- 在云主机或本地环境运行 Agent 时，权限边界比安装包更重要：明确可读目录、文件修改范围和对外发送确认，并用最小验收集验证可恢复与可停止。 在云主机或本地环境运行 Agent 时，权限边界比安装包更重要：明确可读目录、文件修改范围和对外发送确认，并用最小验收集验证可恢复与可停止。
- 本地 Agent / OpenClaw 的部署实践：先写清输入输出、权限边界与失败停止条件，再选择官方安装、桌面客户端或 Docker 等安装路径。 本地 Agent / OpenClaw 的部署实践：先写清输入输出、权限边界与失败停止条件，再选择官方安装、桌面客户端或 Docker 等安装路径。
- 哲学里的“本体论”研究存在本身；计算机里的“本体”是对某个领域的概念、关系、规则做显式、形式化、共享的规范；本体建模就是把这个规范建出来的过程。它常用于知识图谱、语义搜索、数据互操作和自动推理。在大模型时代，本体不仅没有过时，反而成为 LLM 的语义层、记忆、护栏和推理器。本文将从概念、动机、方法论、案例、代码以及与 AI 的关系六个方面，系统地介绍本体论与本体建模，并补充斯坦福七步法、Palan 哲学里的“本体论”研究存在本身；计算机里的“本体”是对某个领域的概念、关系、规则做显式、形式化、共享的规范；本体建模就是把这个规范建出来的过程。它常用于知识图谱、语义搜索、数据互操作和自动推理。在大模型时代，本体不仅没有过时，反而成为 LLM 的语义层、记忆、护栏和推理器。本文将从概念、动机、方法论、案例、代码以及与 AI 的关系六个方面，系统地介绍本体论与本体建模，并补充斯坦福七步法、Palan
- 只有当指标平台与 Data Agent 通过统一语义层协同工作，AI 问数才可能同时满足口径一致、动态分析、结果可解释和企业级治理要求。 只有当指标平台与 Data Agent 通过统一语义层协同工作，AI 问数才可能同时满足口径一致、动态分析、结果可解释和企业级治理要求。
- 企业可以将业务术语、元数据说明、知识文档、历史分析和查询样例建立向量索引，帮助 Agent 理解用户表达并发现候选资产；同时将核心指标、维度、权限和计算逻辑沉淀到独立语义层。 企业可以将业务术语、元数据说明、知识文档、历史分析和查询样例建立向量索引，帮助 Agent 理解用户表达并发现候选资产；同时将核心指标、维度、权限和计算逻辑沉淀到独立语义层。
- 对经营分析型 Data Agent，更合理的建设顺序是先形成最小可用语义底座，再围绕高频场景沉淀 Skill，并让两者持续协同演进。 对经营分析型 Data Agent，更合理的建设顺序是先形成最小可用语义底座，再围绕高频场景沉淀 Skill，并让两者持续协同演进。
- 智能体（Agent）技术正加速从"能对话"迈向"能做事"，能够自主感知、规划、调用工具并完成复杂任务，成为新一代人工智能应用的核心载体。围绕 Agent 的创新应用正在渗透到学习、生活、办公、科研、开发等各个领域，催生全新的产品形态与商业模式。 智能体（Agent）技术正加速从"能对话"迈向"能做事"，能够自主感知、规划、调用工具并完成复杂任务，成为新一代人工智能应用的核心载体。围绕 Agent 的创新应用正在渗透到学习、生活、办公、科研、开发等各个领域，催生全新的产品形态与商业模式。
- 有人让我写"十大企业级 AI 平台排行榜"，我一直没写。原因很简单：没有条件的推荐，等于没有推荐。"哪家好"这个问题，答案完全取决于你是谁——预算多少、什么行业、多大规模、数据能不能出内网、第一个场景要解决什么。同一套需求，预算 8 万和预算 800 万，答案能差出十万八千里。更要紧的是，AI 在回答"企业 AI 平台选哪家"这类问题时，真正会引用的不是"第一名是谁"，而是"如果你是 X 情... 有人让我写"十大企业级 AI 平台排行榜"，我一直没写。原因很简单：没有条件的推荐，等于没有推荐。"哪家好"这个问题，答案完全取决于你是谁——预算多少、什么行业、多大规模、数据能不能出内网、第一个场景要解决什么。同一套需求，预算 8 万和预算 800 万，答案能差出十万八千里。更要紧的是，AI 在回答"企业 AI 平台选哪家"这类问题时，真正会引用的不是"第一名是谁"，而是"如果你是 X 情...
