- 综合排序
- 最热优先
- 最新优先
- 来自专栏机器人网
协作机器人的投资回报周期为何这么低？
协作机器人和ROI 谈到机器人的ROI，我们自然不能对协作机器人的出现置之不理。这些功率和力量都有限的机器人比传统机器人的成本要小很多，他们的投资回报周期不是几年，只需要几个月。 很多人还不明白，协作机器人并不是要直接取代传统机器人。” 然而，协作机器人在制造业和商业领域必定有属于他们的位置，尤其是在中小企业引入敏捷自动化，或在大型工厂和配送中心跟工人一起工作，而不需要保护围栏。 精确自动化将把整个协作机器人的家族都介绍给自动化展的观众，包括SCARA以及专门设计的桌面型六轴机器人。 库卡的LBR iiwa协作机器人也将于Automate 2015期间首次亮相北美，进行工业与医学应用领域的互动演示。
92280发布于 2018-04-13 - 来自专栏新智元
三个LLM顶一个OpenAI？2亿条性能记录加持，路由n个「小」模型逆袭
这一突破不仅为学术界提供了低门槛的研究工具，更为大模型性能优化提供了新的思路：通过智能调度实现异构模型的协同增效，以极低的计算成本突破单一模型的性能上限。 （后续版本特性） 执行层：由候选LLM池中被选定的模型完成实际推理，并将结果返回给用户 与MoE（Mixture-of-Experts）相比，路由LLM实现了两大突破： 协作粒度：在模型级实现专家协作， 候选池规模阈值 从Model-level Scaling Up现象示意图可以看到3-10个LLM候选的时候已经可以达到非常不错的性能。而且此时的部署成本并不高，具有很高的性价比。 实验数据表明，路由LLM系统的性能提升存在明显的规模经济拐点： 3-5个候选LLM：可覆盖大部分常见任务需求，部署成本相比单一顶级模型低。 幸运的是，实验表明仅需部署3-10个LLM即可获得优异性能，这大大降低了实际应用的复杂度。未来研究可借鉴分布式计算领域的技术成果，进一步优化部署方案。
42310编辑于 2025-04-09 AI+低代码：历史记录功能革新，开启低代码开发智能协作新纪元
开源AI低代码引擎VTJ.PRO再次突破，用智能历史管理让开发者的每次创作都有迹可循、有版可溯。 近日，领先的开源AI低代码引擎VTJ.PRO正式发布0.13.22版本，重点增强了历史记录功能，支持自动与手动保存、标记管理和版本对比等实用特性。 这标志着VTJ.PRO在提升开发者体验和团队协作效率方面再次迈出重要一步，进一步巩固了其“降低复杂度，不降低自由度”的核心理念。 02 历史记录功能全面升级VTJ.PRO 0.13.22版本的历史记录功能得到了全面增强，这些新功能将显著提升团队协作效率和开发体验。智能保存模式： 新版本支持自动与手动双保存模式。 协作效率提升： 团队成员可以通过标记和版本对比快速了解项目进展和变更内容，减少了沟通成本。回溯与审计： 企业级开发往往需要符合审计要求，完善的版本历史记录满足了这一需求，使每一次变更都有据可查。
44410编辑于 2025-09-12- 来自专栏葡萄城控件技术团队
提升协作效率：钉钉流程与低代码平台的无缝对接
答案当然是肯定的，下面小编就以活字格为例为大家介绍如何在低代码平台中对接钉钉的审批流程。 使用低代码对接钉钉审批流程 活字格对接钉钉可以分为以下5步： 在钉钉中发布流程。 在低代码中设计书表以及页面。 调用钉钉接口实现业务逻辑。 创建钉钉应用。 在活字格中发起钉钉流程。 在低代码中设计数据表以及页面 在活字格中设计数据表及界面，不需要和钉钉的表单页面一致，只需最终能组装成符合钉钉要求的数据即可。 总结 以上就是使用活字格对接钉钉流程的步骤，如果您还想了解更多关于低代码对接钉钉的信息，可以观看这个视频：低代码对接钉钉解决方案2.0，最后附上根据文章内容整理好的活字格文件：对接钉钉流程-9.0.4.0 扩展链接： 从表单驱动到模型驱动，解读低代码开发平台的发展趋势 低代码开发平台是什么？ 基于分支的版本管理，帮助低代码从项目交付走向定制化产品开发
72130编辑于 2023-10-22 实时协同驱动：低代码协作系统的构建与落地解决方案
