- 综合排序
- 最热优先
- 最新优先
- 来自专栏智能化转型黑科技分享
浅谈全自动扦样机存在的数据型“漏洞”是否有解，如何解？
第三代则升级成为使用机电一体化技术，将车型，扦样选点进行数字化设定，依据车型数据自动完成扦样，多为2-8扦杆，效率显著提升。 由此可见，传统全自动扦样机提前将数据作为识别车型信息的方式，在实际应用中仍无法避免人为干预，达不到使扦样快速且客观的实质目标。 笔者搜索资料发现，市场上横空出世的“桁架智能扦样机器人”正是第四代扦样设备的代表，采用雷达方式识别进入区域内车辆，感知车速、停车位置，快速建立车辆3D坐标，依据判断的车型智能布点，随机采样，覆盖所有车型 ，更是目前行业内唯一对稻壳实现全自动扦样的产品。 感兴趣、深受传统全自动扦样机弊端困扰的企业不妨针对性搜索，去进一步了解。
56220编辑于 2022-11-17 - 来自专栏粮食检验
科技实弹丨酿酒企业原料收购如何实现“靶向”智能化升级
“靶向”智能化升级。 科技实弹1 桁架智能扦样机器人多谷物智能化采样系统，攻克传统需由人员操作的机电式机构的技术难题，彻底解决利用车型规律、扦样死角作弊的顽疾。 采用进口激光雷达，识别能力覆盖所有车型；多种编码器、传感器、伺服动力，精准高速适应各种控制指令，运行定位精度20mm、8点扦样＜2分钟；特制钎头，多重感应保护，不堵粮、不伤车，具备反吹、自清洁功能，精准扦取车箱底部与四角 ，均匀采样、不混样；扦样种类覆盖所有谷物，目前行业内唯一对稻壳实现全自动扦样的产品。 图片科技实弹2 多谷物自动在线检验采用一体化设计，全流程谷物种类智能判断，以自动化机械与多维度控制系统，按执行标准与扦样环节形成联动的数字化流程，参照国标以机器建立统一的检测标准，实现多谷物杂质、容重、
44480编辑于 2022-11-09 - 来自专栏啄木鸟软件测试
Wings-让单元测试智能全自动生成
星云测试日前全球首发的Wings产品，是一个智能的、全自动的单元测试用例生成系统，研究并解决了如下难点，现分享给大家。 测试驱动自动生成程序基于PSD描述，全自动构建驱动被测程序运行的所有参数，必须的全局变量，并可根据复杂变量的层级结构产生结构化的测试驱动程序，可以节省大量的单元测试用例的编写时间。 数组类型，例如int array[2][3],数组名称为array，类型为int以及二维数组的长度，行为2，列为3。 结构体类型，针对结构体为数组，结构体链表等，进行不同的标记划分。 mm_struct[2][3]); 以上程序中，void StructTypeTest3(myy_struct mm_struct[2])保存的PSD结构如下： <StructTypeTest3 处理器 Inter(R) Core(TM) i7-7700cpu 3.60GHz 内存 8.00GB 系统类型 64位 以下是使用源码统计工具得到的结果，多达400多万行有效的单元测试代码是由Wings全自动生成的
2.5K40发布于 2019-12-11 AI智能体搞定Linux全自动巡检
2. AI 智能体赋能，升级全自动智能运维 在 Python 自动化采集数据的基础上，接入 AI 智能体，直接把基础巡检升级为全流程智能运维，全程零人工干预。 1）、批量一键对接：自动连通所有 Linux 服务器，无需手动输入账号密码登录终端 2）、全维度智能巡检：覆盖硬件资源、系统进程、运行日志、安全配置十余项巡检内容 3）、AI 智能数据分析：自动对比历史运行数据 示例代码如下： # AI 智能体 - Linux 全自动智能巡检脚本 # 实现：批量对接服务器 + 全维度巡检 + AI 异常分析 + 自动报告 + 实时告警 import paramiko import 传统运维 VS AI 智能自动化运维 对比维度 传统人工巡检 Python+AI 智能体运维 巡检频次 每日 1-2 次，容易出现漏检 7×24 小时不间断巡检，无巡检盲区 巡检耗时 批量巡检 3-4 落地Python 自动化巡检 + AI 智能体运维方案之后，整体运维状态焕然一新： 1、系统每日自动完成两次全量服务器巡检，五百台设备二十分钟即可完成全部检测，巡检报表自动生成； 2、八成以上日常轻微故障实现自动修复
