- AI大模型时代来了，程序员们纷纷入坑AI应用开发，可是苦于AI教程良莠不齐，往往花费了大量时间精力和金钱，却仍然过其门而不入。有鉴于此，博主开始连载AI应用开发教程《15天学会AI应用开发》，帮助大家快速掌握AI应用开发技能，不掉坑、不迷路、有收获。一、学习AI应用开发的四大困难在入坑AI应用开发之时，孤立无援的开发者面对着下列四个拦路虎：1、个人电脑跑不动AI大模型应用。众所周知，大模型... AI大模型时代来了，程序员们纷纷入坑AI应用开发，可是苦于AI教程良莠不齐，往往花费了大量时间精力和金钱，却仍然过其门而不入。有鉴于此，博主开始连载AI应用开发教程《15天学会AI应用开发》，帮助大家快速掌握AI应用开发技能，不掉坑、不迷路、有收获。一、学习AI应用开发的四大困难在入坑AI应用开发之时，孤立无援的开发者面对着下列四个拦路虎：1、个人电脑跑不动AI大模型应用。众所周知，大模型...
- 在软件开发领域，绝大多数技术团队的研发瓶颈，从来都不在于编码能力不足，而是被传统本地研发的各类琐碎问题持续拖累。环境配置繁琐、版本冲突频发、设备场景受限、团队协作低效、新人上手缓慢，这些常态化的研发内耗，不断蚕食团队研发产能，拉长项目迭代周期。在数字化研发高速发展的当下，传统本地研发模式早已无法适配高效迭代的业务需求，而MonkeyCode AI云端研发平台的出现，彻底打破了本地研发的固有桎... 在软件开发领域，绝大多数技术团队的研发瓶颈，从来都不在于编码能力不足，而是被传统本地研发的各类琐碎问题持续拖累。环境配置繁琐、版本冲突频发、设备场景受限、团队协作低效、新人上手缓慢，这些常态化的研发内耗，不断蚕食团队研发产能，拉长项目迭代周期。在数字化研发高速发展的当下，传统本地研发模式早已无法适配高效迭代的业务需求，而MonkeyCode AI云端研发平台的出现，彻底打破了本地研发的固有桎...
- 在传统软件开发流程中，绝大多数研发团队的精力，往往没有真正投入到核心业务编码与功能迭代上，而是持续消耗在环境配置、版本冲突、代码审查、设备受限等重复性、低价值的琐事中。从新人入职搭建开发环境，到团队协作出现的“本地可运行、线上报错”，再到突发线上问题无法及时处理，诸多痛点持续拖累团队研发效率。在长期的团队研发管理实践中，我尝试过各类IDE插件、辅助工具、协同平台，而MonkeyCode云端A... 在传统软件开发流程中，绝大多数研发团队的精力，往往没有真正投入到核心业务编码与功能迭代上，而是持续消耗在环境配置、版本冲突、代码审查、设备受限等重复性、低价值的琐事中。从新人入职搭建开发环境，到团队协作出现的“本地可运行、线上报错”，再到突发线上问题无法及时处理，诸多痛点持续拖累团队研发效率。在长期的团队研发管理实践中，我尝试过各类IDE插件、辅助工具、协同平台，而MonkeyCode云端A...
- 身为项目负责人，深知本地开发环境差异带来的诸多难题。更换设备就要全盘重装开发软件、配置环境变量与各类依赖包，单次耗时动辄大半天，细微配置偏差都要耗费数小时排查，严重拖累开发进度。外出出差、日常通勤途中，手边没有主力电脑便无法改动代码；线上故障紧急修复、客户临时调整需求，也只能被迫延后处理，既影响工作效率，还容易损耗合作口碑。线下项目演示同样处处受限，每次对接客户都需随身携带电脑，反复核验运行... 身为项目负责人，深知本地开发环境差异带来的诸多难题。更换设备就要全盘重装开发软件、配置环境变量与各类依赖包，单次耗时动辄大半天，细微配置偏差都要耗费数小时排查，严重拖累开发进度。外出出差、日常通勤途中，手边没有主力电脑便无法改动代码；线上故障紧急修复、客户临时调整需求，也只能被迫延后处理，既影响工作效率，还容易损耗合作口碑。线下项目演示同样处处受限，每次对接客户都需随身携带电脑，反复核验运行...
