- 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 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- 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 2025-07-21- 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 2026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 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- 来自专栏华章科技
vivo真实案例：中台到底解决了什么问题？
问题的核心聚焦于复用性差、效率低、数据安全难以把控，导致项目开发和活动运营困难重重。 1. 效率低 效率低的主要原因集中在开发模式的灵活性不高，当线下运营策略发生变更时，调整应用至用户侧的时间跨度过长，直接导致线上营销效果不佳。 活动中台可以帮助企业解决营销难题，它促进了组织协作升级，打破了团队壁垒，避免了业务数据形成孤岛，提升了基础架构的复用能力，有助于公司业务实现突破性增长。 另一方面的挑战来自组织协作，中台产品经理必须有很强的沟通协调能力，能识别不同业务方的共性需求，抽象出统一的产品方案。活动中台的功能架构如图3-2所示。 ▲图3-2 功能架构图 中台在面对营销活动中不同业务的需求时，需要实现复用、提效、赋能这三个目标。通过对目标的不断拆解和演进，结合产品和技术的持续创新，我们最终构建出图3-2中的系统功能架构。
85320编辑于 2022-03-11 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- 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 2026 企业级 AI 技术栈全景：6 款企业智能体架构解析
因此，构建 2026 年的企业大脑，需要一套组合拳：用垂直智能体穿透业务深水区，用通用智能体铺设协作基础设施。 技术架构：DeepMiner-FA 三层架构解析DeepMiner 的核心壁垒在于其 DeepMiner-FA（Foundation Agent） 多智能体协作框架。 核心技术优势：钉钉 AI 的核心在于“通义千问”大模型与低代码（Yi Da）平台的深度融合。它不只生成文本，更能直接生成“业务流”。用户可以通过对话直接创建审批流、考勤规则或 CRM 报表。 DeepMiner 侧重垂直深度决策，其他产品侧重通用办公协作。 逻辑推理审批流程、即时通讯、考勤人事核心技术壁垒Mano (98.9% UI操作准确率)Cito (30万行动空间导航)Microsoft Graph API (数据关联)o-series 推理模型 (强逻辑)低代码集成
83510编辑于 2026-01-19AI Agent 普及下的职场协作重构与职业进阶路径
一、从“操作工具”到“协作共事”：职场生产逻辑的底层变化当AIAgent逐步渗透职场，若仍将其定位为智能搜索或内容生成工具，将忽略其带来的职场生产协作逻辑的底层重构。 二、AIAgent的职场定位：具备通用执行能力的“硅基同事”当前阶段的AIAgent，可类比为一批具备通用知识库、能7×24小时持续执行任务，但缺乏跨上下文的隐性理解能力、输出质量波动大、易出现信息“幻觉 四、与AIAgent协作的核心工程化能力1.需求的工程化拆解能力与AIAgent协作无法依赖人类同事间的“默契”，必须将模糊需求拆解为逻辑严密、可执行的结构化指令：明确任务背景、边界范围、约束条件（如合规要求 这一能力本质是软件工程中“需求分析”的延伸，是与硅基同事协作的基础。2.专业域的结果校验与纠错能力AIAgent的内容生成效率远超人类，但输出质量存在显著波动，且易出现信息“幻觉”。 五、职业进阶的清晰路径：从单点自动化到集群治理1.第一阶段：单点自动化落地，构建个人效率外挂从日常工作中识别高重复、低决策的事务（如发票信息录入、行业新闻摘要、会议纪要整理），用单个AIAgent接管这类工作
23710编辑于 2026-01-31揭秘RAG检索增强生成：如何让大模型突破“幻觉”困境并实现精准回答？
2.2幻觉的四种致命类型经过分类研究，我们将幻觉分为四类，其危害程度逐级递增：类型特征案例危害等级检测难度事实错误基本信息错误"iPhone15发布于2022年"⚠️⚠️低逻辑矛盾内部不一致先说"政策已废止 65.8%70.5%95.8%知识更新延迟永久滞后永久滞后数周实时开发成本低低高中维护复杂度低低高中高处理未知问题胡编乱造胡编乱造部分改进明确拒绝表1：四种方案在企业级应用中的性能对比（基于500个测试问题 self.validator=validatordefgenerate_answer(self,query:str,max_retries:int=2)->Dict:"""生成最终回答-实现重试机制应对低置信度 5.2持续优化的VibeCoding实践根据8.3的VibeCoding法则，我们在RAG开发中建立了高效协作流程：结构化输入：每次迭代前编写feature-spec.md，明确定义：展开代码语言：MarkdownAI 人机协作是关键：在金融、医疗等高风险领域，RAG应作为辅助工具，最终决策需人类审核。最令我震撼的发现是：当用户提供模糊问题时，RAG系统主动追问澄清的机制，比强行生成答案更能减少幻觉。
69310编辑于 2026-01-22- 来自专栏机器学习与统计学
vLLM 重磅项目
vLLM Semantic Router 大家好，我是 Ai 学习的老章 vLLM 团队刚刚发布了一个重磅项目 —— vLLM Semantic Router v0.1 Iris，这是一个面向多模型协作 核心目标与特点： 捕获缺失信号：从请求、响应和上下文中提取有价值的信息 智能决策组合：通过信号组合做出更好的路由决策 多模型高效协作：让不同模型各司其职，发挥所长 多层安全防护：防越狱、防 PII 泄露 HaluGate 幻觉检测 这个功能我觉得非常实用。 现在大家都在玩多模型协作，但到底用哪个模型处理哪类请求？之前基本靠人肉配规则，或者干脆「大力出奇迹」全用最贵的模型。 vLLM Semantic Router 给出了一个系统性的解决方案： 优点： 架构设计清晰，信号-决策分离，扩展性好 不依赖 GPU，部署门槛低 和 vLLM 生态深度整合 安全能力全面（越狱、PII
46710编辑于 2026-01-13 AI Agent 赛道：工程视角下的职业路径与长期价值
AI Agent 架构师：多智能体系统的工程化搭建者聚焦多智能体协作系统（MAS）的规模化落地，核心工程任务包括：制定智能体间通信协议的标准化方案，解决 A2A（Agent - to - Agent）协作中的消息一致性 能力要求上，需掌握 MCP（模型上下文协议）等行业标准，具备系统级的可扩展性设计能力，能从全局视角搭建支撑百万级调用规模的协作框架。2. Agent 调教专家：技术与业务的工程化融合者专注于 AI Agent 在垂直行业场景的落地适配，核心工作围绕 “技术能力的业务转化” 展开：通过 RAG 技术优化行业知识库的检索精度与更新机制，解决大模型幻觉与行业知识时效性的矛盾 年）：建立 AI 原生工程思维跳出传统代码编写的线性逻辑，转向 “意图驱动” 的工程设计：理解大模型的推理机制与上下文窗口限制，掌握复杂工作流的编排方法（如基于 LangChain、Flowise 的低代码工具 ）；能借助低代码平台快速搭建 Agent Demo，验证业务场景的可行性，并完成基础的性能测试（Token 消耗、推理延迟）；学习大模型成本核算方法，建立技术方案的 ROI 意识。
39310编辑于 2026-01-30
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