- 综合排序
- 最热优先
- 最新优先
- 来自专栏软件深度评测
如何在FlowUs、Notion笔记软件使用设计工具？设计协同+文档协同
以设计行业为例，由于设计对于协作存在天然的内在需求，目前在设计协同赛道已经出现了多款明星产品。国外设计协作平台，除了此次封禁大疆的Figma，还有Canva、Sketch、Visio。 目前，国内这些设计协作平台多数主要对标 Figma.国内设计协作平台包括墨刀、摹客、蓝湖、即时设计、Pixso.在设计行业之外，事实上与绝大多数普通人联系更为紧密的是各种文档类产品。 那么，设计协作和文档协作有无相互整合的可能性？ 为了更好地服务于设计师等群体，FlowUs 目前已经支持主流的各大设计协作平台的网页嵌入，包括Figma、Canva、Sketch、墨刀、摹客，以及专业流程图协作工具 ProcessOn、专业白板协作工具
96700编辑于 2022-06-25 组合生成流：3D 分子与合成路径的协同设计框架
该方法通过组合流和状态流两个交错过程，分别处理组合结构的概率路径和连续状态变量的传输，并将其应用于 3D 分子与合成路径协同设计，开发出 3DSynthFlow。 该论文为 3D 分子与合成路径的协同设计提供了有效的框架和方法。 在当代药物研发与计算化学领域，如何精准构建兼具高活性与可合成性的分子结构，始终是学界与产业界共同面临的核心挑战。 这一过程本质上是对“组合结构（合成步骤）”与“连续状态（3D构象）”的协同优化，但现有技术体系始终存在难以调和的矛盾。 创新性地将3D构象生成与合成路径设计深度融合，解决了药物设计中“活性与可合成性难以兼顾”的痛点；（3）应用层面，其高效的奖励引导采样机制大幅提升了药物筛选效率，为加速靶向药物研发提供了切实可行的技术方案 可以预见，这一研究将推动分子设计领域从“单一维度优化”向“多维度协同生成”的跨越式发展。 (●'◡'●) 需要进一步讨论的同学欢迎留言交流！
12810编辑于 2026-01-08ICLR | CGFlow：组合生成流用于3D分子生成与合成路径协同设计
应用：3DSynthFlow • 4.1 状态流模型架构 • 4.2 组合流模型架构 • 4.3 动作空间设计 5. 研究背景与动机 1.1 药物设计的双重挑战 基于结构的药物设计（Structure-Based Drug Design, SBDD）需要同时满足两个核心目标： • 结合亲和力：生成的分子须与靶蛋白口袋形成良好的空间互补和物理化学相互作用 当前GFlowNet-based合成分子设计方法均局限于2D分子图，无法感知蛋白质口袋的3D几何； 2. 缺乏对连续状态（原子坐标）的精细建模能力； 3. 0.50 3DSynthFlow 的氢键相互作用数比最优2D基线提升约56%，体现了3D协同设计在精细物理相互作用层面的优越性。 9.6 71.2 242.4 1,520.5 4,432.3 提升倍数 2.5× 3.3× 4.4× 3.8× 4.2× 3DSynthFlow 的采样效率优势随采样预算增加而稳定保持，表明3D协同设计显著提升了
10910编辑于 2026-03-30《Netcode框架灵活与性能协同设计指南》
这种协同并非简单的功能叠加，而是通过底层逻辑的“元构化设计”与“智配机制”，让拓扑抽象具备场景自适应能力，让序列化系统实现“动态兼容”与“静态提效”的双向支撑。 ，而是通过元构化设计让核心逻辑具备“以不变应万变”的适配能力。 这种设计让序列化系统能够轻松适配多元数据类型与动态变化的业务需求，无需为不同场景单独开发序列化逻辑，大幅提升了框架的复用性与适配效率，而元信息的轻量化设计（采用紧凑编码方式，元信息体积仅占数据总体积的5% 序列化系统的性能优化，核心在于“高频路径静态固化”与“序列化上下文复用池”的协同设计，在不牺牲灵活性的前提下，最大化数据解析与传输效率。 网络拓扑抽象与序列化系统的协同平衡，是Netcode框架突破性能与灵活边界的核心密钥，其本质在于建立“拓扑-序列化”双向联动适配机制，让二者根据场景需求、网络状态与业务变化动态调整策略，形成1+1>2的协同效应