- 行内深耕多年，深知绝大多数程序员都被开发环境问题绊住前行脚步，几大行业通病几乎人人都遇见过。换新设备就得全盘重搭开发环境，新电脑到手没空敲代码，反倒整日忙着安装各类工具、调配环境变量、适配项目依赖，耗费大把时间精力。好不容易调试完毕，切换不同项目又极易引发依赖冲突，反复调试折腾格外耗费心神。日常外出出差、上下班通勤途中，突发线上故障急需修复，或是客户临时提出功能调整需求，身边没有主力办公电脑... 行内深耕多年，深知绝大多数程序员都被开发环境问题绊住前行脚步，几大行业通病几乎人人都遇见过。换新设备就得全盘重搭开发环境，新电脑到手没空敲代码，反倒整日忙着安装各类工具、调配环境变量、适配项目依赖，耗费大把时间精力。好不容易调试完毕，切换不同项目又极易引发依赖冲突，反复调试折腾格外耗费心神。日常外出出差、上下班通勤途中，突发线上故障急需修复，或是客户临时提出功能调整需求，身边没有主力办公电脑...
- Agent 时代，为什么需要新的可观测范式？先从一个真实场景出发：某团队上线了一款客服 Agent，并规范地接入了 Prometheus、Grafana、ELK 等主流的可观测性工具。从监控大盘来看，各项核心指标非常完美：P99 延迟为 0.2 秒，错误率为 0.001%，Token 消耗曲线表现平稳，所有系统指标均处于健康状态。然而，产品团队很快在用户反馈中发现了一个问题：系统把一个明明符... Agent 时代，为什么需要新的可观测范式？先从一个真实场景出发：某团队上线了一款客服 Agent，并规范地接入了 Prometheus、Grafana、ELK 等主流的可观测性工具。从监控大盘来看，各项核心指标非常完美：P99 延迟为 0.2 秒，错误率为 0.001%，Token 消耗曲线表现平稳，所有系统指标均处于健康状态。然而，产品团队很快在用户反馈中发现了一个问题：系统把一个明明符...
- 在 Claude + Agent 的日常使用中，成本上升往往并非模型本身变贵，而是调用链路里出现了隐性漏损。本文从工程排障视角拆解 3 类最常见的 Token 浪费路径：重复调用、上下文膨胀、重试风暴，并给出可直接落地的观测字段、止损动作和轻量治理流程。核心目标不是“少用 AI”，而是把成本管理从“月底解释”变成“当场定位、持续优化”。 在 Claude + Agent 的日常使用中，成本上升往往并非模型本身变贵，而是调用链路里出现了隐性漏损。本文从工程排障视角拆解 3 类最常见的 Token 浪费路径：重复调用、上下文膨胀、重试风暴，并给出可直接落地的观测字段、止损动作和轻量治理流程。核心目标不是“少用 AI”，而是把成本管理从“月底解释”变成“当场定位、持续优化”。
- 进入 2026 年后，企业 AI 调用规模快速增长，很多团队都遇到同一个问题：账单看得见，但成本来源讲不清。本文基于真实落地场景，拆解 3 类高频隐性消耗（重复调用、上下文膨胀、重试风暴），并给出一套可执行的治理路径：统一接入、请求级归因、异常下钻、策略固化，帮助团队把“月底解释”升级为“过程可控”。 进入 2026 年后，企业 AI 调用规模快速增长，很多团队都遇到同一个问题：账单看得见，但成本来源讲不清。本文基于真实落地场景，拆解 3 类高频隐性消耗（重复调用、上下文膨胀、重试风暴），并给出一套可执行的治理路径：统一接入、请求级归因、异常下钻、策略固化，帮助团队把“月底解释”升级为“过程可控”。
- 但其实绝大多数做软件的人，根本不用急着卷AI 但其实绝大多数做软件的人，根本不用急着卷AI
- 摘要：Litefuse 是一个 Agent 可观测与评估平台，通过 Evaluation Driven Development (EDD) “观测-评估-优化”闭环，让 Agent 的执行过程可追踪、问题可定位、效果可量化、优化可验证。Litefuse 兼容 Langfuse SDK 和 100 多个 AI 生态，并支持 Hermes、OpenClaw、Claude Code 等通用 Age... 摘要：Litefuse 是一个 Agent 可观测与评估平台，通过 Evaluation Driven Development (EDD) “观测-评估-优化”闭环，让 Agent 的执行过程可追踪、问题可定位、效果可量化、优化可验证。Litefuse 兼容 Langfuse SDK 和 100 多个 AI 生态，并支持 Hermes、OpenClaw、Claude Code 等通用 Age...
