- 近日，DataFunSummit知识图谱在线峰会正式举行，国内知识图谱领域知名学者和技术专家出席本次峰会，共议“知识图谱的核心技术与前沿应用”。会上，华为云3位专家介绍了华为云知识计算解决方案的具体行业实践。“新一代人工智能技术要解决如何与各行各业深度融合的问题，要做到真正的落地，就需要把知识驱动和数据驱动结合起来，实现AI与行业知识的高效结合，同时利用知识、数据、算法和算力四个要素。这是A... 近日，DataFunSummit知识图谱在线峰会正式举行，国内知识图谱领域知名学者和技术专家出席本次峰会，共议“知识图谱的核心技术与前沿应用”。会上，华为云3位专家介绍了华为云知识计算解决方案的具体行业实践。“新一代人工智能技术要解决如何与各行各业深度融合的问题，要做到真正的落地，就需要把知识驱动和数据驱动结合起来，实现AI与行业知识的高效结合，同时利用知识、数据、算法和算力四个要素。这是A...
- 在过去的数十年里，知识图谱技术虽然逐步展露于个行业中，但始终限制于庞大的信息、知识数据难以智能化、系统化的追踪呈现的困境，让企业，特别是技术密集型企业，受制于知识获取难、信息碎片化严重等现实状况。这就需要知识图谱技术的全栈解决方案，来打破这些制约企业发展的困境，最大程度释放知识的力量带来的数据增值，加速产业转型升级，并实现知识全生命周期管理。 在过去的数十年里，知识图谱技术虽然逐步展露于个行业中，但始终限制于庞大的信息、知识数据难以智能化、系统化的追踪呈现的困境，让企业，特别是技术密集型企业，受制于知识获取难、信息碎片化严重等现实状况。这就需要知识图谱技术的全栈解决方案，来打破这些制约企业发展的困境，最大程度释放知识的力量带来的数据增值，加速产业转型升级，并实现知识全生命周期管理。
- 本文分享了如何基于n8n构建自愈型质量管理系统。通过自动化采集缺陷、需求等数据并构建知识图谱，系统能智能分析、自动修复用例库。方案大幅降低了维护耗时与缺陷逃逸率，将测试团队从重复劳动中解放，转向质量策略设计，实现了质量数据的持续流动与优化。 本文分享了如何基于n8n构建自愈型质量管理系统。通过自动化采集缺陷、需求等数据并构建知识图谱，系统能智能分析、自动修复用例库。方案大幅降低了维护耗时与缺陷逃逸率，将测试团队从重复劳动中解放，转向质量策略设计，实现了质量数据的持续流动与优化。
- 本文分享了如何基于n8n构建自愈型质量管理系统。通过自动化采集缺陷、需求等数据并构建知识图谱，系统能智能分析、自动修复用例库。方案大幅降低了维护耗时与缺陷逃逸率，将测试团队从重复劳动中解放，转向质量策略设计，实现了质量数据的持续流动与优化。 本文分享了如何基于n8n构建自愈型质量管理系统。通过自动化采集缺陷、需求等数据并构建知识图谱，系统能智能分析、自动修复用例库。方案大幅降低了维护耗时与缺陷逃逸率，将测试团队从重复劳动中解放，转向质量策略设计，实现了质量数据的持续流动与优化。
- 三年前，我们的测试团队遇到了一个典型痛点：随着产品快速迭代，用例库日益臃肿却难以维护，大量用例失效或重复，测试效率不增反降。更麻烦的是，缺陷分析、需求变更和测试执行之间形成了信息孤岛。直到我们基于n8n构建了一套自愈型质量管理系统，局面才彻底改变。今天，我将完整分享如何用这款开源自动化工具，构建一个能够自我修复、持续优化的智能质量知识体系。 一、架构设计：让质量数据流动起来 核心设计理念传统... 三年前，我们的测试团队遇到了一个典型痛点：随着产品快速迭代，用例库日益臃肿却难以维护，大量用例失效或重复，测试效率不增反降。更麻烦的是，缺陷分析、需求变更和测试执行之间形成了信息孤岛。直到我们基于n8n构建了一套自愈型质量管理系统，局面才彻底改变。今天，我将完整分享如何用这款开源自动化工具，构建一个能够自我修复、持续优化的智能质量知识体系。 一、架构设计：让质量数据流动起来 核心设计理念传统...