11610编辑于 2026-02-04- 来自专栏XINDOO的专栏
Agent设计模式——第 13 章：人机协同
人机协同模式概述 人机协同（HITL）模式通过整合人工智能与人类输入来增强 Agent 能力。 生成 AI 完善：当 LLM 生成创意内容（如营销文案、设计理念）时，人类编辑或设计师审查和完善输出，确保其符合品牌指南、与目标受众产生共鸣并保持质量。 3. 如果问题持续存在，使用 create_ticket 记录问题。 对于超出基本故障排除的复杂问题： 1. 使用 escalate_to_human 转接给人类专家。 可视化摘要： 图 1：人机协同设计模式 关键要点 关键要点包括： 人机协同（HITL）将人类智能和判断整合到 AI 工作流中。 它在复杂或高风险场景中对安全性、道德和有效性至关重要。 随着 AI 能力不断进步，HITL 仍然是负责任的 AI 开发的基石，确保人类价值观和专业知识在智能系统设计中保持核心地位。
1K10编辑于 2025-10-27 生鲜超市源码系统设计+springboot3+vue3+JDK17（带用户协同过滤个性化推荐算法）
今天教大家如何设计一个 生鲜超市源码 , 基于目前最新的技术：前端vue3，后端springboot3+JDK17。学习完这个项目，你将来找工作开发实际项目都会又很大帮助。 系统含有现代化商城的设计思想，有着在线客服聊天系统， 基于用户的协同过滤推荐算法，保证库存不超卖的机制，还有运费管理， 订单管理，购物车等子模块系统的设计，基本上符合将来工作上的实际项目。 订单管理我们将订单的状态设计成以下几种：0-待付款 1-待发货 2-待收货 3-待评价 4-已完成 5-退款中 6-已退款 7-已取消。 订单状态扭转流程：1. if (lock.isHeldByCurrentThread()) { lock.unlock(); } } }用户协同过滤算法的设计协同过滤 协同过滤分为两大类：基于用户的协同过滤和基于物品的协同过滤。算法的步骤1. 获取所有用户行为数据，构建用户-物品评分矩阵。2.
43910编辑于 2025-06-11- 来自专栏学习之路
【#3】项目设计
我们不仅要实现其基本功能，还要再进一步，实现 分布式架构 的 rpc 分布式架构：简单理解就是由多个节点组成的一个系统，这些节点通常指的是服务器，将不同的业务或者同一个业务拆分分布在不同的节点上，通过 协同 3. Dispatcher 模块存在的意义：区分消息类型，根据不同的类型，调用不同的业务处理函数进行消息处理。 3. Dispatcher IO 数据分发处理，逻辑与服务端一致 4. 3. 业务层 业务层就是基于底层的通信框架，针对项目中具体的业务功能的实现了，比如Rpc请求的处理，发布订阅请求的处理以及服务注册与发现的处理等等。 整体框架设计
38100编辑于 2025-04-01 - 来自专栏人工智能与演化计算成长与进阶
16推荐系统3-4协同过滤算法
参考资料 斯坦福大学 2014 机器学习教程中文笔记 by 黄海广 16.3 协同过滤 Collaborative filtering 推荐系统有一个很有意思的特性就是 特征学习 ，即 自行学习所要使用的特征 Note 对于上述电影推荐系统的问题仅仅建立在每位用户都对数个电影进行了评价，并且每部电影都被数位用户评价过的情况下，这样才能重复这个迭代过程来估计出 和 协同过滤算法 指的是当你执行算法时，要观察大量的用户的实际行为来协同地得到更佳的每个人对电影的评分值 把这两个特点结合起来就能得到真正的协同过滤算法。 如果你有电影的特征，你就可以解出以下的最小化问题，找到用户参数 ? 协同过滤算法可以同时学习这两者。我们的优化目标便改为同时针对 x 和 θ 进行。 ? 协同过滤算法使用步骤： 初始 x(1),x(2),...,x(nm)，θ(1),θ(2),...