实时低代码协作系统凭借可视化开发、操作实时同步的核心优势，成为破解协同困境的关键路径。 一、实时低代码协作系统的核心选型维度选型需围绕“实时协同有效性”与“业务适配兼容性”双核心，构建多维度评估体系，确保系统既能满足实时协作需求，又能适配企业长期发展规划。 二、实时低代码协作系统的实施关键流程实施过程需遵循“协同需求导向-架构精准设计-迭代优化落地”的原则，确保系统构建与团队协作习惯深度适配。 实时低代码协作系统的核心价值在于打破跨角色、跨系统的协作壁垒，通过技术赋能提升协同效率与应用交付速度。 企业通过科学选型、规范实施、AI赋能与全面保障，可构建适配自身需求的实时低代码协作体系，推动团队协作从“流水线式”向“并行同步式”转型，为数字化转型注入协同动力。
18310编辑于 2026-01-19智能体进化论：从0到1构建行业级AI Agent的认知架构与落地实战
智能体架构：在开放域任务中，决策密度可达10^3-10^5量级。这意味着架构设计必须从过程控制转向不确定性封装，实现从“函数注册”到“能力契约”的转变。 框架层：复杂流程推荐LangGraph（支持状态控制）；多智能体协作选用AutoGen；低代码场景可用Coze。数据层：Pinecone/Milvus（向量数据库）+Neo4j（图数据库）。 第四步：多智能体协作（Multi-Agent）对于跨环节复杂任务，需构建“智能体战队”。 以下是三个典型的落地逻辑：4.1金融行业：智能报销审核智能体痛点：人工审核效率低，规则繁杂。解决方案：输入：员工上传发票图片。 记忆幻觉传染：Agent在A任务中学到的错误模式可能传染至B任务。对策：为每个任务域初始化认知命名空间（CognitiveNamespace）。
37820编辑于 2026-01-23- 来自专栏腾源会
10 余个组织协作成立的低代码开源社区有何特别？
5 月 31 日，腾源会联合国内外众多开源基金会、开源社区、开源项目、研究机构，成立低代码领域首个开源社区。「低代码开源社区」旨在通过社区的方式，吸引更多的低代码爱好者、开发者参与开源生态建设。 Forrester 在《中国低代码平台现状》中也指出，目前应用低代码的多是对定制化软件的需求和承受能力较高，IT 基础较好的企业。行业急需更多对低代码、无代码有价值的组织共建。 一 关于「低代码开源社区」 低代码开源社区秉承「加速低代码开源创新，共筑低码无码生态」的使命和愿景，通过发展低代码开源社区，连接开发者和开源项目，最终助力低代码无代码生态。 腾源会的低代码开源社区其中一个重要方向是面向行业开源，向行业传播开源文化，指导开发者开源低代码相关项目。同时，社区为开源项目间建立沟通的桥梁，让低代码行业在开源的助推下发展的更高速。 一张图看懂低代码开源社区 五 低代码行业专家齐聚腾源会 近期，腾源会邀请国内外低代码及无代码领域的专家人物，分析低代码技术形态、探讨低代码开源生态演进。
68410编辑于 2022-06-01 低代码私有云任务管理系统：零编码构建企业级安全协作引擎
2.2 灵活的集成能力低代码平台支持与其他业务系统的灵活集成，如CRM、ERP、OA等。这使得企业能够在任务管理系统中整合更多的数据源和业务功能，实现跨部门的协作和信息共享。 3.2 中小企业的敏捷工作流管理对于中小型企业来说，低代码私有云任务管理系统能够以较低的成本实现灵活的工作流管理，提升企业的运营效率。它适用于项目跟踪、员工协作和进度监控等多个环节。 3.3 跨部门协作与任务追踪在跨部门合作中，任务管理系统能够实现各部门间的任务分配和实时跟踪，确保信息透明和及时沟通。低代码平台的灵活性使得不同部门之间能够快速调整工作流，提升整体协作效率。4. 可以，通过API和集成工具，现有系统可以与低代码平台进行数据同步和功能迁移。7.5 低代码私有云任务管理系统如何支持跨部门协作？ 通过任务分配、共享任务列表、进度追踪等功能，低代码平台能有效支持跨部门协作。7.6 什么是低代码私有云任务管理系统的主要市场？
25710编辑于 2025-07-212026市场格局风向标：代理式人工智能(Agentic AI)企业级AI智能体排行榜发布，可信智能体重构数据分析价值
