- 综合排序
- 最热优先
- 最新优先
- 来自专栏希里安
AI模块开发
截止昨天，云原生模块的框架就差不多了，主要就是针对k8s集群资源的增删改查等基础操作的功能，这也是为了熟悉集群基础资源的增删改查的开发流程。 要说完整开发还得用类似kubesphere等专业的管理平台。 那么今天就来看看AI模块，这块其实就更多就是一个尝试，只能边学边开发了，我这边就暂时是直接将别人开源的chagpt模块接入自己的平台，后期在考虑自己开发一个页面吧，如下所示： 在介绍下接入的chatgpt ： # 安装依赖 npm i -g pnpm pnpm i # 本地开发 pnpm dev 至于智能预测和排障还得多学习才能开发出来，慢慢来。 不断优化运维策略：AI可以持续监控不同的运维策略和操作是否达到最佳效果,并根据效果反馈不断调整和优化,使运维过程最大化自动化与智能化。
30810编辑于 2023-10-30 - 来自专栏软件安装
AI应用开发
AI应用开发是将人工智能技术与实际业务场景结合，构建具有智能决策、自动学习或感知能力的应用系统。 它融合了传统软件开发与机器学习、深度学习等AI技术，以下是其核心要素和流程： 一、AI应用的核心技术栈 基础框架 机器学习：Scikit-learn、XGBoost、LightGBM 深度学习：TensorFlow Platform、Azure ML 二、AI应用开发的典型流程 问题定义与数据准备 明确AI要解决的核心问题（如分类、预测、生成等） 数据采集（爬虫、API、传感器等）、清洗（去噪、补全）、标注 应用 以下是一个基于预训练模型的文本分类应用，可识别文本情感（正面/负面）： 四、AI应用开发的挑战 数据质量：模型性能高度依赖数据的准确性和代表性 计算资源：深度学习模型训练需要大量GPU算力 伦理与合规 ） 预测分析（金融风控、需求预测） AI应用开发的核心是"以问题为导向"，而非盲目堆砌技术——先明确业务痛点，再选择合适的AI技术落地。
40810编辑于 2025-11-12 - 来自专栏新智元
【探索AI自开发】谷歌、微软用AI开发AI，特定任务超越人类AI专家
【新智元导读】为了应对AI人才不足，以谷歌为首的企业正在想方设法，开发能够取代AI研究员的AI系统，让创建AI软件变得容易。 开发出能够自己编写程序的AI，是AI研究者的梦想，也可能是众多计算机程序员的噩梦。 现在，以谷歌为首的各大公司，在AI人才严重不足的情况下，开始把目光投向另一个更为强大的目标——开发能够自己创建AI的AI。 不止是谷歌，微软、亚马逊、Facebook这些巨头纷纷都在开发能够自己开发AI的AI上面投注努力，这正在形成一种趋势。 Jeff Dean预计，如今具备能自我开发AI系统的人才的公司，全球不超过1000家，但其他更多公司却拥有开发AI系统所需的数据。 “我们希望让解决机器学习问题的机构数量从几千家扩展到百万家。”
1.1K91发布于 2018-03-21 - 来自专栏智能算法
开发AI可是个大工程 脸书想让AI自己开发AI
要开发深度神经网络解决下一个AI大问题，研究人员必须经历无数次失败的尝试，在一台、几十台甚至几百台机器中尝试。“我们更加像是教练而非运动员。” 互联网巨头正在开发计算系统，让它们代表工程师测试无尽的机器学习算法，它们自己就可以循环测试许多的可能性。更棒的是企业正在开发一套AI算法，让算法来编写AI算法。没有开玩笑。 但Facebook的最终目标是开发一套新的AI模式，让人类从事的单调乏味工作尽可能少。 据米汉那透露，在开发新的AI时，Facebook工程师并不缺少创意，但是要测试这些创意却是另一回事。为了解决问题，他和团队开发了所谓的“Flow”工具。 更有趣的地方在于：AutoML也许可以利用AI来开发AI。 正如米汉那所说的，每个月Facebook要训练和测试大约30万个机器学习模型。
854130发布于 2018-04-02 - 来自专栏AI技术应用
AI智能体（AI Agents）的开发
AI智能体（AI Agents）的开发已经从单一的模型调用，演变为复杂的系统级工程。现在的开发核心不再是编写冗长的提示词，而是构建一套能够自主感知、决策、执行并自我反思的闭环架构。 以下是2026年AI智能体开发的核心技术体系：1. 通过定义不同的角色（如：程序员、QA、项目经理），让多个AI通过对话自主完成复杂项目。DSPy：一种声明式编程框架，它能够自动优化提示词（Prompt），用算法生成的指令代替人工调试。3. #AI智能体 #AI应用 #软件外包
24310编辑于 2026-03-16 - 来自专栏AI技术应用
AI 智能体（AI Agent）的开发
