- 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
- 全球化、多云、国产化升级和 AI 驱动开发正在同时改变企业数据管理方式。面对更分散的数据源、更复杂的权限边界和更高频的数据库变更，NineData 的实践路径是把数据库 DevOps、数据复制、安全访问和 ChatDBA 统一到一套平台能力中，为智能体提供可治理的数据底座。 全球化、多云、国产化升级和 AI 驱动开发正在同时改变企业数据管理方式。面对更分散的数据源、更复杂的权限边界和更高频的数据库变更，NineData 的实践路径是把数据库 DevOps、数据复制、安全访问和 ChatDBA 统一到一套平台能力中，为智能体提供可治理的数据底座。
- 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。
- 未来的企业软件，不再围绕“人如何使用系统”来设计，而是围绕“Agent如何连接系统”来构建。 理解这一点，比追逐任何单一产品都更重要。 未来的企业软件，不再围绕“人如何使用系统”来设计，而是围绕“Agent如何连接系统”来构建。 理解这一点，比追逐任何单一产品都更重要。
- 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。
- 随着 AI 服务的广泛应用，调用链路的安全性和稳定性成为开发者关注的重点。本文从实际工程角度，探讨如何通过密钥管理、身份解耦和审计追溯构建可靠的 AI 调用基础设施。 随着 AI 服务的广泛应用，调用链路的安全性和稳定性成为开发者关注的重点。本文从实际工程角度，探讨如何通过密钥管理、身份解耦和审计追溯构建可靠的 AI 调用基础设施。
- 2026年，AI行业最清晰的一条主线，无疑是Agent从“会聊天”到“能干活”的全面跃迁。基础模型综合水平已从20多分跃升至七八十分，长程任务稳定执行时间每8个月翻一番，最高纪录已达16小时。行业讨论的焦点也从“模型有多聪明”转向“究竟能创造多少真实价值”。然而，从技术概念到产业实效，这一跃迁如何真正发生？大模型Agent正在哪些场景中跑出可量化的落地样本？本文从技术架构和产业实践两个维度，... 2026年，AI行业最清晰的一条主线，无疑是Agent从“会聊天”到“能干活”的全面跃迁。基础模型综合水平已从20多分跃升至七八十分，长程任务稳定执行时间每8个月翻一番，最高纪录已达16小时。行业讨论的焦点也从“模型有多聪明”转向“究竟能创造多少真实价值”。然而，从技术概念到产业实效，这一跃迁如何真正发生？大模型Agent正在哪些场景中跑出可量化的落地样本？本文从技术架构和产业实践两个维度，...
- 阿里7天全集团切换模型，暴露了业务代码与供应商深度绑定的架构风险：Prompt适配、私有参数、监控对接均需改代码。解法是抽象“AI路由层”，用逻辑模型（如code_generation）替代物理模型名，实现配置化切换——留一层，换供应商只需改映射，而非改代码。 阿里7天全集团切换模型，暴露了业务代码与供应商深度绑定的架构风险：Prompt适配、私有参数、监控对接均需改代码。解法是抽象“AI路由层”，用逻辑模型（如code_generation）替代物理模型名，实现配置化切换——留一层，换供应商只需改映射，而非改代码。
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