-
垂直类AI Agent智能体开发指南
随着大模型的不断发展与普及，很多人已经明显体会到，大模型LLM在简单的办公场景应用已经非常成熟，但在一些复杂的业务场景，却很难落地应用。要想实现这一目标，需要很多专业的技术支持。由此，催生了大量AI Agent的需求，但是很多人对Agent的理解依旧停留在过去，实际上技术生态的不断发展完善，已经进入到了新的形态。随着DeepSeek-R1的开源，使得很多传统公司有机会自己部署大模型，近距离使用高性…- 5
- 0
-
打破AI与数据的壁垒：MCP服务器开发实战指南
1. MCP：打破AI与数据的壁垒去年11月，Anthropic公司发布了一个名为Model Context Protocol（MCP）的开放标准，在AI圈内引起了不小的轰动。这个看似普通的协议，却可能彻底改变AI与数据系统之间的交互方式。作为一名从业多年的AI开发者，我第一时间深入研究了MCP的设计思路和实现细节，发现这确实是一个值得关注的技术创新。为什么MCP改变了AI与数据的交互简单来说，M…- 8
- 0
-
AI大模型时代的数据产品开发流程
1. AI驱动的数据产品开发从传统数据产品到AI增强数据产品传统数据产品主要依赖规则、统计算法和经典机器学习模型，需要大量人工干预和领域专家来进行开发，并且具有固定的逻辑和数据处理能力，对复杂业务场景适应性普遍较差。传统BI工具可以告诉我们"发生了什么"，预测分析可以推测"将会发生什么"，而AI大模型增强的数据产品不仅能理解这些问题，还能解答"为什…- 4
- 0
-
AI智能体：大模型之后的下个技术革命？
在ChatGPT等大模型掀起人工智能新浪潮后，AI Agent（智能体）正成为科技界的新焦点。这个看似陌生的概念究竟意味着什么？它与我们熟知的大语言模型有何不同？本文将带您深入探索智能体的核心概念、工作原理和实际应用价值。智能体的本质与特征AI Agent是一种能够自主感知环境、做出决策并执行行动的智能系统。与传统AI相比，它不再局限于被动响应，而是具备了主动思考和行动的能力。智能体的五大核心特质…- 3
- 0
-
Gemini2.5pro一键生成高逼格网页（附结构化提示词）
什么是 Gemini 2.5 ProGemini 2.5 Pro，是一款升级版的 AI 模型，专注于增强推理、代码生成和多模态处理。该模型在LMArena（衡量人类对 AI 响应偏好的基准）上排名第一，并在数学、科学和基于逻辑的任务中取得了优异的成绩。它还拥有 100 万个令牌上下文窗口，并计划扩展到 200 万个。Gemini 2.5 Pro 在之前的型号基础上进行了改进，提供了更强大的逻辑分析…- 6
- 0
-
a16z重磅预判：AI时代正在重写开发逻辑，这9个新范式将决定下一个技术十年
你有没有想过，编程这件事情可能彻底变了？开发者正在从单纯使用AI工具，转向将AI视为构建软件的全新基础。这不是什么小调整，而是一场彻底的范式转变。想想看，那些我们一直习以为常的核心概念——版本控制、模板、文档，甚至"用户"的概念——都在因为AI Agent驱动的工作流而被重新定义。这让我想起了从马车到汽车的转变。一开始，人们只是把汽车当作"不用马拉的马车"，…- 4
- 0
-
Spring AI与通义千问的完美结合：构建智能对话应用
Spring AI是Spring生态系统中的新成员，它为开发人员提供了一套简单而强大的工具，用于集成各种AI大模型。本文将介绍如何使用Spring AI与阿里云通义千问大模型进行集成，构建智能对话应用，帮助你快速掌握AI应用开发的核心技能。引言随着人工智能技术的快速发展，越来越多的企业希望在其应用中集成AI能力。Spring Framework作为Java生态中最流行的框架，顺应这一趋势推出了Sp…- 6
- 0
-
MCP如何实现Agentic AI工作流