AI 智能体（AI Agent）的开发是一个复杂且多阶段的过程，涉及需求分析、算法设计、模型训练、系统集成和部署等多个环节。以下是 AI 智能体开发的典型流程。 1.2确定技术栈选择适合的 AI 技术和工具（如机器学习、深度学习、强化学习等）。确定开发语言（如 Python、C++）和框架（如 TensorFlow、PyTorch）。 5.系统集成5.1接口开发开发与外部系统交互的 API（如 RESTful API、gRPC）。定义输入输出格式（如 JSON、Protobuf）。5.2模块集成将 AI 模型集成到应用程序中。 8.3技术升级跟踪最新 AI 技术，升级算法和框架。优化系统架构，提高可扩展性。9.常用工具与框架9.1开发框架机器学习：Scikit-learn、XGBoost。 总结AI 智能体的开发流程包括需求分析、数据收集、模型设计、训练与评估、系统集成、测试验证、部署监控和维护迭代。通过合理规划和使用工具，可以高效地开发出功能强大、性能优异的 AI 智能体。
2.6K20编辑于 2025-02-18 AI原生开发范式
AI原生开发范式的核心概念 AI原生开发范式（AI-Native Development）指以AI为核心构建应用程序的设计方法，其特点包括数据驱动、模型即服务（MaaS）、自动化工作流和持续学习。 与传统开发相比，AI原生应用将机器学习模型作为基础组件，而非附加功能。 典型行业案例分析 金融领域-智能风控系统 某银行采用AI原生架构重构信贷审批流程，实现实时风险评估。 医疗领域-影像辅助诊断 一家医疗科技公司开发AI原生影像分析平台，整合多种医学影像模型（CT、MRI）。 model.predict(input_data) r.setex(key, CACHE_TTL, pickle.dumps(result)) return result 效能评估指标 AI
18410编辑于 2026-01-20- 来自专栏AI技术应用
AI Agent 开发流程
开发一个 AI 智能体 (AI Agent) 与开发传统 App 有本质区别。 传统 App 是“基于规则”的（点击 A 弹出 B），而 AI Agent 是“基于目标”的（告诉它目标，它自主规划路径）。以下是 2026 年主流的 AI Agent 开发全生命周期流程：1. 核心架构设计一个标准的 AI Agent 通常由以下四个模块组成：大脑 (Brain): 选择合适的模型（如 Gemini 3 Flash 或 GPT-4o）。负责推理、规划和决策。 循环迭代与评估这是 Agent 开发中最难也最关键的一步。链路测试： 测试 Agent 在处理复杂逻辑时是否会死循环或“断片”。 #AI智能体 #AI大模型 #软件外包
63110编辑于 2026-03-09 - 来自专栏AI技术应用
AI 应用开发流程
AI 应用（尤其是基于大语言模型 LLM 和 Agent 智能体）的开发流程已经从传统的“编码导向”转向了“数据与评估导向”。一个典型的现代 AI 应用开发流程可以分为以下五个核心阶段：1. 由于 AI 并非万能，开发者需要明确 AI 在流程中扮演的角色。确定边界： 明确 AI 是作为辅助工具（Copilot）还是自主决策（Agent）。 提示词工程与 Agent 逻辑开发不再是写一段简单的文字，而是构建复杂的执行逻辑。Prompt Chaining： 将复杂任务拆解为多个子任务。 记忆管理： 配置长期记忆（Long-term memory）和短期上下文，使 AI 能够记住对话历史。4. 评估与护栏构建这是 2026 年 AI 开发与传统软件最大的区别。 #AI应用软件 #AI应用 #软件外包
17910编辑于 2026-03-13 云开发 Copilot ｜体验AI快速开发
前言作为后端，如何快速开发一个简单的页面？大多数人都会想到用AI，今天就结合项目需求体验了一下，制作一个简单的小程序。 需要在左边添加中使用AI，并不能使用原来的Copilot聊天窗口，且不支持上下文，但基于我的需求比较简单，一句话就能生成完美的页面。至此，我的基本需求已经开发完成，前后用时不到10分钟，非常方便快捷。 总结云开发 Copilot 作为云服务平台精心打造的一款卓越 AI 辅助利器，在云环境下的小程序与 Web 应用等项目构建进程中发挥着举足轻重的作用。 Copilot 以其丰富多样的多功能生成能力令人瞩目，搭配简洁直观、极易上手的用户友好界面，以及对多平台的强力支持，全面简化了原本复杂繁琐的开发流程，为开发者带来前所未有的流畅开发体验。 它有力地助力开发者实现从项目设计起始，一路顺畅推进至最终部署上线的全周期高效管理，在保障代码质量达到高标准的同时，还为应用筑牢安全防线，当之无愧地成为现代云应用开发领域开发者们不可或缺的理想伙伴。
32010编辑于 2024-12-11- 来自专栏网络安全技术点滴分享
Databricks AI 开发套件 - 为AI驱动的开发赋能