19610编辑于 2026-06-22- 来自专栏小尘哥的专栏
小程序（2）- 基础样例
": "#e04443",//默认tab背景 "borderStyle": "white", "position": "bottom" //位置，支持bottom|top } } 2
83230发布于 2018-08-15 - 来自专栏工业科技1
人工智能与智能制造一样吗？
人工智能一直以来是大热，智能制造又是新兴的关键词，说到智能制造就能想到人工智能，那么两者到底是一样的吗？ 说到人工智能，我们并不陌生，机器人和阿尔法狗都深入人心，大多数人的理解是有着人的思维，像人一样去完成各种操作，然而真正的人工智能不止如此，它的应用领域十分广泛，小到一台手机，大到一个工厂的重型设备这些都是人工智能的产物 人工智能的发展可以分为两个时期，第一代人工智能主要以符号智能为主，也就是靠逻辑推理来做出简单的判断，并不是非常智能化，第二代主要以机器计算为主，靠着机器像人一样收集数据不断学习，积累经验，再次遇到时运营积累的经验解决并积累新的经验 目前，“互联网＋”和“人工智能＋”已成为制造业转型升级的主攻方向，智能制造是设备等一系列对象在互联网、大数据、人工智能等技术的支持下，满足人类的需求而产生的。 所以人工智能和智能制造并不能混为一体，智能制造算是人工智能和众多技术融合发展的结果！ 忽米网——让工业更有智慧
1.2K50发布于 2021-08-31 智能体驱动 CICD：从构建到部署全自动化
智能体介入:让 CI/CD 从“照章办事”进化为“理解意图” 智能体(Agent)技术的成熟,为破局提供了新思路。与传统自动化脚本的本质区别在于,智能体具备感知-推理-行动的闭环能力。 人负责“未知的简单”:当出现系统从未遇到过的异常,或需要业务判断(比如“这个性能下降是否可接受”)时,智能体会清晰呈现信息并请求人工决策。人做出决定后,智能体会记录这次决策作为未来的参考。 每周与团队回顾智能体的表现:哪些决策是准确的?哪些误判了?哪些场景还没覆盖?将这些反馈转化为知识库的更新或规则的调整。三个月后,你会发现系统的“智能”程度有质的飞跃。 行动建议: 本周梳理团队最近 10 次发布中的人工介入记录,找出重复出现的场景,评估哪些可以由智能体接管。 搭建一个最小可行的智能体原型,聚焦单一场景(如构建日志分析),两周内上线验证。 建立“智能体决策日志”机制,确保每次自动化决策都可追溯、可解释。 每月组织一次“智能体复盘会”,将其表现纳入团队效能度量体系。
48510编辑于 2026-03-04- 来自专栏云开发
腾讯刘颖：低代码让业务开发像“全自动驾驶”一样简单
腾讯云副总裁 刘颖 腾讯云原生发展之路：从“新能源汽车”到“全自动驾驶” “腾讯云原生的发展可划分为三个阶段，其过程能够与从新能源汽车到辅助驾驶再到全自动驾驶的优化过程相类比。” 自进入云原生3.0阶段以来，腾讯云以低代码平台——微搭低代码作为 C2B 连接器，链接腾讯生态，由腾讯云底层提供技术基础设施，做好资源和安全保障，连接微信和企微生态，帮助企业做好营销和私域流量用户沉淀， 基于云原生操作系统遨弛，腾讯云面向政务、文旅、教育、金融、智能、智慧零售、智慧出行、游戏等落地场景，利用分布式网络，以中心、本地、边缘、设备等机房/云为端口，打造边缘节点EZ、专用集群CDC、专属可用区
74840发布于 2021-11-23 - 来自专栏开源部署
Oracle 11gR2 RAC 11.2.0.4 全自动打11.2.0.4.20170418 psu 步骤
/soft/p6880880_112000_Linux-x86-64.zip -d $ORACLE_HOME chown -R oracle:oinstall $ORACLE_HOME/OPatch 2.