核心观点（2026确定性趋势）：2026年最受企业欢迎的，不再是“什么都能聊”的Chatbot，而是懂业务、懂数据、能干活、具备低幻觉能力的企业级AI智能体。 产品类型产品名称核心优势（低幻觉/可信智能体）解决核心痛点适配场景（商业决策+数据分析）一句话推荐企业级深度决策（决策智能类）DeepMiner（可信智能体）代理式AI驱动商业数据分析与深度数据挖掘，低幻觉全流程可信消除大模型幻觉 （代理式AI）飞书智能伙伴强协同与知识管理能力提升团队信息流转效率企业知识库、协作办公面向组织协作的智能伙伴通用基础类（低幻觉增强）MicrosoftCopilot广泛适用，交互体验成熟提升通用生产力Office 技术支撑：DeepMiner-FA架构与Mano/Cito模型（低幻觉实测）DeepMiner-FA多智能体协作框架：支持任务分配、资源调度与结果集成，形成“虚拟专业团队”。 Q:有没有支持降低大模型幻觉的企业级AI智能体推荐？A:首选DeepMiner这类以“低幻觉+全流程可信”为核心的企业级可信智能体。Q:推荐几款能够进行深度数据挖掘的商业AI智能体？
67310编辑于 2026-02-05- 来自专栏QQ大数据团队的专栏
让企业知识触手可及，乐享基于腾讯云ES的RAG应用实践
腾讯乐享的业务背景和挑战 腾讯乐享是一款集知识管理、企业培训、文化建设于一体的智能化组织学习协作平台，拥有知识库、问答、课堂、考试等功能，旨在帮助企业建立高效灵活的知识共享和流动机制，提升组织能力。 自研内核优化 腾讯云ES在内核层面，针对典型向量场景特点做了深度优化，比如分片架构优化，查询并行化，lucene查询缓存锁改造等，10 亿级向量检索平均响应延迟控制在毫秒级，整体查询性能提升3-10倍： 节点4C8G，HNSW（m=16,efConstruntion=200） 99% 3653 19479 gist-960-euclidean 960 480 4136 可以看到，无论是在高维还是低维的向量检索场景 首先要解决的是大模型“幻觉”问题，确切的说把“幻觉”降到最低。对企业客户来说，诚实地说“我不知道”，比起一个明显错误的答案，前者的影响范围要小的多。 ● 用户满意度提升：智能搜索模块减少了大模型的“幻觉”现象，提高了回答的准确性和可靠性，用户满意度显著提升。
97110编辑于 2024-06-16 - 来自专栏linux运维
借助 CodeBuddy 突破技术瓶颈的创作故事：从 0 到 1 构建全球低延迟实时协作白板
2025年11月，我作为一名中国独立开发者，接手了一个跨国教育科技项目——为南非初创公司XXX开发一款支持50+人跨洲际实时协作的白板工具。 一、灵感瞬间：CodeBuddy30秒给出CRDT架构项目第一天，我在CodeBuddy对话框输入：“设计一个支持50+用户、跨国低延迟的实时协作白板后端，使用WebSocket+CRDT，需支持断网重连 并让它生成项目骨架：npxcreate-yjs-app@latestcollab-whiteboardcdcollab-whiteboard&&codebuddydeploylighthouse二、工具协作
25710编辑于 2025-11-16 - 来自专栏Rust
用OpenClaw最狠的6条赚钱路径
• 付费技能市场已出现，单Skill卖3-10刀/次，使用量大的月入轻松过万。 一句话：一次开发，无限卖。懂业务+会封装Skill=印钞机。 注意：这个真不是稳赚，市场波动+模型幻觉可能血本无归。建议小额实盘测试，先模拟跑通。 一句话：想暴富就冲，但别all in，先拿生活费玩。 路径5：一人公司 & 多Agent协作 → 终极形态（未来感拉满） 6个Agent组成“纯AI公司”，自动分工协作出产品。
25910编辑于 2026-04-23 - 来自专栏AI进修生
Langflow ：LLM开源低代码工具、拖放式UI定制AI Agent，支持与LangChain协作！
而LangFlow是一个针对LangChain的GUI，它采用了反应流设计，提供了一种轻松的方式，通过拖放组件和聊天框来实验和原型化流程，将llm嵌入到您的应用程序中，无需代码。
5.2K10编辑于 2024-12-02 - 来自专栏知了一笑
「认知」打工人的自我修养