89811发布于 2020-08-14 - 来自专栏无原型不设计
产品，设计和开发，高效协同只差一份文档
高效的工作可以是通过并行工作缩短迭代周期，也可以是通过文档方式进行有效协同。但无论采取哪种方式，我们都面临一个现实而又复杂的问题—团队协作。 那么，如何建立起产品、设计和开发人员之间的高效团队协同呢？ 设计图与前端界面是否一致，这是前端工程师与UI设计师的协同工作中最关键的一环。有过经验的产品、设计师和开发人员都知道，设计图与前端界面实现不一致的问题时有发生。 可以说完美解决了产品、设计师和开发人员之间的沟通和团队协同问题。 ? 在产品开发过程中，团队中各参与人员的痛点各不相同。 iDoc对多种原型和文档的友好支持解决了产品经理之间，产品经理与设计师之间，以及与开发人员之间的协同沟通问题，一键发布在线预览，方便省事。 3. 对前端工程师—省心编程开发 轻松查看智能标注。 对整个团队—高效协同 告别混乱的文档和各种说明，从产品、设计到开发，一份文档就够 产品经理、设计师、前端开发协同工作 团队、项目均可分组管理，可设定不同身份和权限 ?
1.3K20发布于 2019-01-24 - 来自专栏无原型不设计
总有一款适合你的协同设计工具
协同设计是当下技术行业技术更新的一个重要方向，也是设计类工具软件发展的必然趋势。它，不单是一个设计类的专业术语，更是一种商业化的服务模式。 利用这个设计平台，设计师们可以协同完成多页面的原型设计，也可以更便捷地与他人讨论。 摹客 协同设计平台在国内的发展相对较慢，但摹客设计系统的公布，让我看到了协同设计平台的雏形。 05.png 3、直观展现产品逻辑 画好原型图后，点击页面流程图，直接展现需求和产品逻辑，原型修改后，页面流程图会保持实时同步更，方便团队和程序员查看。 本文推荐的4款协同设计工具，其中3款协同设计平台是国外优秀的设计工具，功能比较强大，但费用较高，使用起来也有语言障碍。国内设计类的专业软件发展相对落后，但也终于有一款像样的可以推荐给大家。
1.6K40发布于 2018-08-06 - 来自专栏无原型不设计
总有一款适合你的协同设计工具
协同设计是当下技术行业技术更新的一个重要方向，也是设计类工具软件发展的必然趋势。它，不单是一个设计类的专业术语，更是一种商业化的服务模式。 利用这个设计平台，设计师们可以协同完成多页面的原型设计，也可以更便捷地与他人讨论。 摹客 协同设计平台在国内的发展相对较慢，但摹客设计系统的公布，让我看到了协同设计平台的雏形。 3、直观展现产品逻辑 画好原型图后，点击页面流程图，直接展现需求和产品逻辑，原型修改后，页面流程图会保持实时同步更，方便团队和程序员查看。 本文推荐的4款协同设计工具，其中3款协同设计平台是国外优秀的设计工具，功能比较强大，但费用较高，使用起来也有语言障碍。国内设计类的专业软件发展相对落后，但也终于有一款像样的可以推荐给大家。
87620发布于 2019-01-24 - 来自专栏全栈程序员必看
基于协同过滤的电影推荐系统的设计与实现(协同过滤推荐算法伪代码)
• 基于协同过滤的推荐引擎：它将推荐给用户一些与该用户品味相似的其他用户喜欢的内容。 similarity, model);//计算用户的“邻居”，这里将与该用户最近距离为 3 的用户设置为该用户的“邻居”。 假设系统对于物品 A，物品 B 和物品 C 的平均评分分别是 3，4 和 4。 下图为用户初始登录界面，可供选择的推荐引擎有基于用户、基于物品和基于Slope One的协同过滤推荐算法。 当选择使用基于物品的协同过滤推荐引擎时，结果的显示速度明显上升，而且可以很直观地看出所推荐的电影质量比基于用户的协同过滤要高一些。
3.3K30编辑于 2022-07-28 - 来自专栏AI科技大本营的专栏
