- 8 月 21 日，NineData 亮相 2026 中国数据库技术大会（DTCC）。NineData 创始人兼 CEO 叶正盛分享了《面向 AI Agent 的数据库 DevOps 与数据复制思考与实践》的主题演讲。DTCC 主会场 | NineData 创始人兼 CEO 叶正盛本次演讲核心看点：企业的数据环境正在同时走向多数据库、多云多地域和 AI Agent 驱动。数据库管理的对象，已经... 8 月 21 日，NineData 亮相 2026 中国数据库技术大会（DTCC）。NineData 创始人兼 CEO 叶正盛分享了《面向 AI Agent 的数据库 DevOps 与数据复制思考与实践》的主题演讲。DTCC 主会场 | NineData 创始人兼 CEO 叶正盛本次演讲核心看点：企业的数据环境正在同时走向多数据库、多云多地域和 AI Agent 驱动。数据库管理的对象，已经...
- 每日科技看点 · 2026-08-25今日主线：Hugging Face 130 亿美元卖身谈判曝光，俄罗斯 AI 制导无人机首次自主杀人越过战争红线，ResNet 作者任少卿"在职创业"注册即独角兽。 AI 模型 / 基础模型Hugging Face 据报正进行 130 亿美元收购谈判：开源社区核心资产进入巨头收编视野。(TechCrunch · 08-24)简评：若成交将创下 AI 开... 每日科技看点 · 2026-08-25今日主线：Hugging Face 130 亿美元卖身谈判曝光，俄罗斯 AI 制导无人机首次自主杀人越过战争红线，ResNet 作者任少卿"在职创业"注册即独角兽。 AI 模型 / 基础模型Hugging Face 据报正进行 130 亿美元收购谈判：开源社区核心资产进入巨头收编视野。(TechCrunch · 08-24)简评：若成交将创下 AI 开...
- 每日科技看点 · 2026-08-21今日主线：宇树上市首日大涨 629% 把具身智能推向资本高潮，OpenAI 人事进入"Greg Brockman 时代"，Agent 从办公场景涌入即时通讯与加密交易。 AI 模型 / 基础模型Kimi K3 靠 Harness 逼近 Opus 5：18 个 Agent 自主科研，经典 RSI 剧本开始动摇。(量子位 · 08-20)简评：国产模型在"... 每日科技看点 · 2026-08-21今日主线：宇树上市首日大涨 629% 把具身智能推向资本高潮，OpenAI 人事进入"Greg Brockman 时代"，Agent 从办公场景涌入即时通讯与加密交易。 AI 模型 / 基础模型Kimi K3 靠 Harness 逼近 Opus 5：18 个 Agent 自主科研，经典 RSI 剧本开始动摇。(量子位 · 08-20)简评：国产模型在"...
- # 每日科技看点 · 2026-08-20> 今日主线：Stripe 75 亿美元吞下 OpenRouter，OpenAI 与 Anthropic 在隐私面互卷，具身智能在 WRC 2026 集体亮肌肉。## AI 模型 / 基础模型- **Google Gemini 上线学生中心**：配合 Google Lens 新增作业检查与题目辅导。*(The Verge · 08-19)* - 简... # 每日科技看点 · 2026-08-20> 今日主线：Stripe 75 亿美元吞下 OpenRouter，OpenAI 与 Anthropic 在隐私面互卷，具身智能在 WRC 2026 集体亮肌肉。## AI 模型 / 基础模型- **Google Gemini 上线学生中心**：配合 Google Lens 新增作业检查与题目辅导。*(The Verge · 08-19)* - 简...
- 每日科技看点 · 2026-08-18今日主线：Anthropic 营收底牌曝光引爆 IPO 预期，阿里从上下文层杀入 Agent 战场，世界模型与具身智能同日迈出新一步。 AI 模型 / 基础模型智谱 GLM-5.3 首发上线范式 PhanRouter：即日开放调用，国产基础模型再添一条商用通道。(量子位 · 08-18)简评：模型层"首发上线"节奏加快，路由聚合正在成为模型分发的新标配... 每日科技看点 · 2026-08-18今日主线：Anthropic 营收底牌曝光引爆 IPO 预期，阿里从上下文层杀入 Agent 战场，世界模型与具身智能同日迈出新一步。 AI 模型 / 基础模型智谱 GLM-5.3 首发上线范式 PhanRouter：即日开放调用，国产基础模型再添一条商用通道。(量子位 · 08-18)简评：模型层"首发上线"节奏加快，路由聚合正在成为模型分发的新标配...