- 三年前，我们的测试团队遇到了一个典型痛点：随着产品快速迭代，用例库日益臃肿却难以维护，大量用例失效或重复，测试效率不增反降。更麻烦的是，缺陷分析、需求变更和测试执行之间形成了信息孤岛。直到我们基于n8n构建了一套自愈型质量管理系统，局面才彻底改变。今天，我将完整分享如何用这款开源自动化工具，构建一个能够自我修复、持续优化的智能质量知识体系。一、架构设计：让质量数据流动起来核心设计理念传统用例... 三年前，我们的测试团队遇到了一个典型痛点：随着产品快速迭代，用例库日益臃肿却难以维护，大量用例失效或重复，测试效率不增反降。更麻烦的是，缺陷分析、需求变更和测试执行之间形成了信息孤岛。直到我们基于n8n构建了一套自愈型质量管理系统，局面才彻底改变。今天，我将完整分享如何用这款开源自动化工具，构建一个能够自我修复、持续优化的智能质量知识体系。一、架构设计：让质量数据流动起来核心设计理念传统用例...
- 在日常系统设计和性能优化中，你有没有遇到过这样的困境：面对高并发、复杂业务和跨领域数据，你是用知识图谱构建可解释的规则体系，还是直接靠大模型来快速生成答案？某乎上一个热门问题引发讨论：“知识图谱和大模型，哪个才是技术大方向？”我们从技术实现、架构设计和业务卡点角度出发，分析两者优劣、瓶颈及结合方案，帮你在工作中做决策。 1. 知识图谱在实际系统中的优势与瓶颈知识图谱（KG）本质上是结构化知识... 在日常系统设计和性能优化中，你有没有遇到过这样的困境：面对高并发、复杂业务和跨领域数据，你是用知识图谱构建可解释的规则体系，还是直接靠大模型来快速生成答案？某乎上一个热门问题引发讨论：“知识图谱和大模型，哪个才是技术大方向？”我们从技术实现、架构设计和业务卡点角度出发，分析两者优劣、瓶颈及结合方案，帮你在工作中做决策。 1. 知识图谱在实际系统中的优势与瓶颈知识图谱（KG）本质上是结构化知识...
- 本文对比了知识图谱与大模型的技术优劣。知识图谱逻辑清晰、可解释性强但构建繁琐；大模型灵活高效却存在黑盒与幻觉风险。实际工作中，二者并非对立，推荐采用RAG等融合架构，用图谱提供可靠支撑，用大模型快速生成，以兼顾系统可靠性与迭代效率。 本文对比了知识图谱与大模型的技术优劣。知识图谱逻辑清晰、可解释性强但构建繁琐；大模型灵活高效却存在黑盒与幻觉风险。实际工作中，二者并非对立，推荐采用RAG等融合架构，用图谱提供可靠支撑，用大模型快速生成，以兼顾系统可靠性与迭代效率。
- 本文对比了知识图谱与大模型的技术优劣。知识图谱逻辑清晰、可解释性强但构建繁琐；大模型灵活高效却存在黑盒与幻觉风险。实际工作中，二者并非对立，推荐采用RAG等融合架构，用图谱提供可靠支撑，用大模型快速生成，以兼顾系统可靠性与迭代效率。 本文对比了知识图谱与大模型的技术优劣。知识图谱逻辑清晰、可解释性强但构建繁琐；大模型灵活高效却存在黑盒与幻觉风险。实际工作中，二者并非对立，推荐采用RAG等融合架构，用图谱提供可靠支撑，用大模型快速生成，以兼顾系统可靠性与迭代效率。
- 在日常系统设计和性能优化中，你有没有遇到过这样的困境：面对高并发、复杂业务和跨领域数据，你是用知识图谱构建可解释的规则体系，还是直接靠大模型来快速生成答案？某乎上一个热门问题引发讨论：“知识图谱和大模型，哪个才是技术大方向？”我们从技术实现、架构设计和业务卡点角度出发，分析两者优劣、瓶颈及结合方案，帮你在工作中做决策。1. 知识图谱在实际系统中的优势与瓶颈知识图谱（KG）本质上是结构化知识的... 在日常系统设计和性能优化中，你有没有遇到过这样的困境：面对高并发、复杂业务和跨领域数据，你是用知识图谱构建可解释的规则体系，还是直接靠大模型来快速生成答案？某乎上一个热门问题引发讨论：“知识图谱和大模型，哪个才是技术大方向？”我们从技术实现、架构设计和业务卡点角度出发，分析两者优劣、瓶颈及结合方案，帮你在工作中做决策。1. 知识图谱在实际系统中的优势与瓶颈知识图谱（KG）本质上是结构化知识的...