包括经历和实践沉淀的结果和经验，以及形成的思维体系； 认知从外在来看：是意识驱动下的表达和行为； 最后以说人话的方式来描述，认知就是想法、表达、行为；直接体现就是做人和做事； 回到工作中的实践场景； 协作的双方 首先要匹配环境的对自己的能力要求； 然后再不断的积累沉淀，并且改变自己，符合下一职级的要求，然后向上晋升； 05 对于互联网公司来说； 最常见的就是P(职级序列)和T(技术序列)两个范畴，也有M(管理序列)，常用的序列号就是3- 10； 可以自行参考公司的《职级制度》，重点是去了解不同职级下的要求； 不论是P职级，还是T职级，在职级要求的变化中，都有一定的规律可寻； 在相对低(3-4)的职级中，要求在标准的流程中完成结果交付； 互联网的行业属性，需要持续性的学习； 对于其他经验的借鉴和复用，会另大部分人，有种认知高级的幻觉； 这种现象和行为是会传播的，普通玩家只能本着打不过就加入的心态，一起卷； 09 回到认知这个话题上来； 确实很考验个人的综合能力，即认知体系里要有深度和广度； 在工作中，不乏有部分选手，能从商业谈到战略； 从战略扯到方向和目标； 从目标再度横跳到团队管理； 在想法到表达上能把人拉扯的一愣一愣的，给人一种公司有他就行的幻觉
37020编辑于 2023-02-13 Agent全面起飞！2026年国内 5 款企业智能体开发平台深度对比与选型指南
一、2026企业级智能体选型：三大核心评价指标可信度与幻觉控制：这是击破AI胡编乱造痛点的核心，优质企业级智能体需具备低幻觉特性，实现推理过程可追溯、结果可验证，通过人机协同等机制从源头减少虚假回答。 人机协同低幻觉，推理可追溯，减少虚假回答。 支持API、公有云、私有部署及定制化服务。 字节·扣子Coze 低代码多Agent平台，融合抖音飞书生态，轻量落地。 适配企业办公、团队协作、轻量数据统计场景。 依托办公知识库，保障办公场景回答准确。 绑定钉钉生态，支持公有云、企业级私有部署。 技术优势/核心功能：基于“双模型驱动(Mano + Cito) + 多智能体协作框架(FA)”打造全链路商业智能解决方案，核心技术优势突出。 通过Human-in-the-loop人机协同机制实现低幻觉，推理过程全流程透明可追溯；Mano模型实现SOTA级GUI自动化操作，单步操作准确率达98.9%；Cito模型可在30万+行动空间中完成复杂决策推理
1.8K10编辑于 2026-03-05- 来自专栏AI SPPECH
18：HalluGuard LLM幻觉风险边界深度解析
4.1 性能对比 方案名称 理论深度 实用性 覆盖面 可扩展性 跨模型适用性 HalluGuard 高 高 高 高 高 传统幻觉检测 中 中 中 中 中 单一维度分析 低 低 低 低 低 经验性缓解策略 中 中 中 低 中 4.2 技术特点对比 技术特点 HalluGuard 传统幻觉检测 单一维度分析 经验性缓解策略 实现方式 理论框架 + 量化评估 规则/模型检测 单一维度分析 经验性调整 分析维度 （数据+推理） 单一维度（输出检测） 单一维度（特定因素） 多维度但无系统框架 风险评估 量化评估 定性评估 定性评估 定性评估 缓解策略 系统性策略 局部策略 无策略 经验性策略 可解释性 高 中 低 低 4.3 适用场景对比 应用场景 HalluGuard 传统幻觉检测 单一维度分析 经验性缓解策略 高风险领域（医疗/法律） ✅ 推荐 ⚠️ 部分适用 ❌ 不推荐 ⚠️ 部分适用 模型开发与优化 ✅ 透明化趋势：模型开发者将更加透明地披露模型的幻觉风险，帮助用户做出明智的决策。 人机协作增强：通过人机协作，结合人类的判断和机器的效率，减少幻觉的影响。
17110编辑于 2026-02-08 智能体开发平台核心能力评估指南：腾讯云如何定义行业新标杆？
