- 本文由云软件体验技术团队郑志超原创。版本速览v3.29.0 版本带来了：组件无障碍信息全面完善 - 组件智能化必备新增tag-input组件- 轻松管理多标签输入，灵活适配任意场景65+ Bug + 优化修复 - 稳定性大幅提升详细的 Release Notes 请参考：https://github.com/opentiny/tiny-vue/releases/tag/v3.29.0新贡献者... 本文由云软件体验技术团队郑志超原创。版本速览v3.29.0 版本带来了：组件无障碍信息全面完善 - 组件智能化必备新增tag-input组件- 轻松管理多标签输入，灵活适配任意场景65+ Bug + 优化修复 - 稳定性大幅提升详细的 Release Notes 请参考：https://github.com/opentiny/tiny-vue/releases/tag/v3.29.0新贡献者...
- 从真实账单事故出发，剖析企业级大模型 API 接入在密钥管理、成本护栏、调用审计、质量监控、权限分级五个维度上的常见盲区，结合 OWASP 与五眼联盟安全框架给出工程化实践思路。 从真实账单事故出发，剖析企业级大模型 API 接入在密钥管理、成本护栏、调用审计、质量监控、权限分级五个维度上的常见盲区，结合 OWASP 与五眼联盟安全框架给出工程化实践思路。
- 银行跨系统对账的难点在于系统异构、无API接口、表述不一致。本文从技术实现角度，拆解了屏幕语义理解技术如何在不依赖API和坐标定位的情况下，让Agent像人一样“看懂”屏幕、跨系统抓取数据、语义匹配交易、生成审计级对账报告。文章覆盖了从单系统自动化到多系统协同闭环的实现路径，并结合银联对账、多银行账户归集、三单匹配等真实场景提供了落地数据和效果验证。 银行跨系统对账的难点在于系统异构、无API接口、表述不一致。本文从技术实现角度，拆解了屏幕语义理解技术如何在不依赖API和坐标定位的情况下，让Agent像人一样“看懂”屏幕、跨系统抓取数据、语义匹配交易、生成审计级对账报告。文章覆盖了从单系统自动化到多系统协同闭环的实现路径，并结合银联对账、多银行账户归集、三单匹配等真实场景提供了落地数据和效果验证。
- 本文探讨了AI Agent开发中的评估体系构建问题。文章指出，虽然搭建Agent原型容易，但量化评估其性能、指导优化方向才是项目落地的关键难点。作者提出了一套完整的Agent评估方法论，包含三大评测技术（LLM-as-Judge、人工标注、A/B测试）和四大评估维度（功能准确性、服务性能、运行安全性、成本损耗）。通过多层次评测方案架构，实现从离线测试到线上验证的闭环迭代，解决传统试错式开发的弊端。 本文探讨了AI Agent开发中的评估体系构建问题。文章指出，虽然搭建Agent原型容易，但量化评估其性能、指导优化方向才是项目落地的关键难点。作者提出了一套完整的Agent评估方法论，包含三大评测技术（LLM-as-Judge、人工标注、A/B测试）和四大评估维度（功能准确性、服务性能、运行安全性、成本损耗）。通过多层次评测方案架构，实现从离线测试到线上验证的闭环迭代，解决传统试错式开发的弊端。
- 文章摘要： 大模型Agent是基于大语言模型的智能执行体，通过自主规划、工具调用和系统集成，实现复杂任务自动化。其核心特性包括自主规划性、工具可拓展性、系统互通性、记忆迭代性和闭环执行性。Agent架构分为五层：基础模型层（推理核心）、核心调度层（流程控制）、工具插件层（能力拓展）、系统集成层（外部对接）和业务应用层（场景落地）。运行机制分为需求解析、任务规划、能力调用等六步闭环流程，支持API插 文章摘要： 大模型Agent是基于大语言模型的智能执行体，通过自主规划、工具调用和系统集成，实现复杂任务自动化。其核心特性包括自主规划性、工具可拓展性、系统互通性、记忆迭代性和闭环执行性。Agent架构分为五层：基础模型层（推理核心）、核心调度层（流程控制）、工具插件层（能力拓展）、系统集成层（外部对接）和业务应用层（场景落地）。运行机制分为需求解析、任务规划、能力调用等六步闭环流程，支持API插