85520编辑于 2022-08-16 - 来自专栏3D可视化
智慧粮仓可视化价值
86c7cb2ec283a7c98ccfed48e45a8373.jpg 不得不说中国已经进入科技强国，而优锘科技粮仓3D可视化系统以3D可视化技术为基础，通过CampusBuilder构建粮库的园区 集成系统： 1、视频监控系统 2、智能熏蒸系统 3、智能气调系统 4、人员定位系统 5、自动虫害监测系统 6、低温储量控制系统 d5f51ff5f69094635b1f6320a67c34ae.png 监控情况; 粮食出入库仿真：CamBuilder可对粮食管理台账系统，自动仿真粮仓粮食出入库情况，实时掌握粮仓运营状态; 日常监控可视化：CamBuilder可对接所有粮食库房温湿度传感器、日常扦样监控数据 集成系统： 1、视频监控系统 2、智能熏蒸系统 3、智能气调系统 4、人员定位系统 5、自动虫害监测系统 6、低温储量控制系统 收益价值 CamBuilder将为数字粮仓3D可视化系统提供从库区搭建到粮仓应用的全方位 监控情况; 粮食出入库仿真：CamBuilder可对粮食管理台账系统，自动仿真粮仓粮食出入库情况，实时掌握粮仓运营状态; 日常监控可视化：CamBuilder可对接所有粮食库房温湿度传感器、日常扦样监控数据
1.6K11发布于 2019-10-16 - 来自专栏BI工具
什么样的企业需要商业智能BI？
在这种时代背景下，商业智能BI脱颖而出。 然而，在企业需不需要商业智能BI这个问题上，不同的的企业有不同的看法。有的认为BI只有大企业才需要的，我们公司规模小用不到。 总的来说，商业智能BI包括3个主要部分：完整收集数据，合理整理展现数据，以方便快捷的形式把数据送到需要的人手里。 中小企业真的也需要商业智能吗？ 需要，而且，比大企业更加需要。 我们才更需要关注每一个客户的业绩；正是因为小，我们才更需要关注成本与利润的变化；正是因为小，我们才更需要关注采购的价格；正是因为小，我们才更需要关注库存不要有积压…… 当然，并不是说所有企业都需要商业智能 市场上已经有很多参差不齐的商业智能BI产品，做的比较优秀的有亿信ABI，ABI融合了数据填报、ETL数据处理、数据建模、数据分析、数据可视化、移动应用等核心功能。 如今，商业智能BI已经成为国内中小企业市场发展中必不可少的部分，对于当今企业来说，落后一步就可能被市场淘汰，而充分利用BI，挖掘数据的价值，为企业决策提供依据和参考，未来必然会有更大的发展空间。
1.1K30发布于 2020-08-14 - 来自专栏大数据文摘
我们需要什么样的智能助理？
作者 | 袁峻峰 大数据文摘欢迎各类优质稿件 请联系tougao@bigdatadigest.cn 需要什么样的智能助理，是《棋魂》中的佐为还是蜡笔小新？ 理想中的智能助理 ▼ “人工智能助理：这里指的是Intelligent personal assistant/agent (IPA) ，指帮助个人完成多项任务或多项服务的虚拟助理”[2],如何帮助？ 再结合智能助理的定位，我们可以设想智能助理需要实现如下功能： 前提：客户信息收集以及相关领域信息收集 “具备基于上下文的对话能力，具备理解口语中的逻辑”[2]. 提供决策相关信息以及可选方案集。 2）抵押房子给最优贷款条件的银行，贷款利率5.4%，拿到159万元买大理房。每年需支出利息8.58万元，房屋租金9.6万元。 如何抉择并不是智能助理的职责。 就和知道特定领域收集什么信息一样困难。目前这方面多是基于专家经验的模板实现。 决策后相关信息跟踪，获得新数据，是持续优化决策的过程 持续跟踪相关信息，再有新的重要信息告知用户。
87120发布于 2018-05-22 - 来自专栏秋风的笔记
前端智能化D2C到底怎么样了，带你一睹为快