Agentic AI工作流涌现！本文揭秘如何用 Anthropic 的 MCP 赋能 LLM，实现自主决策。通过 Todo List MCP Server 和 Calendar MCP Server 演示，展示 MCP 客户端如何协调工具和动态提示，构建模块化、可组合的智能自动化流程。MCP 嵌套实现类似微服务的代理委托，dev-scaffold…- 7
- 0
-
大模型的核心价值是“可编排的通用智力”
大模型的核心价值是“可编排的通用智力”1. 大模型不是“超级搜索引擎”，而是一块软体 CPU它能做的远不止信息查找，而是完成一整套“输入—理解—推理—生成”的智能过程。区别在于它不靠硬编码，而靠上下文+提示词+工具协同形成“临时思维回路”。这意味着你不需要写算法，只需要编排“思考路径”。2. 所有 LLM 应用的本质，都是在调度一块“通用智力”你不是在调用一个模型，而是在驱动一台“具备语言理解和推…- 5
- 0
-
精通 MCP Server和Client 01
精通MCP Server|Client为什么用MCP？MCP是什么我就不解释了，最近MCP的相关博客，推文已经烂大街了，我这里只讲硬核的东西，你一般见不到的内容。在我看来，MCP跟传统的tool call 最大的区别就是动态可插拔的特性：某个tool 组件有哪些tool可以调用这个是动态的，当我们在某个tool group新增了tool或者删改了tool，所有能连接到当前「tool group s…- 5
- 0
-
Cursor 0.5 重磅登场：不止于AI编程助手，它想成为你的“AI原生编程大脑”
Cursor 这个名字你一定不陌生吧？自从发布以来，就一直稳坐AI编程的头把交椅，成为很多程序员的编程辅助的首选。而就在昨天，Cursor 又搞了个大动作——0.5版本正式发布！这次更新可不只是简单的版本升级，而是向着“AI 原生 IDE”这个目标迈出了一大步，我仔细看了更新日志和一些技术圈朋友的分析，感觉 Cursor 确实在尝试改变我们和代码打交道的方式。下面是这次更新的主要亮点：一、Curs…- 7
- 0
-
大模型驱动的AI应用开发范式演进：技术架构与产业影响
引言 在开发AI Agent的过程中，深切的体会到，很多思维方式都与传统开发不同，也就是说，随着大模型技术突破，AI应用开发范式正经历从规则驱动到数据驱动的范式迁移。作为范式的迁移，其过程和影响都是深远的。本文从技术架构、开发流程、产品形态、商业逻辑四个维度解析变革本质，并对比传统软件工程差异，为从业者提供体系化升级路径参考。希望看到本文的软件工程师、产品经理、企业负责人，能仔细体会这其…- 4
- 0
-
聊一聊 Tool、MCP 和 Agent 来龙去脉 | 大白话技术科普系列@Jomy
我们 302.AI 做 MCP 和 Agent 相关开发有一段时间了，期间一直与开发者和用户们保持着密切的交流。有一个普遍的感受：尽管行业内几乎所有人都听过 MCP、Agent 这些术语，但只有极少数人真正理解它们的本质。今天，我就基于 302.AI 的实践和成果，分享一些自己的见解，帮大家厘清概念的来龙去脉，并大胆预测一下未来的发展方向。1. 缸中之脑只能说不能做的大模型让我们先从大语…- 4
- 0
-
AI时代生存指南：为何你的经验比知识更值钱？
01 AI之墙与发展方向“缩放定律”一直是大模型突飞猛进的底层节奏：只要持续投入算力和高质量数据，模型性能就能在对数尺度上稳步攀升。OpenAI、Anthropic、Google 等公司至今仍公开表示，看不到这条曲线的“天花板”。然而，曲线虽然未封顶，斜率却在变钝——虽然我们没有撞上物理极限，但我们已清晰撞上了“经济‑工程墙”。第一是算力与能耗。 训练百亿、万亿参数的模型，新增 1%–2…- 5
- 0
-
大模型管理革命：RagaAI Catalyst让AI效率提升300%
• 项目管理 - 端到端项目生命周期管理• 数据集管理 - 多格式数据集支持与自动模式映射• 评估管理 - 多维模型评估指标体系• 追踪管理 - 全链路调用追踪与分析• 提示管理 - 版本化提示模板与动态编译• 合成数据 - 智能问答对生成与数据增强• 安全护栏&nbs…- 7
- 0
-