驱动开发（或称 "vibe coding"）在 Databricks 上从未如此简单。 AI Dev Kit 为您的AI编程助手（如Claude Code、Cursor、Windsurf等）提供了构建 Databricks 应用所需的可信知识和工具，助其更快、更智能地完成工作。 your-workspace.cloud.databricks.com"export DATABRICKS_TOKEN="your-personal-access-token"或export DATABRICKS_CONFIG_PROFILE="your-profile-name"开发环境设置 （Builder App）如果您想运行或开发附带的 Builder App：进入应用目录：cd databricks-builder-app运行安装脚本：. 启动开发服务器：./scripts/start_dev.sh使用说明在 AI 助手中使用安装成功后，您的 AI 助手（如 Claude Code）将自动获得 Databricks 技能和工具。
15410编辑于 2026-02-23 - 来自专栏AI技术应用
AI 智能体（AI Agent）的开发框架
AI 智能体（AI Agent）的开发框架是构建智能体的核心工具和平台，它们提供了从数据处理、模型训练到部署和监控的全流程支持。以下是常用的 AI 智能体开发框架及其特点。 适用场景：研究、原型开发、深度学习应用。1.3Keras特点：高层 API，易于使用，适合快速原型开发。可以作为 TensorFlow 的前端使用。适用场景：初学者、快速开发。 5.2H2O.ai特点：提供自动化的机器学习和深度学习工具。支持大规模数据处理和分布式计算。适用场景：企业级机器学习应用。 8.低代码/无代码 AI 平台8.1Google AutoML特点：提供自动化的模型训练和部署服务。支持图像、文本、表格数据等多种任务。适用场景：快速构建 AI 应用。 适用场景：企业级 AI 解决方案。总结AI 智能体的开发框架涵盖了从数据处理、模型训练到部署和监控的全流程。
1.2K10编辑于 2025-02-18 - 来自专栏运维开发王义杰
AI：GitHub Models全新的AI开发平台
GitHub近日推出了一项名为“GitHub Models”的新功能，旨在为开发者提供免费访问和试验AI模型的机会。 该功能不仅对开发者、学生、初创公司及爱好者开放，还通过无缝集成现有工具，加速AI应用的开发过程。这里将详细探讨GitHub Models的特点、功能及其对AI开发的影响。 五、GitHub Models对AI开发的影响 GitHub Models的推出无疑将对AI开发领域产生深远影响。首先，它降低了AI开发的门槛，使得更多的开发者能够接触和使用先进的AI模型。 这一功能不仅简化了AI应用的开发流程，还通过无缝集成和数据隐私保护增强了用户体验。随着更多模型的加入和功能的扩展，GitHub Models有望成为AI开发领域的重要工具。 通过这一创新平台，GitHub不仅在技术上进行了突破，也在推动AI技术的普及和应用方面迈出了重要一步。未来，随着更多用户和模型的加入，GitHub Models必将为AI开发带来更多可能性和创新空间。
62810编辑于 2024-08-05 - 来自专栏AI技术应用
AI智能体（AI Agent）的开发流程
AI智能体（AI Agent）的开发流程已从传统的软件开发生命周期（SDLC）演进为智能体开发生命周期（ADLC, Agentic Development Lifecycle）。 以下是国内主流的开发流程拆解：1. 需求定义与任务分解 (Goal Setting)目标锚定： 明确智能体是辅助型（人机协同）还是自主型（闭环执行）。 能力构建 (Core Agent Capabilities)根据信通院发布的《开发智能体技术要求》标准，需重点实现四个模块：感知 (Perception)： 接入多模态输入（语音、图像、文本）。 您是计划开发一个特定垂直领域的单一智能体，还是需要构建一个能够多智能体协作（Multi-Agent）的复杂系统？#AI智能体 #AI应用 #软件外包
21410编辑于 2026-03-19 - 来自专栏DotNet NB && CloudNative
AI应用开发基座：Microsoft.Extensions.AI
微软在2024年11月就发布了新的AI核心库Microsoft.Extensions.AI，虽然目前还是一个预览版，但其可以大大简化我们的AI集成和开发工作。 Microsoft.Extensions.AI介绍 Microsoft.Extensions.AI 是一组核心 .NET 库，是在与整个 .NET 生态系统（包括语义内核）的开发人员协作中创建的。 Microsoft.Extensions.AI 目标是在 .NET 生态系统中充当一个统一层，使开发人员能够选择他们的首选框架和库，同时确保整个生态系统之间的无缝集成和协作。 画外音>开发者可以节省时间下来专注自己的应用程序的业务逻辑实现，从而不必花过多时间去做AI服务的集成调试，点个大大的赞！ 我能使用哪些服务实现？ 小结 本文介绍了Microsoft.Extensions.AI的基本概念 和 基本使用，如果你也是.NET程序员希望参与AI应用的开发，那就快快了解和使用起来吧。