- 很多企业把 Oracle 用于承载订单、交易、客户等核心业务数据。随着报表、经营分析和专题查询不断增加，团队常会面临同一个问题：分析需求需要完整的历史数据，但又不希望反复从生产库导出，或让大量分析查询长期占用 Oracle 的资源。将 Oracle 的数据迁移并持续同步到 ClickHouse，是一种常见的处理路径。NineData 已支持 Oracle -> ClickHouse 数据复制... 很多企业把 Oracle 用于承载订单、交易、客户等核心业务数据。随着报表、经营分析和专题查询不断增加，团队常会面临同一个问题：分析需求需要完整的历史数据，但又不希望反复从生产库导出，或让大量分析查询长期占用 Oracle 的资源。将 Oracle 的数据迁移并持续同步到 ClickHouse，是一种常见的处理路径。NineData 已支持 Oracle -> ClickHouse 数据复制...
- 本文系统阐述了大模型工程化落地的核心方法论——Harness（驾驭工程）与Skills（技能体系）协同框架。针对大模型应用落地难、输出不稳定等问题，提出Harness工程作为管控体系，覆盖权限、参数、频次、结果、重试、状态六大维度，实现AI任务的可控执行；Skills作为标准化业务能力单元，通过单一职责、场景通用等原则实现能力封装。二者协同形成"能力执行+规范管控"的闭环，配套 本文系统阐述了大模型工程化落地的核心方法论——Harness（驾驭工程）与Skills（技能体系）协同框架。针对大模型应用落地难、输出不稳定等问题，提出Harness工程作为管控体系，覆盖权限、参数、频次、结果、重试、状态六大维度，实现AI任务的可控执行；Skills作为标准化业务能力单元，通过单一职责、场景通用等原则实现能力封装。二者协同形成"能力执行+规范管控"的闭环，配套
- 摘要： Prompt工程是高效使用大模型的核心技能，通过精准指令设计最大化AI输出质量。其核心原则包括：精准明确（补充场景、人群、格式等6大要素）、完整上下文（背景+约束+素材+诉求）、结构化逻辑（分层拆解任务）。关键技巧涵盖：角色设定（专业身份锁定）、任务拆解（复杂问题分步执行）、输出约束（格式/风格/篇幅控制）。实际应用中需遵循标准化流程：需求拆解→信息补齐→结构化指令→迭代优化。示例代码展示 摘要： Prompt工程是高效使用大模型的核心技能，通过精准指令设计最大化AI输出质量。其核心原则包括：精准明确（补充场景、人群、格式等6大要素）、完整上下文（背景+约束+素材+诉求）、结构化逻辑（分层拆解任务）。关键技巧涵盖：角色设定（专业身份锁定）、任务拆解（复杂问题分步执行）、输出约束（格式/风格/篇幅控制）。实际应用中需遵循标准化流程：需求拆解→信息补齐→结构化指令→迭代优化。示例代码展示
- 2026 年 8 月 20 日- 22 日，NineData 将出席 DTCC 2026（中国数据库技术大会）。NineData 创始人 & CEO 叶正盛将在主论坛带来《面向 AI Agent 的数据库 DevOps 与数据复制思考实践》主题演讲。 2026 年 8 月 20 日- 22 日，NineData 将出席 DTCC 2026（中国数据库技术大会）。NineData 创始人 & CEO 叶正盛将在主论坛带来《面向 AI Agent 的数据库 DevOps 与数据复制思考实践》主题演讲。
- 本文系统介绍了大模型多Agent协作系统的核心原理与实践方法。主要内容包括：1）多Agent系统的本质是通过分工协作解决单一大模型处理复杂任务时的局限性，具备角色专属化、行为自主化和交互协同化三大特征；2）详细解析了中心化编排、分层层级和分布式协同三种主流架构的优缺点及适用场景；3）深入讲解了任务拆解、智能分配、时序管控和异常处理等调度核心逻辑，并提供了四种可落地的调度策略；4）给出了从零搭建多A 本文系统介绍了大模型多Agent协作系统的核心原理与实践方法。主要内容包括：1）多Agent系统的本质是通过分工协作解决单一大模型处理复杂任务时的局限性，具备角色专属化、行为自主化和交互协同化三大特征；2）详细解析了中心化编排、分层层级和分布式协同三种主流架构的优缺点及适用场景；3）深入讲解了任务拆解、智能分配、时序管控和异常处理等调度核心逻辑，并提供了四种可落地的调度策略；4）给出了从零搭建多A