AI加速器与机器学习算法：协同设计与进化
根据斯坦福大学韩松博士的论文(https://arxiv.org/pdf/1506.02626v3.pdf)，读取内存的能耗比加/乘运算操作的能耗高出好几个数量级。 这就是AI加速器和ML算法的协同进化。硬件设计师为AI加速器增加ML算法可以使用的功能，而ML研发人员则利用AI加速器的硬件功能量身设计新的算法。 硬件和软件的协同可以带来更好的性能和更高的能效。 AI加速器与高效ML算法的协同进化 AI加速器分为两类：(1)用于训练的AI加速器；(2)用于推理的AI加速器。 实现混合精度，需要硬件和算法的协同设计。 混合精度训练提升性能与效率 矩阵乘法运算是神经网络训练和推理的基本操作。AI加速器的主要工作即为在神经网络的不同层中将输入数据和权重的大型矩阵相乘。 每一代NVIDIA架构的进步都体现了硬件和算法之间的协同设计和协同发展。 NVIDIA Volta架构（2017）引入第一代Tensor Core，当时仅支持FP16运算和FP32累积结果。
1.4K52编辑于 2022-12-10 - 来自专栏数商云贸
以数字化转型为契机，3C企业如何通过SRM业务协同平台实现高效协同？
特别是在新消费的背景下，市场的快速反应要求供应商、工厂、采购、物流、财务等部门在生产订单、设计、质量、财务等方面实现高效协作，以适应市场需求的快速迭代。（3）分包业务多。 面对多样化、个性化和快速的消费需求，大多数品牌企业只负责品牌规划、设计、采购、销售等环节，包括零部件安装、生产等环节交给加工厂完成。（4）询报价流程复杂。 方案3：完善评价体系，细化供应商绩效管理数商云SRM业务协同平台为企业建立了统一规范的供应商评价体系。在供应商基本信息的基础上，增加了供应商供货能力、合同履约能力、产品质量等多维数据。 ，难消化高并发订单，成本居高不下，效益增长慢；（3）业务协同效率低：缺少体系的供应链服务，无法发挥产业链资源优势，协同效率低，影响品牌价值输出。 (1)提供招投标、询价、现货等采购交易场景；(2)支持多订单协同管理，电子合同，大额支付等；(3)支持多种结算对账模式。
66720编辑于 2022-07-27 - 来自专栏JavaEdge
毕业设计之基于协同过滤算法的电影推荐系统设计(一) - 项目简介
由于本人今年毕业,为完成毕设特地想着实现一个简单的推荐系统设计,思来想去,小电影不就是很好的切入点嘛! 基于需求个性角度来看，基于内容的推荐算法还不够个人化，用户需要的是更加符合个人偏好的推荐结果，可以根据用户之前的打分情况，更有针对性地推荐一些可能喜欢的电影，这种情况下，应用最多的就是协同过滤算法。 本设计着重讨论基于协同过滤算法的电影推荐系统设计。 2 技术要求 (1) 熟悉并掌握爬虫的基本原理。研究内容包括：Scrapy 爬虫框架。 (2) 熟悉并掌握JavaWeb的各种开发工具与框架。 (3) 熟悉并掌握Spark及机器学习库。研究内容包括：Spark 基本原理，协同过滤算法，MLlib机器学习算法库。 (4) 设计Web 软件,模拟协同过滤算法下的电影推荐。 3 研究难点 (1) 对协同过滤算法的深入学习和掌握； (2) 通过Spark程序的设计来实现电影的实时推荐。 0 联系我 2.完整博客链接 3.知乎
1.4K40编辑于 2022-11-30 - 来自专栏YesDev研发协同工具
推荐3款好用的甘特图软件（免费+在线协同+Excel导出）
Excel导出的文件效果，如：YesDev项目甘特图(3月16日).xlsx。包含：项目甘特图 工作量(小时) 负责人 开始日期 完成日期 进度(%) 日期 等。 第3款：boardmix白板工具的项目甘特图 boardmix是一个灵活的白板工具，也包含了甘特图的模板，但不好找，因为模板名称叫：项目计划，不叫甘特图。