“AI+”时代，金融机构大模型技术应用策略研究
大模型通常是指在人工智能领域基于人工神经网络架构、通过大规模数据集训练得到的深度学习模型。大模型能够通过自然语言(文字、语音、图像等多模态交互)与人类交流，显著提升人机交互效率，推动人机协作方式的革命性变革。大模型的核心特征主要体现在自我学习能力、卓越的泛化能力、潜在的元认知能力、一定的创造力四个方面。自2022年底ChatGPT-3.5发布以来，大模型技术发展迅猛，在全球范围内掀起“百模大战”，…- 5
- 0
-
拆解、对比与优化：LLM工具智能体的五种任务规划与执行模式
大语言模型（LLM）驱动的 AI 智能体，特别是在借助Tools（工具）来完成复杂任务执行的过程中展现出了巨大的潜力。然而，让智能体能够合理规划任务步骤与执行、避免盲目行动是确保其高效可靠完成目标的关键。本篇将探讨多种 AI 智能体的任务规划与执行模式。包括：ReAct：思考-行动交替的动态规划执行Plan-and-Execute：先规划后调整静态Workflow：预设流程图式的执行Wo…- 9
- 0
-
当AI遇上数学：大语言模型如何掀起一场形式化数学的革命？ | Deep Talk
随着大语言模型在内容创作、代码生成与科学问答等领域掀起巨大变革浪潮，以严谨逻辑与精密结构著称的数学领域也迎来了深刻的转型契机。当前，数学理论的复杂性不断提升，许多重要定理的证明规模已远超传统人工审阅的能力边界。动辄数百页的证明不仅挑战了同行评审的极限，更暴露出人工验证过程的缓慢与脆弱性。针对这一困境，形式化数学方法开始成为重要的解决路径。这一方法通过将数学命题严格表达为形式逻辑语言，并借助计算机进…- 6
- 0
-
LLM学习笔记：最好的学习方法是带着问题去寻找答案
知其然，然后知其所以然。本文主要是对学习赛博活佛Andrej Karpathy 7个小时教学视频的总结和拓展阅读笔记，推荐去看原视频，很精彩，链接在文末。从最常用的聊天应用过程分析开始，引入对话过程原理浅析，再到LLM训练过程；再结合当前主流的应用形式，在得知最新用法的同时，加深对LLM的理解；再谈谈AI的最新重大进展MCP；以及作为JAVAer，在Java领域有哪些前沿能力去整合LLM。最后再罗…- 4
- 0
-
Multi-Agent-Workflow && Data Flow
Multi-Agent-WorkflowTip多代理工作流架构，不同的专业代理协作处理用户查询，并生成一份全面的研究报告Agent 职责和能力DeerFLow 的多智能体工作流程由五个专业智能体组成，以下是它们特定的角色以及责任AgentRolePrimary ResponsibilitiesCoordinator入口处理问候和闲聊，对用户请求进行分类，将研究查询路由到PlannerP…- 4
- 0
-
从 Function Call 到 MCP：解锁大模型与外部世界交互的 “超能力”
一 介绍对于大语言模型来说，有个局限性，就是训练的数据不可能是实时的数据，也没有其他私有信息。就如同“知识很丰富，却被困在房间里面的人”。1.1 Function Call为了获取外部数据，2023年，OpenAI提出了Function Call的概念，它通过了将自然语言转成结构化调用，来扩展模型的能力，像是给模型加装各种外挂，可以让模型获取外部的实时天气，发送邮件，调用外部计算引擎进行计算等。有…- 6
- 0
-
顶尖AI研究员揭秘：为什么99%的模型评测都是在骗你
介绍随着大语言模型的迅速发展，我们如何衡量它们的水平？关键在于构建好的评测基准（benchmark）。正如 Ofir Press 所指出的，优秀的基准测试能够将现有模型的弱点公之于众，引导社区改进模型 。Press 本人在职业生涯中投入大量精力研发基准测试，并亲自带领团队刷新多个基准的性能纪录。他认为，设计高质量的基准测试与研发新的模型同等重要 。Press 是业内专注语言模型…- 6
- 0
扫码打开当前页
联系我们
-
￥优惠劵使用时效：无法使用使用时效：
之前
使用时效：永久有效优惠劵ID：×