- 本文系统介绍了大模型落地的三大关键技术：全量微调、LoRA轻量化微调和模型量化。全量微调通过更新所有模型参数实现业务适配，但计算成本高；LoRA通过冻结原有权重、仅训练低秩矩阵，显著降低训练成本；模型量化则通过降低参数精度来优化部署效率。三者协同形成完整的大模型落地闭环：微调优化能力，LoRA降低训练门槛，量化提升部署性能。文章详细阐述了各项技术的原理、实施流程和应用场景，并通过代码示例展示了Lo 本文系统介绍了大模型落地的三大关键技术：全量微调、LoRA轻量化微调和模型量化。全量微调通过更新所有模型参数实现业务适配，但计算成本高；LoRA通过冻结原有权重、仅训练低秩矩阵，显著降低训练成本；模型量化则通过降低参数精度来优化部署效率。三者协同形成完整的大模型落地闭环：微调优化能力，LoRA降低训练门槛，量化提升部署性能。文章详细阐述了各项技术的原理、实施流程和应用场景，并通过代码示例展示了Lo
- 选型时需重点评估三个问题：数据能不能出域、系统能不能跑在信创环境、Agent能不能融入现有工作流。理解这一点，比盲目追逐“功能最多”的产品更重要。 选型时需重点评估三个问题：数据能不能出域、系统能不能跑在信创环境、Agent能不能融入现有工作流。理解这一点，比盲目追逐“功能最多”的产品更重要。
- 本文系统介绍了大模型智能体的核心概念与五大核心能力。智能体是基于大模型构建的、具备自主决策和执行能力的数字实体，通过规划、记忆、工具调用、反思和多智能体协同五大能力实现复杂任务处理。与普通大模型相比，智能体具有主动执行、工具调用和经验迭代的优势。规划能力是智能体的"大脑"，负责任务拆解和策略制定；记忆能力存储和复用历史信息；工具调用能力扩展智能体的功能边界；反思能力支持自我优化 本文系统介绍了大模型智能体的核心概念与五大核心能力。智能体是基于大模型构建的、具备自主决策和执行能力的数字实体，通过规划、记忆、工具调用、反思和多智能体协同五大能力实现复杂任务处理。与普通大模型相比，智能体具有主动执行、工具调用和经验迭代的优势。规划能力是智能体的"大脑"，负责任务拆解和策略制定；记忆能力存储和复用历史信息；工具调用能力扩展智能体的功能边界；反思能力支持自我优化
- AI Agent 不再只是生成文本，它会读取数据、调用工具、触发流程。本文从工程视角讨论为什么不应把长期 API Key 直接交给 Agent，并给出临时凭证、策略绑定、运行时拦截和审计归因的治理思路。 AI Agent 不再只是生成文本，它会读取数据、调用工具、触发流程。本文从工程视角讨论为什么不应把长期 API Key 直接交给 Agent，并给出临时凭证、策略绑定、运行时拦截和审计归因的治理思路。
- 摘要： AI智能体通过Workflow多步骤任务编排弥补了大模型单次调用的局限性（上下文有限、无规划性），实现复杂任务的自动化执行。其核心在于将模糊需求拆解为有序子任务，结合状态机与大模型动态决策，形成“规则兜底+智能微调”的闭环流程。示例展示了基于腾讯混元大模型的五步工作流（需求预处理→任务拆解→分步执行→结果校验→整合输出），验证了智能体在连贯执行、上下文记忆及异常处理上的优势。Workflo 摘要： AI智能体通过Workflow多步骤任务编排弥补了大模型单次调用的局限性（上下文有限、无规划性），实现复杂任务的自动化执行。其核心在于将模糊需求拆解为有序子任务，结合状态机与大模型动态决策，形成“规则兜底+智能微调”的闭环流程。示例展示了基于腾讯混元大模型的五步工作流（需求预处理→任务拆解→分步执行→结果校验→整合输出），验证了智能体在连贯执行、上下文记忆及异常处理上的优势。Workflo