4.6K10编辑于 2024-03-20 - 来自专栏FreeBuf
Cervantes：专为红队渗透测试人员设计的开源协同合作平台
关于Cervantes Cervantes是一款专为红队研究人员以及渗透测试人员设计的开源协同合作平台，在该平台的帮助下，广大研究人员可以轻松管理自己团队中的项目、客户、漏洞以及安全报告。 技术栈 .NET C# Rider JavaScript HTML5 CSS3 运行要求 Docker Docker-Compose 工具使用 使用Docker-Compose在本地运行Cervantes
1.3K40编辑于 2023-03-30 - 来自专栏FreeBuf
Mythic：专为红队研究人员设计的跨平台协同框架
关于Mythic Mythic是一款专为红队研究人员设计的跨平台后渗透测试框架，该框架基于Python 3开发，由Docker、Docker-Compose和一个Web浏览器UI构成。 该工具的主要目标是为了给广大红队研究人员提供一个协同式框架，并通过用户友好的操作界面来帮助红队人员进行渗透测试操作或管理安全报告。 运行机制 Mythic使用了基于Web的前端和基于Docker容器的后端，并使用Python3服务器通过RESTful API和WebSocket处理大部分web请求。 工具使用 主界面操作 创建Payload 使用Payload 回调交互 许可证协议 本项目的开发与发布遵循BSD3-Clause开源许可证协议。
1.4K21编辑于 2023-03-30 - 来自专栏技术汇总专栏
面向复杂动态环境的AI Agent协同策略设计与性能分析
面向复杂动态环境的AI Agent协同策略设计与性能分析引言在人工智能的发展过程中，AI Agent 已经逐渐从单一任务执行者演化为具备自主学习、协作和推理能力的智能体。 信息共享机制设计1. 3. 基于知识图谱的知识共享通过共享领域知识（如环境地图、敌我关系），提升推理与规划的效率。多智能体深度协同的算法框架1. 协同优势：降低能耗波动，提高能源利用效率；实现方式：基于图神经网络的信息共享机制。3. 3. 部分可观测马尔可夫决策过程（POMDP）在大多数真实场景中，Agent 只能观测到局部信息，因此需要通过共享通信补充信息缺口，使得整体逼近全局可观测的 MDP 环境。
62710编辑于 2025-09-11 - 来自专栏技术汇总专栏
面向 LLM Agent 的组织模型设计：多 Agent 协同的新范式
面向LLMAgent的组织模型设计：多Agent协同的新范式一、引言：为什么多Agent系统需要“组织模型”随着人工智能系统从“单智能体”向“群体智能”演进，多Agent系统（Multi-AgentSystem 多个Agent如何避免冲突、实现高效协同？为了解决这些问题，组织模型（OrganizationalModel）被引入多Agent系统设计中，用于规范Agent的结构、职责与协作方式。 Agent行为，是组织模型设计的基础。 、总结：组织模型是多Agent系统工程化的核心在多Agent系统中，组织模型并非理论附属品，而是工程落地的关键设计层：角色分配解决“谁来做什么”权限管理解决“谁能决定什么”任务协同策略解决“如何高效一起做 通过合理的角色分配，系统能够实现清晰的功能分工与职责边界；通过权限管理机制，可以有效避免越权决策与系统级冲突，保障整体稳定性；而通过设计恰当的任务协同策略，多个Agent才能在资源受限、目标多样的环境中形成合力而非内耗
35710编辑于 2026-01-12
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