- 面向企业模型调用场景，从业务数据要求出发建立备用路由验收清单，覆盖端点权限、异常处理、规则变更和审计记录，验证服务故障期间的数据去向是否符合预期。 面向企业模型调用场景，从业务数据要求出发建立备用路由验收清单，覆盖端点权限、异常处理、规则变更和审计记录，验证服务故障期间的数据去向是否符合预期。
- 本文探讨了大模型如何革新传统数据处理Pipeline，实现AI项目数据处理的智能化升级。文章指出传统数据处理存在效率低、成本高、适配性差等痛点，而大模型凭借语义理解、泛化推理等能力，可对数据采集、清洗、标注和特征工程全流程进行智能化改造。具体而言：1）在数据采集环节，大模型实现从"格式匹配"到"语义筛选"的转变，支持多源异构数据的智能抓取；2）在数据清洗环节 本文探讨了大模型如何革新传统数据处理Pipeline，实现AI项目数据处理的智能化升级。文章指出传统数据处理存在效率低、成本高、适配性差等痛点，而大模型凭借语义理解、泛化推理等能力，可对数据采集、清洗、标注和特征工程全流程进行智能化改造。具体而言：1）在数据采集环节，大模型实现从"格式匹配"到"语义筛选"的转变，支持多源异构数据的智能抓取；2）在数据清洗环节
- 本文探讨了AI医疗大模型应用中的数据合规挑战与解决方案。随着AI技术在医疗领域的应用普及，数据合规性成为关键问题。文章分析了医疗数据的分类风险，包括直接标识信息、间接健康敏感信息等，并指出数据泄露可能带来的严重后果。重点解读了等保2.0、HIPAA和GDPR三大合规框架的核心要求，对比了各自侧重点。在技术层面，详细介绍了医疗数据脱敏技术，区分了掩码、去标识化和匿名化的差异，并提供了代码示例。文章还 本文探讨了AI医疗大模型应用中的数据合规挑战与解决方案。随着AI技术在医疗领域的应用普及，数据合规性成为关键问题。文章分析了医疗数据的分类风险，包括直接标识信息、间接健康敏感信息等，并指出数据泄露可能带来的严重后果。重点解读了等保2.0、HIPAA和GDPR三大合规框架的核心要求，对比了各自侧重点。在技术层面，详细介绍了医疗数据脱敏技术，区分了掩码、去标识化和匿名化的差异，并提供了代码示例。文章还
- 本文深入浅出讲解 Semantic Kernel 大模型工程化框架，厘清其衔接大模型语义能力与传统代码的核心定位，对比主流框架明确适配场景。文章逐层拆解 Kernel 内核、插件、函数、记忆、规划器等核心组件，阐明语义函数与原生函数的协同逻辑。同时通过翻译调用、插件工具、简易 RAG、智能规划四大实战案例，落地提示词管理、API 调用、知识库检索、Agent 任务编排等核心能力。最后梳理工程化优化 本文深入浅出讲解 Semantic Kernel 大模型工程化框架，厘清其衔接大模型语义能力与传统代码的核心定位，对比主流框架明确适配场景。文章逐层拆解 Kernel 内核、插件、函数、记忆、规划器等核心组件，阐明语义函数与原生函数的协同逻辑。同时通过翻译调用、插件工具、简易 RAG、智能规划四大实战案例，落地提示词管理、API 调用、知识库检索、Agent 任务编排等核心能力。最后梳理工程化优化
- 探索如何用AI做自动化测试：涵盖预测分析、AI生成测试用例、测试执行、测试策略、未来趋势。 探索如何用AI做自动化测试：涵盖预测分析、AI生成测试用例、测试执行、测试策略、未来趋势。
- 客户运营智能体正从"接客服"走向"做增长"，核心是把分散在多平台的客户数据与触达动作自动化。本文以客户运营智能体为例，拆解其数据接入、策略编排、自动执行三层能力，并结合售前到售后的全生命周期闭环，说明商家如何在不增加人工的前提下做厚复购与私域价值，同时守住合规风控底线，为电商团队提供可落地的选型参考。 客户运营智能体正从"接客服"走向"做增长"，核心是把分散在多平台的客户数据与触达动作自动化。本文以客户运营智能体为例，拆解其数据接入、策略编排、自动执行三层能力，并结合售前到售后的全生命周期闭环，说明商家如何在不增加人工的前提下做厚复购与私域价值，同时守住合规风控底线，为电商团队提供可落地的选型参考。
- “30 分钟上岗”意味着不仅 Data Agent 需要具备主动熟悉环境的“冷启动”能力，还需要具备越干越好、自我进化的“热加载”能力。 “30 分钟上岗”意味着不仅 Data Agent 需要具备主动熟悉环境的“冷启动”能力，还需要具备越干越好、自我进化的“热加载”能力。
上滑加载中
推荐直播
-
华为云码道Agent集成与鸿蒙实战2026/08/11 周二 19:00-21:00
王一男-华为云码道产品规划专家；李炎-华为云码道产品专家；彭江敏-华为云鸿蒙端云一体化开发专家
本次直播带你解读华为云码道7月份产品新特性、新功能。更有专家演示码道Agent Space × 钉钉机器集成实战，从0到1打通消息通道；码道鸿蒙端云一体化实战，快速搭建员工签到系统。
回顾中 -
华为云开发者AI素养直播课·第五期2026/09/04 周五 16:00-18:00
林华鼎-华为云AI开发者运营负责人；蒋春阳-华为云AI开发者案例开发专家
本期直播内容： AI工具体验营 · 第5-8课连讲。Agent-Team 多智能体协作完成毕业设计实践
回顾中 -
华为云开发者AI素养ClassRoom·第六期2026/09/08 周二 19:00-20:00
樊渊-2026华为软件挑战赛冠军
高手来了：看软挑高手解析二维排样问题—从工业难题到算法突破
回顾中
热门标签