随后，基于 pix2code 开发的 Screenshot2Code[2] 项目速度进入到 Github 排行榜第一，该工具能够将 UI 截图转成 HTML 代码，该项目作者号称 3 年后人工智能会彻底改变前端开发 工作流： 效果实现： 一直到2019年， D2 前端论坛（Designer & Developer Frontend Technology Forum, 简称D2）发布了 imgcook ，前端智能化这个词正式确立了 相比第一点来说，稍微还好一些，至少不是去收拾一个半成品，只是去改别人写好的项目中bug一样，至少还是能用的。 连 list 都没有识别好，那就没有第五步了，总结起来这样的代码，仿佛就是同事甩的锅一样，难以维护，有这时间看代码和修复代码，自己已经写好一个完美版本了。 其实这部分还是和 58 Picasso 一样的问题的。累赘的类名，定宽定高，并且同类型没有合并（暂时没有找到如何合并），还有些是通过 absolute 来布局的。 4.
2.3K30发布于 2021-08-27 - 来自专栏达摩兵的技术空间
你该为老板选择什么样的人(2)
面试官需要了解的： 1 应聘者的主要教育、工作经历，职业诉求，所擅长的技术点，加分项是什么，兴趣爱好等软技能是否有加分 2 自己对每个技术点的考核方式，考核的重点是否需要调整 ；面试时比较需要提问的发散问题 我们已经是职场人士了，不是大学时要考理论，要考出多少分，更多的还是要看应聘者能解决什么样的问题，解决问题的思路，技术的深度和广度。 2 面试岗位的工作内容，岗位需要技能，加分项，重点准备对应的内容，如果自己不能完好的匹配，去定位自己身上比较加分的特点。 2、只关注技术问题，而忽略项目问题 切实工作过几年的人都很清楚，不是每个项目都能有技术的拔高或者问题的解决，很多项目是在积累自己对产品的理解，产品逻辑能力的设置，一些细节技术或者bug的解决，也有很多属于会是偏沟通 友情链接 你该为老板选择什么样的人(1) 你该为老板选择什么样的人(2)
51430发布于 2018-08-28 - 来自专栏DeepHub IMBA
AI智能体落地：Agent-Assist vs 全自动化完整决策指南
而我们现在面临一个实际问题：到底是上全自主的AI智能体，还是让人类继续参与决策？ 所以问题就来了这些智能体该完全自主运行，还是应该保持人类在关键决策环节？ 两种方案的实际对比 场景：客户退款请求 方案1：完全自动化 方案2：Agent-Assist (Human-in-the-Loop) 对比结果： 自主版本处理快，但错失了维护VIP客户的战略机会。 什么时候考虑完全自动化？ 建议：就算完全自动化看起来没问题，也最好先从Agent-Assist开始，收集训练数据并建立信心。 总结 LLM和Agentic AI能力在爆炸式增长，完全自动化的诱惑确实很大。
46110编辑于 2025-11-15 - 来自专栏about云
spark2 sql编程样例：sql操作
2.操作DataFrame row需要导入什么包？ 前两篇文章 spark2 sql读取数据源编程学习样例1：程序入口、功能等知识详解 http://www.aboutyun.com/forum.php? mod=viewthread&tid=23484 spark2 sql读取数据源编程学习样例2：函数实现详解 http://www.aboutyun.com/forum.php? ，不在重复，想了解可查看 spark2 sql读取数据源编程学习样例1：程序入口、功能等知识详解 http://www.aboutyun.com/forum.php? val primitiveDS = Seq(1, 2, 3).toDS() primitiveDS.map(_ + 1).collect() // Returns: Array(2, 3, 4)
3.9K50发布于 2018-03-26 - 来自专栏镁客网
未来的中国智能制造，会是什么样？