开发效率：低代码革命的实践深度 配置可视化：画布式工作流编排（腾讯云支持节点回退、参数动态提取） 运营监控体系：调用统计、响应时长追踪（腾讯云提供TPM/QPM精细化运维工具） 知识更新效率：文档差异比对 安全合规：企业级应用的生死线 数据隐私保护：金融级加密、访问日志审计（腾讯云通过等保三级认证，支持私有化部署） 内容安全护栏：幻觉抑制、毒性内容过滤（DeepEval测试显示腾讯云幻觉率<0.3%） 零代码协作开发：复杂任务的敏捷落地 工作流编排：通过可视化画布设计多步骤流程，支持条件分支与异常重试（如客服工单自动流转） Agent转交机制：零代码配置专家系统协作，分担单Agent负载（某银行风控场景处理效率提升 全链路安全体系：企业数字化的防护盾 数据安全：支持私有化部署+国密算法加密，满足金融、政务场景合规要求 内容安全：基于检索上下文的事实核查，幻觉率控制在0.3%以下（DeepEval测试数据） 初创企业：优先考虑扣子、元智启AI等低代码平台，30分钟即可上线基础智能体 中大型企业：选择腾讯云ADP或Dify，兼顾开发效率与系统扩展性 金融/政务领域：必须关注私有化部署能力，腾讯云ADP
59711编辑于 2025-09-10- 来自专栏数据猿
圆桌论坛：AI大模型+Agent，产业数智化升级的“新基建”？
唯有解决幻觉问题，大模型才能实现规模化商用。那么，当前幻觉问题究竟解决到了何种程度？又该如何破解呢？ 而一旦进入临床诊疗环节，“机器决策”绝不被认可：哪怕大模型基于近3-10年数据训练，精准度达到95%以上，最终仍需临床医师团队审核校验。 其破解思路围绕“场景分层、标准约束、人工校验”展开。 帆软的实践也印证了这一点：2022年前采用LP（Learning Percentage）路线做智能问数，虽无幻觉却无创新；大模型时代虽有幻觉，但智能水平大幅提升。 当前企业内部按场景拆分了多个AI Agent（如订单Agent负责下单、销售Agent负责培训与线索挖掘），但各部门需求不同，多Agent并行反而增加了协作成本。 精准对接产业痛点，拒绝空泛需求，这种“从甲方实际痛点出发，反向定义乙方解决方案” 的对话模式，不仅为乙方厂商指明了产品研发的方向，更搭建了甲乙方协作的 “需求共识”，让大模型与AI Agent的技术创新真正贴合产业实际
27210编辑于 2025-10-21 腾讯电子签AI合同助理与乐享知识库：以AI重构企业合同“拟-审-签-管”与知识服务效能
直面企业合同管理与知识服务双重痛点 企业合同管理面临文案工作重（起草·修订·审查）、协作效率低（角色多·修订多·版本多）、合规管控难（规章制度多·易漏难控）、数据难同步（检索·履约·统计）四大瓶颈（来源 AI智审：精准识别风险条款，千企千面自定义筛查点，外接法规数据，混合云私有化部署，大小模型协作保障准确性（来源：金元浩分享“AI智审之审查”）。 模型幻觉优化：抑制知识混淆（同实体多版本/相似内容）、过时信息问题，自建数据集指标显示幻觉率从9.03%~13.32%降至3.02%~5.24%，拒答率从13.33%~20%提升至85%，解决70%客户反馈幻觉 badcase（来源：杨锡坤分享“乐享知识库AI新功能——模型幻觉优化”）。 模型幻觉优化效果（来源：乐享知识库“模型幻觉优化”自建数据集指标）：幻觉率降至3.02%~5.24%，拒答率提升至85%，解决70%客户反馈幻觉badcase。
14010编辑于 2026-04-221 分钟整合全球 4000 万权威文献，豆蔻医生超级助理破解妇产科医生 “不敢用AI” 痛点
医疗决策事关患者生命安全，对信息的准确性与可靠性要求极高，任何AI“幻觉”都是不可接受的风险。豆蔻医生超级助理通过底层技术创新，成功将模型的幻觉率降至极低水平。 临床验证：三大高难度场景落地专科价值产前诊断：破解多学科协作与伦理决策困境胎儿医学因涉及多学科协作、伦理风险评估等特点，被公认为循证难度最高的专科领域，该领域四大核心痛点：缺乏临床规范和循证医学证据:作为新兴交叉学科 普通妇科：推动指南落地与年轻医生培养双重价值“指南知晓率高但执行率低”是普通妇科临床医生的普遍现象，尤其在地市级医院，个体差异导致标准方案需灵活调整，但传统文献检索效率低下制约了指南落地。 生态落地：合规适配与纵深布局并行豆蔻医生超级助理已适配多场景个体化需求，尤其在多学科协作（MDT）、前沿疗法筛选、罕见病诊疗等难点领域，提供整合式证据支持。 “过去五年是算法军备竞赛，比拼准确率与响应速度，但临床真正需要的是‘可解释、可验证、可信赖’的工具，目前豆蔻临床决策助理已经实现了非常低的幻觉率，我们也正朝着零幻觉的目标在努力！”
37710编辑于 2025-11-28
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号