- 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。
92380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。
44610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
72230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。
18510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？
25910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？
69110编辑于 2026-02-05- 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
25910编辑于 2025-11-16 - 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 - 来自专栏啄木鸟软件测试
RAG系统测试团队如何成功转型？
但一个严峻现实正浮出水面：某头部银行上线的RAG客服系统在灰度阶段遭遇37%的‘幻觉响应率’（即答案看似合理却与检索源矛盾），而其测试团队仍沿用传统API+UI自动化脚本覆盖逻辑，漏测率达68%。 其质量风险分布远超传统软件： - 检索层失效：向量数据库召回不相关文档（如语义漂移、分块粒度失当）、元数据过滤逻辑错误、多跳检索链断裂； - 生成层失准：LLM对检索结果过度脑补、忽略否定约束、混淆多源冲突信息； - 端到端幻觉 啄木鸟团队为某省级政务平台构建的RAG测试认证体系中，新增‘幻觉敏感度’必考项：要求测试员人工标注100个高风险query（含歧义、否定、多条件嵌套），并基于LLM输出反向推导应召回的黄金文档片段——这倒逼团队深度理解业务知识图谱与向量空间映射关系 6个月，分三阶段： - 第1-2月：停掉30%低价值UI自动化用例，全员完成LangChain+LlamaIndex实战训练营，产出首份《RAG故障模式库》（含27类典型缺陷模式及复现步骤）； - 第3- 结语：测试的终极价值不是‘发现多少Bug’，而是‘守护多少信任’ RAG不是另一个待测系统，它是人机协作的新契约界面。当用户向AI提问时，他交付的不仅是query，更是对专业性的托付。
25810编辑于 2026-03-09 - 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。
17210编辑于 2026-02-08 - 来自专栏拾光学迹
CrewAI多智能体协作系统开发踩坑全解析
本文将分享我基于CrewAI框架构建多智能体协作系统的实战经验，这一方法将原本需要3-4小时的专业文件处理工作缩短至仅需20秒！" 1. 工具输入参数复杂性问题工具输入参数不宜过多或设置可选项，避免LLM混淆实体，甚至产生幻觉编造虚拟名称或地址。 6. 工具自身的error报错Agent无法跳出、Agent重试call tool次数太多出现幻觉的问题。 就像人类社会依靠分工协作解决复杂问题一样，AI的未来也将是协作的未来。" 开发心得：CrewAI不仅是一个框架，更是一种思维方式。 A: 一般项目周期约3-4周。其中Agent设计占20%，工具开发占50%，集成测试占30%。原有功能代码越规范，改造速度越快。 6. Q: Agent架构与传统模块化编程的主要区别是什么？
1.7K21编辑于 2025-04-04 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
1.9K10编辑于 2026-03-05- 来自专栏架构精进之路
AI为啥总“一本正经胡说八道”？OpenAI发长篇论文解释了
表1 提供了一些更复杂的幻觉示例：GPT-4o/DeepSeek/Llama 一、预训练阶段就埋下幻觉种子 Figure 2：GPT-4预训练模型（左）原本校准良好；RLHF后（右）明显过自信 1. MMLU-Pro 多选准确率 ✅扣到0分 GPQA 多选准确率 ✅扣到0分 SWE-bench 单测通过/不通过 ✅扣到0分 WildBench 10分制人工rubric ⚠️IDK只得3-4分，不如" 四、总结 OpenAI 表示：我们希望本文中的统计学视角能够阐明幻觉的本质，并纠正一些常见的误解： 误解1：通过提高准确性可以消除幻觉，因为一个 100%准确的模型永远不会产生幻觉。 误解2：幻觉是不可避免的。 发现：幻觉并非不可避免，因为语言模型在不确定时可以选择不作答。 误解3：避免幻觉需要一定程度的智能，而这种智能只有通过更大的模型才能实现。 误解4：幻觉是现代语言模型中一种神秘的缺陷。 发现：我们已经理解了幻觉产生的统计学机制，以及它们在评估中获得奖励的原因。 误解5：要衡量幻觉，我们只需要一个好的幻觉评估方法。