在“中国制造2025”规划纲要颁发之后，中国制造业在信息化、数字化、智能化的道路上也摸索前行了5年，但大部分制造企业的智能化仅仅停留在使用简单信息化软件、收集数据、搭建一条自动化流水线等措施，离真正的智能化还存在很大距离 我们回到智能制造本身，这是一个基于物联网、大数据、云计算等数字化技术与先进制造技术的深度融合的名词，西门子机器人仿真技术专家黄恺在演讲中提出：“智能制造单有硬件上的投入是远远不够的，还需要软件层面的支持 因此，想要真正享受“智能制造”带来的红利，技术和管理上的软件系统建设不可缺失。 软件层面上的忽视，加上硬件层次的缺失，让中国智能制造面临着瓶颈和制约。 在这样一个客观的要求下，智能工厂的改造，推广智能制造关键的产品，已经成为各家制造企业必须面临的问题。
81740发布于 2021-05-07 - 来自专栏muller的测试分享
人工智能大模型——零样本提示
零样本提示是与少样本提示相对应的一种提示词编写方式，其含义是指在编写提示词过程中，并未给 LLM 提供任何的相关示例。 零样本提示是新手使用 ChatGPT 最常规的提示方式，也是最好掌握的一种提示方式，同时也是其他所有高级提示技术的基础。 那么零样本提示的应用场景主要为哪些：目标明确，比如请帮我针对以下这句话进行翻译。问题简单，比如1+1=?。不需要场景示例，答案是一个固定答案，比如清朝统治时间为多久？ 以上这种类型的场景，更适用于简单且易理解的零样本提示。实战案例界面化操作进入 ChatGPT 界面，进行零样本提示词实战。 总结理解什么是零样本提示。理解零样本提示的应用场景。理解零样本提示的提示词技巧。理解零样本提示的局限性。
27310编辑于 2024-06-17 - 来自专栏CVer
ICML 2026 | Holi-Spatial：为3D空间智能构建全自动数据飞轮
论文提出一个全自动空间数据构建框架 Holi-Spatial，能够从原始视频流出发，自动完成高质量 3D 几何重建、开放词表语义感知、3D 实例提升与场景级精修，并进一步构建出 Holi-Spatial 更关键的是，它不是只做一个单点任务，而是形成了一个自动化数据飞轮，团队基于如今各种基座模型的能力增强尝试使用全自动流程：视频进入，3D 场景和空间语义标注出来；数据规模继续扩大，模型的 3D 空间理解能力也随之提升 为什么空间智能缺数据？ 空间智能不是简单的「图片里有什么」。 它要求模型理解真实世界中的三维结构和关系，例如： 相机从视角 A 到视角 B 主要向哪个方向移动？ 表格对应论文 Table 2，对比深度 F1、2D 分割 IoU 和 3D 检测 AP25/AP50。 Holi-Spatial 构建的 10 类空间 QA 样例，覆盖相机运动、相机 - 物体关系、物体 - 物体关系和尺寸测量等任务。
10010编辑于 2026-06-24 新闻媒体智能生产中台：拆条、摘要、字幕、片头片尾识别全自动
二、新闻智能生产中台工作流 工作流总览 新闻原始素材（直播/直采/外购） │ ├─ ① ASR 识别（同期声/解说转写） ├─ ② 智能拆条（按选题/事件切片） ├─ ③ 大模型视频摘要 Step 2｜智能拆条：把直播流和长素材切开 智能拆条提供两档： 基础版 0.04 元/分钟，按场景边界切片； 高级版 0.28 元/分钟，按语义/事件边界切片，更贴合新闻的"选题颗粒度"。 Step 6｜字幕压制 + 智能横转竖：多平台多版本 字幕压制 0.063 元/分钟，智能横转竖 0.28 元/分钟。 智能审核 0.08 元/分钟，对全量素材做兜底审核。14400 × 0.08 = 1152 元/天。 把 ASR + 字幕压制 + 智能审核串成一条线，所有节目播出前自动跑一遍，把字幕错误率和违规风险降到底。 2.
21110编辑于 2026-06-01
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