- 2026年，企业级智能体“跑通业务闭环”的能力，正从“加分项”变成“准入门槛”。从实在Agent的跨系统操作闭环，到腾讯云ADP 4.0的AgentOps全生命周期治理，到阿里云百炼的全链路交付，到百度千帆的规模化Agent Infra，到瓴羊AgentOne的数据与业务协同中枢，再到神州问学2.0的Agentic Process Workspace——这些平台的共同特征是：不满足于“回答问题”， 2026年，企业级智能体“跑通业务闭环”的能力，正从“加分项”变成“准入门槛”。从实在Agent的跨系统操作闭环，到腾讯云ADP 4.0的AgentOps全生命周期治理，到阿里云百炼的全链路交付，到百度千帆的规模化Agent Infra，到瓴羊AgentOne的数据与业务协同中枢，再到神州问学2.0的Agentic Process Workspace——这些平台的共同特征是：不满足于“回答问题”，
- 2026年，跨境物流AI Agent的核心趋势是从“单点工具”走向“全链路智能体” 。未来的竞争焦点不再是单一功能的优劣，而是谁能将感知、决策、执行三者真正打通，形成从“看见数据”到“辅助决策”再到“自动执行”的完整闭环。 2026年，跨境物流AI Agent的核心趋势是从“单点工具”走向“全链路智能体” 。未来的竞争焦点不再是单一功能的优劣，而是谁能将感知、决策、执行三者真正打通，形成从“看见数据”到“辅助决策”再到“自动执行”的完整闭环。
- 7月初AI中转站批量关停，企业面临Claude还能不能用的抉择。本文从架构师视角分析从个人拼凑中转站到企业统一管控AI调用链路的范式切换，拆解凭证管理、流量路由、成本归因、审计追溯四个核心问题。 7月初AI中转站批量关停，企业面临Claude还能不能用的抉择。本文从架构师视角分析从个人拼凑中转站到企业统一管控AI调用链路的范式切换，拆解凭证管理、流量路由、成本归因、审计追溯四个核心问题。
- 2026年，国内AI Agent市场已进入“人人可用”的爆发期。IDC数据显示，2025年中国企业级AI智能体市场规模已达212亿元，预计2026年将增至449亿元。与此同时，国内AI智能体相关服务商已突破300家。然而，AI智能体的开发平台已经形成了从“零代码快速部署”到“开发者深度定制”的多层次生态——业务人员和开发者在同一款Agent工具面前，评估标准可能完全不同。一、两种角色，两种诉... 2026年，国内AI Agent市场已进入“人人可用”的爆发期。IDC数据显示，2025年中国企业级AI智能体市场规模已达212亿元，预计2026年将增至449亿元。与此同时，国内AI智能体相关服务商已突破300家。然而，AI智能体的开发平台已经形成了从“零代码快速部署”到“开发者深度定制”的多层次生态——业务人员和开发者在同一款Agent工具面前，评估标准可能完全不同。一、两种角色，两种诉...
- 企业引入 AI 后，账号共享成为绕不开的现实问题。然而共享不是目的，安全调度才是。本文从健康度评估、隔离分组、成本优化、额度保护和熔断机制五个层面，拆解一套生产级的 AI 账号调度架构。 企业引入 AI 后，账号共享成为绕不开的现实问题。然而共享不是目的，安全调度才是。本文从健康度评估、隔离分组、成本优化、额度保护和熔断机制五个层面，拆解一套生产级的 AI 账号调度架构。
上滑加载中
推荐直播
-
华为云码道Skill实战与极速交付，智能开发全链路实战2026/07/22 周三 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；姜浩-华为云HCDG核心组成员
直播深度解读华为云码道6月产品新特性，从Skill市场安装专家技能，带你零距离体验从需求，开发，审查，重构全链路闭环的开发过程。从零构建并交付一个完整项目，让您体验从代码提交到服务上线的“极速”之旅。
即将直播 -
聚开发者之力，创具身新未来2026/07/23 周四 15:00-17:00
张豪杰/程文/王军/刘新春/黄钦开 /张晓天
本次华为云具身智能开发平台CloudRobo培训面向具身智能开发者，带您全流程体验机器人本体R2C小时级接入、环境重建与轨迹生成仿真数据生产、PB级数据管理、数据评测、模型训推、强化学习和Benchmark一键评测等功能，并体验业界主流具身模型应用。
即将直播
热门标签