- 本文针对大模型选型难题，系统分析了主流模型的能力边界、成本结构和应用场景。文章将大模型分为闭源商用（如GPT-4o、Claude3.5）和开源可部署（如Llama3、Qwen）两大阵营，指出闭源模型开箱即用但存在数据合规风险，开源模型数据可控但需技术投入。通过对比各模型在RAG知识库和Agent场景的表现，提出选型应基于业务需求、调用规模和团队能力：文档处理优选Claude3.5，多模态任务选择G 本文针对大模型选型难题，系统分析了主流模型的能力边界、成本结构和应用场景。文章将大模型分为闭源商用（如GPT-4o、Claude3.5）和开源可部署（如Llama3、Qwen）两大阵营，指出闭源模型开箱即用但存在数据合规风险，开源模型数据可控但需技术投入。通过对比各模型在RAG知识库和Agent场景的表现，提出选型应基于业务需求、调用规模和团队能力：文档处理优选Claude3.5，多模态任务选择G
- 本文深入解析了Transformer架构的核心原理与工作流程，将其拆解为七大模块组成的标准化文本处理流水线。从Tokenization分词将文本转换为模型可识别的Token，到Embedding赋予语义向量，再到PositionalEncoding补充位置信息；通过Encoder-Decoder进行语义编码与文本生成，最后由Linear层映射权重和Softmax归一化概率输出。文章强调Transf 本文深入解析了Transformer架构的核心原理与工作流程，将其拆解为七大模块组成的标准化文本处理流水线。从Tokenization分词将文本转换为模型可识别的Token，到Embedding赋予语义向量，再到PositionalEncoding补充位置信息；通过Encoder-Decoder进行语义编码与文本生成，最后由Linear层映射权重和Softmax归一化概率输出。文章强调Transf
- 本文系统阐述了大模型从基础对话能力向工程化落地的关键路径——Skills原子能力与Toolchain工具链体系。核心观点包括：1. Skills是弥补大模型外部实操短板的独立能力单元，需具备原子性、可复用性和可描述性；2. Toolchain作为管理中枢，实现工具的智能调度、异常管控和全流程闭环；3. 二者通过插件化架构实现解耦，支持动态插拔和灵活扩展；4. 函数工具注册机制是技术核心，需规范元数 本文系统阐述了大模型从基础对话能力向工程化落地的关键路径——Skills原子能力与Toolchain工具链体系。核心观点包括：1. Skills是弥补大模型外部实操短板的独立能力单元，需具备原子性、可复用性和可描述性；2. Toolchain作为管理中枢，实现工具的智能调度、异常管控和全流程闭环；3. 二者通过插件化架构实现解耦，支持动态插拔和灵活扩展；4. 函数工具注册机制是技术核心，需规范元数
- RLHF是大模型对齐领域经典且完整的技术体系，依托人工反馈标注、奖励模型建模、强化学习多轮迭代的完整链路，让模型精准贴合人类偏好，是顶级商用大模型高精度对齐的核心基石，整体效果顶尖，但流程复杂、成本高昂。PPO作为RLHF的核心执行算法，凭借小幅稳定迭代的约束机制，解决了大模型强化学习训练不稳定的核心痛点，是传统高精度对齐场景的最优技术选择。 而DPO是对齐技术迭代优化的核心产物，跳出了传统强 RLHF是大模型对齐领域经典且完整的技术体系，依托人工反馈标注、奖励模型建模、强化学习多轮迭代的完整链路，让模型精准贴合人类偏好，是顶级商用大模型高精度对齐的核心基石，整体效果顶尖，但流程复杂、成本高昂。PPO作为RLHF的核心执行算法，凭借小幅稳定迭代的约束机制，解决了大模型强化学习训练不稳定的核心痛点，是传统高精度对齐场景的最优技术选择。 而DPO是对齐技术迭代优化的核心产物，跳出了传统强
- 预训练是从无到有造模型，搭建AI的通用认知底子；微调是从通用到专业改模型，让AI适配行业业务；量化、剪枝、蒸馏是从笨重到轻盈优模型，解决落地部署难题。这五项技术贯穿大模型研发、定制、优化、落地全生命周期，没有优劣之分，只有场景适配之别。新手落地项目，优先掌握微调+量化，低成本快速实现业务落地；进阶优化再叠加剪枝、蒸馏，打造极致轻量化模型；而预训练仅需了解原理 预训练是从无到有造模型，搭建AI的通用认知底子；微调是从通用到专业改模型，让AI适配行业业务；量化、剪枝、蒸馏是从笨重到轻盈优模型，解决落地部署难题。这五项技术贯穿大模型研发、定制、优化、落地全生命周期，没有优劣之分，只有场景适配之别。新手落地项目，优先掌握微调+量化，低成本快速实现业务落地；进阶优化再叠加剪枝、蒸馏，打造极致轻量化模型；而预训练仅需了解原理
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
热门标签