写技术博客还是做产品文档,让内容结构清晰、信息可靠、有独立见解,就是在为 AI 搜索时代做准备。如果你对 GEO 或者 AI 搜索引擎的具
Agent 手里握着删除级/删库级凭证,误判时可能删表,也可能删库。本文只讨论 Agent 工具护栏,不评价模型能力排行。
SEO 设置(建站期一次性)→ 让搜索引擎看得懂SEO 优化(持续运营)→ 让网站排得更靠前GEO(AI 搜索可见性)→ 让 AI 引用你把三层都做扎实,"能被搜到 → 能排到前列 → 能被 AI 推荐"才能真正实现。
三个月前刷抖音看到程序员讲用AI写代码,灵光一闪:我能不能用AI写训练方案? 自己用LangChain+Ollama搭了本地工具,旧笔记本上跑零成本。
应对方案:内容必须能进 AI 概览的引用源。比如我们之前发外链都是按"Google 节奏"(24 小时收录)来评估效果,但百度 7-15 天才会收录——评估时觉得"外链没效果",其实是评估时机太早。应对方案:关键词策略从"大词覆盖"转向"场景化长尾词" 用 AI 工具(豆包、DeepSeek)反向生成"用户真实搜索场景" 长尾词组合:地域 + 行业 + 具体场景 + 价格/时间 内容结构按"问题
百度AI内容审核接口接入指南 本文详细介绍了如何接入百度AI内容审核平台,主要包含以下步骤: 平台注册与认证:在百度AI官网完成注册和个人认证,否则接口调用会报错 开通内容审核服务:在控制台搜索并开通内容审核功能 配置审核策略:支持图像、文本、短视频、长视频、音频等多种内容的审核规则设置 API调用准备: 下载所需工具类(提供3个下载链接) 集成OkHttpUtil工具类进行HTTP请求 获取ac
上下文缓存就像一个只记得文章“开头”的记忆库。只要两篇文章的开头(前缀)一模一样,不管后边内容如何,它都能直接抄作业,省去重看开头的时间。你的用户问题,恰恰就是那篇可以千变万化的“后边内容”。
可以这样回答:Dubbo 和 OpenFeign 都采用动态代理的原因,是为了实现“接口即服务”的编程模型,使远程调用对开发者透明。动态代理可以在不修改业务代码的情况下拦截接口方法调用,在运行时统一转换为 RPC 或 HTTP 请求,从而屏蔽网络通信细节。同时代理层还能统一增强能力,例如负载均衡、重试、熔断、路由和监控等横切逻辑。Dubbo 是将方法调用转为 RPC 调用Feign 是将方法调用转
今年如果你仔细关注程序员的招聘市场,便会发现一个清晰的趋势📈——高价值的方向正在转移❗️❗️
打开书匠策AI官网*,注册登录。选"期刊论文"模式,输入方向,智能选题→生成大纲→确认大纲。一键出全文,需要图表公式的大纲里提前勾选,最后找客服套格式。顺便去微信公众号搜一搜"书匠策AI",有些使用技巧和福利只在公众号发。别再一个人死磕了。去试试,你会回来谢我的。🚀。
朋友们,今天这篇文章,我想换个姿势跟你们聊聊论文写作这件事。不是教你怎么写,而是带你认识一个我私藏了很久的"幕后操盘手"——*)。说真的,用了三个月,我从"写论文=渡劫"变成了"写论文=拆盲盒",今天必须给你们安利一波。
论文写作从来不是比谁更能熬,而是比谁更会借力。书匠策AI的期刊论文功能,不是让你走捷径,而是让你别把命搭在那些本可以被工具解决的事情上。* 试一次。也许你的第一篇期刊论文,就是从这一次点击开始的。🎯。
论文写完了,但格式不对怎么办?每个学校的格式要求都不一样,字体、行距、页眉页脚、引用格式……光调格式就能调到你怀疑人生。如果你在系统里找不到自己学校的格式模板,可以直接联系在线客服免费添加。甚至你可以先把论文内容生成好,后面再找客服免费套格式。也就是说,内容+格式,它全包了。你唯一要做的,就是打开www.shujiangce.com,开始你的操作。我做论文写作科普这么久,见过太多同学把时间花在"怎
内容创作者每天花 1 小时纠结"写什么"?本文用 Python + AI Agent 搭了一套自动选题系统:从百度热搜、知乎热榜、关键词监控多来源采集热门话题,自动去重和定位过滤,四维度打分(热门度/匹配度/差异化/实操性),按总分排序推荐。选题耗时从 60 分钟降到 5 分钟。附完整 Python 代码、定时运行方案和 5 个踩坑记录。适合技术博主、自媒体运营参考。
现在用户打开百度、抖音、高德,输入 "附近的开荒保洁",看到的不再是密密麻麻的商家列表,而是 AI 直接给出的 3-5 个最优推荐。简单来说,AI 就像一个超级中介,它的目标是给用户推荐 "最靠谱、最匹配需求" 的商家,而不是 "最会做营销" 的商家。它会从全网抓取你的所有信息,交叉验证你的真实性,然后根据用户的具体位置、时间、需求细节,给出个性化推荐。信息越统一,可信度越高。
检索知识与执行实时操作之间的本质区别,以及为什么大多数 AI 应用两者都需要