44120编辑于 2025-11-12 - 来自专栏DrugOne
元生十倍升级：工业级智能体驱动规模化原创生物学假说发现
新模式总体文献阅读总量提升10倍、文献幻觉率相较行业标杆方法减少约40%、平行调研能力提高逾10倍。 01 多智能体虚拟协作空间 元生v1.3模式创新性地构建了一个能够有序地组织和监督大规模智能体的虚拟协作空间。 文献引用幻觉率较行业标杆减少40% 幻觉问题——尤其是文献引用幻觉——是科学研究智能体系统面对的最大挑战之一。 这一架构使元生初步具备虚拟科研团队的协作能力，为生成更可靠、更系统的科学假说奠定基础。 高质量科学假说产出 元生v1.3在多角度评估中都表现优越。 如图3-4所示，在文献引用方面，元生v1.3标准模式的引用正确率显著超越现有方法，在调研过程中的总阅读量上，元生相比提供数据的其他候选系统高出一个数量级。
13410编辑于 2026-01-13 - 来自专栏腾讯云智能顾问
周五下午，那个改了 5 版的 Excel 还没发出去~
竞价实例的 IP 可能刚被回收、AS 又自动扩了一台、TDSQL-C 的 CCU 在低负载时暂停了……资源变化的频率，远超手动更新表格的速度。 ……如此反复 3-4 轮信息不对称导致沟通效率低下，从准备到正式护航往往需要一周以上的筹备期。而最致命的是——在这个过程中，资源状态可能又变了。 Excel/截图，反复 3-4 轮对齐（3-5天）架构图在线协作，云厂商直接标注风险护航发起邮件/工单提交，等待人工审批一句话发起，自动校验权限和资源护航监控自行盯控制台监控大盘每日自动推送巡检日报， 协作方式改变：从邮件反复沟通变为在线实时协作 ● 传统：邮件传文档，来回 3-4 轮对齐 ● CloudQ：架构图在线协作，云厂商直接标注风险，运维实时跟进SH-WEB 架构护航实践总结：三步法则以 SH-WEB 护航中：随时通过 CloudQ 获取巡检报告，了解风险项和容量水位；标准护航场景下还可在架构图上与云厂商在线协作 3.
7500编辑于 2026-04-09 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
60011编辑于 2025-09-10- 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 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； 在相对中间(5-6)的职级，要求独当一面解决问题的能力，并且对新人有引导； 在相对高(7-8)的职级中，要求项目和团队层面的主导能力，具备协作流程推进的主动性 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
37220编辑于 2023-02-13 数据工程实践：如何通过 NoETL 实现离线+实时指标平台一体化落地
“传统离线数仓：虽具备成熟生态与成本优势，但其核心瓶颈在于时效性低。纯实时计算：虽能实现秒级延迟，但在处理大规模数据时，面临状态管理成本高昂、消息中间件存储开销巨大等问题，导致总成本显著增加。 阶段二：价值验证与能力内化（第 3-4 个月）目标：快速完成灯塔项目上线，让业务方和团队亲眼看到“分钟级交付”等价值，并掌握新的协作模式（如某头部券商的“136”协作模式）。 自研通常只能实现基础的 NL2SQL，面临高幻觉风险。Aloudata CAN 基于其丰富的语义知识图谱（指标、维度、血缘），提供独有的 NL2MQL2SQL 架构。 AI 先理解意图并生成标准的指标查询语言（MQL），再由语义引擎转换为准确、安全且可加速的 SQL，从根本上根治幻觉，实现更精准的 AI 问数。 面向未来的 AI-Ready 底座：基于 NoETL 语义编织构建的统一指标层，是根治 AI 问数幻觉、提供高质量语义知识图谱的 AI-Ready 数据底座，具备长期战略价值。
15010编辑于 2026-02-04- 来自专栏猫头虎AI技术分享
大模型训练中的关键技术与挑战：数据采集、微调与资源优化
优点是无需训练、快速部署、成本低；缺点是受模型通用能力限制，复杂任务效果可能不理想。适合信息提取、文本总结、简单分类等任务。 优点是知识可更新、答案有依据、不易幻觉；缺点是需要构建向量数据库，检索质量影响最终效果。适合问答系统、知识助手、文档分析等任务。 （3-4句话）**注意事项：**1. 严格基于原文信息，不添加外部知识2. 包含具体数据（日期、概率、尺寸等）3. 语言简洁专业，避免主观评价4. （3-4句话）**注意事项：**1. 严格基于原文信息，不添加外部知识2. 包含具体数据（日期、概率、尺寸等）3. 语言简洁专业，避免主观评价4. （3-4句话）**注意事项：**1. 严格基于原文信息，不添加外部知识2. 包含具体数据（日期、概率、尺寸等）3. 语言简洁专业，避免主观评价4.
52821编辑于 2025-10-24
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