77410编辑于 2025-04-04 - 来自专栏AI技术应用
AI 智能体（AI Agent）开发公司
选择满意的 AI 智能体（AI Agent）开发公司，本质上是在评估其技术底层架构能力与业务场景理解力。与传统软件外包不同，AI 开发涉及模型调优、向量数据库及长短期记忆管理。 技术栈深度考核优秀的 AI 开发公司应具备以下底层技术储备，而非仅仅调用 API：框架熟练度： 是否能熟练使用 LangChain、AutoGPT 或 CrewAI 进行多智能体编排。 行业交付案例AI 智能体极度依赖行业上下文。场景匹配： 如果你需要财务 Agent，优先选择做过 RPA + AI 或 ERP 深度集成的公司；如果是客服 Agent，考察其多轮对话的意图识别率。 专业咨询： 咨询具备 AI 转型经验的 IT 服务商，而非传统的基础网页开发工作室。您目前的业务场景是更偏向内部办公流程的自动化（如文档分析、周报生成），还是直接面向 C 端客户的交互服务？ #AI智能体 #AI应用 #软件外包
4110编辑于 2026-03-21 - 来自专栏AIGC大模型应用
AI大模型应用开发实战(05)-AI时代应用开发破局！
怎么想、怎么做，全在乎自己「不断实践中寻找适合自己的大道」 后端应用级开发者该如何拥抱 AI GC？就是在这样的一个大的浪潮下，我们的传统的应用级开发者。 再往下看 3 AI原生应用 不管是ToB还是ToC，这块儿是大量机会，给到我们这些传统做互联网、科技公司、应用开发公司包括科技创业公司，就有我们应用开发者大量的机会存在。 传统的应用开发者在转型做 AI GC 有 AI 软件工程师，即做 AI 应用，还不过瘾，还想去深度的话，那可能就是偏向了我们的 AI 本身开发，类似我们的视觉工程开发，然后自然语言开发，机器学习等，这都是我们的一些转型职业机会 掌握一些 AI 开发的工具和框架，如Py，基本上可以说在机器学习领域，它是一个主流语言就是大量的项目，都是用来开发。 然后我们要学会使用 AI。 应用级开发者，所谓的学会使用 AI，那和一般用户的使用 AI 还不一样。
1.5K00编辑于 2024-08-11 - 来自专栏宜达数字
Unity开发-AI插件：Playmaker
1.介绍 PlayMaker是由第三方软件开发商Hotong Games开发完成。它的Logo是一个中文的“玩”字（PS：看来中国文化声名远播）。 它既是一个可视化脚本工具，又是一个分层逻辑框架。
1.6K21发布于 2020-06-02 - 来自专栏AI技术应用
AI智能体的开发
AI智能体的开发技术方案是一个复杂且多层面的决策过程，它需要根据智能体的具体功能、性能要求、部署环境、可扩展性以及团队的技术栈来综合考量。 以下是一个全面且分层的AI智能体开发技术方案，涵盖了从数据到部署的各个环节。 强化学习 (如果需要): Stable Baselines3/Ray RLlib: 用于训练决策制定型智能体，例如游戏AI、资源调度。 移动应用: 原生开发 (iOS/Android) 或跨平台框架 (React Native, Flutter)。 通过对上述各个层面的精心规划和技术选型，可以构建出健壮、高效且智能的AI智能体。
1K10编辑于 2025-06-16 - 来自专栏AI技术应用
AI教育APP的开发
AI教育APP是当前教育科技领域的热点，它利用人工智能技术来提升学习效率、优化教学体验、实现个性化教育。这类APP的种类繁多，且各有侧重，但都共享一些核心的AI赋能特点。 AI教育APP的类似之处个性化学习路径： 这是AI教育APP最核心的特点。AI根据用户的学习进度、能力、偏好和目标，动态调整学习内容、难度和节奏，实现真正的“因材施教”。 AI教育APP的特点（分类及差异）AI教育APP通常根据其应用领域、目标用户和核心解决的问题来划分，从而展现出各自独特的特点：1. 总结AI教育APP的共同特点是利用AI技术实现个性化、智能化、数据化和互动化的学习体验。它们通过AI来理解学习者、优化学习内容、提供即时反馈，从而解决传统教育中“千人一面”的问题。 未来，随着AI大模型的进一步发展，AI教育APP的功能将更加强大和多样，有望在更大程度上推动教育的公平与效率。
30510编辑于 2025-06-20
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