- 智能体知识更新机制：增量式知识图谱构建与融合技术 一、引言随着大模型驱动的 智能体（Agent） 在企业业务、搜索问答、自动化运营、RPA 流程中广泛应用，知识更新问题变得尤为突出。传统知识库构建方式往往是“全量构建”，一旦知识发生变化，需要重新爬取、处理、训练或重建索引，成本高且不可实时。而智能体需要：识别新知识是否已存在将新知识增量式注入知识图谱自动融合冲突信息实时影响推理过程不中断系... 智能体知识更新机制：增量式知识图谱构建与融合技术 一、引言随着大模型驱动的 智能体（Agent） 在企业业务、搜索问答、自动化运营、RPA 流程中广泛应用，知识更新问题变得尤为突出。传统知识库构建方式往往是“全量构建”，一旦知识发生变化，需要重新爬取、处理、训练或重建索引，成本高且不可实时。而智能体需要：识别新知识是否已存在将新知识增量式注入知识图谱自动融合冲突信息实时影响推理过程不中断系...
- 本文介绍如何利用Dify和RAG技术构建智能测试用例生成工作流。通过将需求文档作为知识库，系统可自动生成覆盖功能、边界、异常等多维度的测试方案，显著提升用例质量和覆盖率，有效释放测试人力。 本文介绍如何利用Dify和RAG技术构建智能测试用例生成工作流。通过将需求文档作为知识库，系统可自动生成覆盖功能、边界、异常等多维度的测试方案，显著提升用例质量和覆盖率，有效释放测试人力。
- 这篇文章我们就系统梳理 28 个高频面试问题，直接带你理解 RAG 从“原理 → 问题 → 优化 → 未来”的完整演化逻辑，确保你下一次面试不被问懵。 这篇文章我们就系统梳理 28 个高频面试问题，直接带你理解 RAG 从“原理 → 问题 → 优化 → 未来”的完整演化逻辑，确保你下一次面试不被问懵。
- 这篇文章我们就系统梳理 28 个高频面试问题，直接带你理解 RAG 从“原理 → 问题 → 优化 → 未来”的完整演化逻辑，确保你下一次面试不被问懵。 这篇文章我们就系统梳理 28 个高频面试问题，直接带你理解 RAG 从“原理 → 问题 → 优化 → 未来”的完整演化逻辑，确保你下一次面试不被问懵。
- 随着人工智能从“感知智能”向“认知智能”演进，智能体（Intelligent Agent） 的决策机制也在经历深度变革。传统强化学习或大语言模型（LLM）虽然能够做出行动选择，但往往缺乏对知识的系统理解与推理能力。 随着人工智能从“感知智能”向“认知智能”演进，智能体（Intelligent Agent） 的决策机制也在经历深度变革。传统强化学习或大语言模型（LLM）虽然能够做出行动选择，但往往缺乏对知识的系统理解与推理能力。
上滑加载中
推荐直播
-
HDC深度解读系列 - Serverless与MCP融合创新，构建AI应用全新智能中枢2025/08/20 周三 16:30-18:00
张昆鹏 HCDG北京核心组代表
HDC2025期间，华为云展示了Serverless与MCP融合创新的解决方案，本期访谈直播，由华为云开发者专家(HCDE)兼华为云开发者社区组织HCDG北京核心组代表张鹏先生主持，华为云PaaS服务产品部 Serverless总监Ewen为大家深度解读华为云Serverless与MCP如何融合构建AI应用全新智能中枢
回顾中 -
关于RISC-V生态发展的思考2025/09/02 周二 17:00-18:00
中国科学院计算技术研究所副所长包云岗教授
中科院包云岗老师将在本次直播中，探讨处理器生态的关键要素及其联系，分享过去几年推动RISC-V生态建设实践过程中的经验与教训。
回顾中 -
一键搞定华为云万级资源，3步轻松管理企业成本2025/09/09 周二 15:00-16:00
阿言 华为云交易产品经理
本直播重点介绍如何一键续费万级资源，3步轻松管理成本，帮助提升日常管理效率！
回顾中
热门标签