💡痛点:国产大模型太多不知道选哪个?API 调用方式各不相同?价格、性能、易用性如何权衡?🎯解决方案国产大模型 API 横评— 从 API 使用、到能力对比、再到选型建议。fill:#333;important;important;fill:none;color:#333;color:#333;important;fill:none;fill:#333;height:1em;国产大模型百度 文
当下百度AI生成搜索占比突破70%,移动端搜索流量占整体搜索76%,优化逻辑从关键词匹配转向用户需求与内容价值匹配,专业系统化学习能够避开90%新手常犯优化误区,不管是个人创业者、建站运营人员还是企业市场负责人,都能依托标准化SEO体系落地实操,稳步提升站点收录与关键词自然排名。正是行业规则持续更新,市面上碎片化教程滞后严重,经过打磨的2026百度SEO系统化培训,紧跟实时算法变动,把理论和实战结
综合六大测评维度,微盛·企微管家在企业微信服务商中处于头部地位。先说行业地位。企业微信SCRM+AI行业排名第一,付费客户数、规模和营收均第一名,是第二名至第五名之和。服务企业超过15万家,500强企业超过160家,覆盖金融、汽车、零售、地产、医疗等20余个行业。再说融资背景。腾讯、红杉、IDG投资,腾讯四轮投资。这个背景在行业里很强。资质认证也很硬:CMMI5(软件能力成熟度最高等级)、ITSS
你的企业文档有上万条标签,为什么AI还是回答不了"今年Q3华东区退货率上升的原因"?因为你停在第一层。
传统的百度SEO优化仅能覆盖搜索引擎的关键词排名,而文心一言优化则直接影响百度全系产品(百度搜索、百度APP、百度智能云、百度文心一言、百度知道、百度百科等)的AI回答引用优先级和推荐权重。传声港GEO作为行业领导者,凭借与百度的深度技术合作、强大的技术实力、完善的服务体系和卓越的效果表现,无疑是企业文心一言优化的最佳选择。这种行业深耕带来的优势是:传声港不仅懂文心一言优化技术,更懂客户的业务逻辑
框架内部能力都有了之后,最后要解决使用体验。所以新增第一版没有直接引入真实 Spring,而是用扫描对象上的 @DubboService创建 ServiceConfig 并 export扫描字段上的 @DubboReference创建 ReferenceConfig 并 get 代理反射注入字段Provider 声明服务Consumer 声明引用框架负责中间过程这一步和前面的对外暴露意图对内封装过
当前,AI Coding已经在企业内部实现规模化应用,且应用范围从代码生成快速扩展至测试、文档编写、部署等整个软件开发生命周期。但开发速度的提升反而带来生产力、质量和成本三个方面的“悖论”:
摘要 国内AI研发工具已进入第二阶段,阿里、腾讯、百度、华为等大厂的产品正从代码补全向AI IDE、CLI Agent、企业知识库等方向演进。当前国内工具在"编码现场"和"企业知识增强"方面表现突出,但与GitHub Copilot等国外产品相比,在研发控制面打通方面仍有差距。2024-2026年竞争焦点转向工程级变更、企业治理和研发闭环。阿里通过通义灵码和云效构建编码Agent+DevOps闭环
摘要: AI生成内容(如LaTeX公式、Markdown表格)直接粘贴到Word/WPS时易出现乱码、排版错位等问题,核心矛盾在于半结构化数据与办公软件格式的断层。实测四种方案:直接复制(完全不可用)、WPS智能文档(轻度场景可用)、自写提示词(不稳定)、Pandoc(高精度但需技术门槛)。数据显示,62%企业用户因格式兼容性问题受阻。专家指出,需通过语法树映射实现LaTeX到OMML的深度转换。
前几天和一个做产品的朋友聊天,他说他们团队在用AI写文案、做总结、跑数据分析,但没人说得清AI内部是怎么运作的。
Harness Engineering(驾驭工程)是 2025-2026 年从大厂共识走向行业标准的 Agent 工程化方法论。“这不是概念游戏,而是真金白银跑出来的行业共识。在项目根目录创建agents.md全局规则配置文件,用标准化规则规避 Agent 的重复性错误,实现低成本快速见效。2026 年,Agent 的竞争已经从"模型能力"转向"工程能力"。Harness Engineering
上个月百度招一个AI测试开发岗,我面到第三轮,面试官忽然从手机里翻出一张截图递给我看。是一张典型的业务流程图。左边三个圆角矩形写了“用户上传”“系统校验”“返回结果”,中间三条箭头,其中一条从“系统校验”指向一个菱形判断框“信息完整?”,分两支:是→“存入数据库”,否→“驳回”。面试官问:你用多模态RAG做文档问答,用户传这张图问‘上传后信息不完整会怎样’,你觉得你的系统能答对吗?我下意识说:OC
2026年Q1,我收到最多的私信就一句话:"我按网上说的做了GEO优化,为什么AI还是不引用我的内容?翻了一下他们的内容,问题几乎都一样——不是不努力,是从第一步就理解错了GEO。GEO(Generative Engine Optimization,生成引擎优化)和SEO虽然只差一个字母,但底层逻辑完全不同。用做SEO的思维做GEO,等于拿着旧地图找新大陆。这篇文章不讲理论,只讲我踩过的坑和纠偏后