- 2026 年，AI 应用已从“试点工具”进入“生产系统”。当调用规模扩大到组织级后，很多团队都会遇到同一个问题：调用量增长很快，但 token 成本难解释、难归因、难优化。本文结合一线项目实践，给出一套可落地的方法：以统一接入为起点，建立请求级观测能力，完成多维下钻分析，并通过策略化治理实现持续优化，最终让 AI 成本从“黑盒支出”变成“可运营资产”。 2026 年，AI 应用已从“试点工具”进入“生产系统”。当调用规模扩大到组织级后，很多团队都会遇到同一个问题：调用量增长很快，但 token 成本难解释、难归因、难优化。本文结合一线项目实践，给出一套可落地的方法：以统一接入为起点，建立请求级观测能力，完成多维下钻分析，并通过策略化治理实现持续优化，最终让 AI 成本从“黑盒支出”变成“可运营资产”。
- 码道新特性支持 subAgent，快速构建 subAgent 群智能体解决业务问题。 码道新特性支持 subAgent，快速构建 subAgent 群智能体解决业务问题。
- 过去一年，Agent 正从一个技术概念，逐渐变成企业智能化落地的核心入口。这背后并不只是应用形态变化，更像是一场新的接口革命：人不再需要理解每一个工具的使用方式，也不再需要在不同系统之间反复切换；人只需要表达目标，Agent 则负责理解意图、拆解任务、选择工具、调用数据并完成执行。在即将举行的 SelectDB 产品发布会上，我们也将围绕这一变化做一次更系统的分享：当 Agent 成为新的应... 过去一年，Agent 正从一个技术概念，逐渐变成企业智能化落地的核心入口。这背后并不只是应用形态变化，更像是一场新的接口革命：人不再需要理解每一个工具的使用方式，也不再需要在不同系统之间反复切换；人只需要表达目标，Agent 则负责理解意图、拆解任务、选择工具、调用数据并完成执行。在即将举行的 SelectDB 产品发布会上，我们也将围绕这一变化做一次更系统的分享：当 Agent 成为新的应...
- 在交易、行情、IoT、日志补全等典型时间序列场景中，业务需要的不是普通等值关联，而是“按业务键分组后，在时间轴上找到不晚于左侧记录的最近一条右侧记录”。ASOF JOIN 正是为这类问题设计的：它把“同键匹配”和“时间近邻”统一到一条执行路径上，天然适合做交易撮合行情补全、事件归因、快照对齐等分析任务。Doris 在 4.0.5 和 4.1.0 版本引入的 ASOF JOIN，正是为这类场景... 在交易、行情、IoT、日志补全等典型时间序列场景中，业务需要的不是普通等值关联，而是“按业务键分组后，在时间轴上找到不晚于左侧记录的最近一条右侧记录”。ASOF JOIN 正是为这类问题设计的：它把“同键匹配”和“时间近邻”统一到一条执行路径上，天然适合做交易撮合行情补全、事件归因、快照对齐等分析任务。Doris 在 4.0.5 和 4.1.0 版本引入的 ASOF JOIN，正是为这类场景...
- 大模型进入生产阶段后，企业普遍面临“账单可见、归因不清”的问题：可以看到总费用，但难以回答“哪个项目、哪类调用、哪些异常”导致了成本波动。本文基于实际工程经验，分享一套“虚拟凭证 + 运行时注入 + 请求级审计”的治理方案，目标是在不大幅改造现有业务代码的前提下，实现分钟级成本归因与异常止损。 大模型进入生产阶段后，企业普遍面临“账单可见、归因不清”的问题：可以看到总费用，但难以回答“哪个项目、哪类调用、哪些异常”导致了成本波动。本文基于实际工程经验，分享一套“虚拟凭证 + 运行时注入 + 请求级审计”的治理方案，目标是在不大幅改造现有业务代码的前提下，实现分钟级成本归因与异常止损。
上滑加载中
推荐直播
-
华为云码道 × 仓颉编程：工程化AI编码探索2026/05/27 周三 19:00-21:00
刘俊杰-华为云仓颉语言专家/李炎-华为云码道技术专家/王智鹏-OpenCangjie开源社区发起人
本场直播围绕华为云仓颉语言与华为云码道的深度结合，展示华为云智能编程从零基础到高效落地的完整生态能力。以华为云码道为引擎，仓颉语言为载体，带给大家日常提效、趣味创新到极速量产的开发体验。
回顾中 -
一个AI团队帮你写代码：华为云码道Agent Space实战2026/06/25 周四 19:00-21:00
张翰文-华为云码道工程师/郭英旭-青软创新科技集团股份有限公司 软件架构师
本场直播聚焦华为云码道Agent Space两大模式：研发办公、代码开发，亲身体验从需求到代码的AI自动化能力。实操演示基于华为 CodeArts CLI，依托 OpenSpec 规格体系从零搭建业务项目。
回顾中
热门标签